基于大规模DPI数据和耦合张量模型的移动用户行为预测研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61601046
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    19.0万
  • 负责人：
    禹可
  • 依托单位：
    北京邮电大学
  • 学科分类：
    F0104.通信网络
  • 结题年份：
    2019
  • 批准年份：
    2016
  • 项目状态：
    已结题
  • 起止时间：
    2017-01-01 至2019-12-31

项目摘要

The novel mobile Internet applications has broken through the traditional Internet architecture and protocol, and evolved due to user demand, with traffic distribution and user behavior unknown. Mobile traffic and user behavior analysis have become a very active research area in the networking community, which is an indispensable tool for numerous network management tasks that include network planning and optimization, traffic engineering, service provisioning, user behavior modeling, and fault diagnosis. It also provides a sound basis for preventing network from intrusions, attacks, worms, and other kinds of malicious behaviors..This project will focus on traffic interaction pattern of various mobile applications. Based on real DPI data collected from public networks of Mobile Internet Service Providers, we will analyze the correlations and associations among mobile users, application servers, and traffic volumes and contents, etc. Based on coupled tensor decomposition and unsupervised/semi-supervised learning, we will propose prediction methods of mobile user behavior. The proposed algorithm will be implemented in the distributed platform, in order to improve the efficiency and accuracy of prediction.
新型移动应用突破了传统网络架构和协议的壁垒，因用户的需求而发展，其流量分布和特征模糊，用户行为复杂化。移动应用流量和用户行为的精确分析，已成为网络监管和网络行为认知研究的重要组成部分，对于网络维护和优化、网络内容审计、网络安全防御等，都具有明显的现实意义。.本项目针对移动应用的流量交互模式，基于实际网络的DPI数据，研究移动用户、服务器、流量的相关性特征及时间演化特性，提出基于耦合张量分解和无监督/半监督学习的移动用户行为预测方法，并实现分布式算法以提高算法效率和预测的准确性。

结项摘要

移动应用的多样化和快速发展导致网络流量分布和特征模糊，用户行为趋于复杂化，为网络管理带来新的问题和挑战。通过对网络访问记录等数据的分析和特征提取，获得有显著标志性和区分度的数据特征和模式规律，并基于此建立网络人格和行为的研究体系，对于网络管理和信息安全均具有重要意义。.本项目从实际的大规模移动DPI数据出发，利用耦合张量模型将移动用户、服务器、流量的相关性特征和互补性特征进行有效融合，结合耦合张量优化分解和半监督学习，为用户行为认知问题提供一条新的思路。.本项目具体研究内容包括：在移动流量数据采集和处理方面，利用高性能流量监控设备从实际的ISP网络中采集原始的移动DPI数据，并基于分布式平台技术构建了网络用户数据指纹系统，获得了移动用户的网络指纹样本数据集；在移动应用交互特性分析方面，对移动APP和用户访问行为进行了关联分析和聚类分析，并基于用户访问序列提出了移动APP的域名向量化表示和用户向量化表示方法；在移动应用交互特征融合方面，基于网络指纹样本数据集构建了异构信息网络模型，并提出了面向移动应用交互的耦合张量模型，研究提出了两种耦合张量分解方法；在移动用户行为预测和识别方面，针对用户使用移动APP的预测任务，提出了三种预测模型和方法，此外研究分析了移动应用中的异常行为和不实信息，提出了相应的异常检测算法。.本项目共计发表学术论文18篇，其中期刊论文3篇，会议论文15篇，提交国家发明专利申请2项，培养青年骨干教师2名和相关方向硕士研究生8名，其中1名在读硕士研究生获得2019年度国家奖学金。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（15）
专利数量（2）
Positive and Unlabeled Learning for User Behavior Analysis Based on Mobile Internet Traffic Data
基于移动互联网流量数据的正向无标签学习用户行为分析
  • DOI：
    10.1109/access.2018.2852008
  • 发表时间：
    2018-06
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Ke Yu;Yue Liu;Linbo Qing;Binbin Wang;Yongqiang Cheng
  • 通讯作者：
    Yongqiang Cheng
Analysis and Detection of Health-Related Misinformation on Chinese Social Media
中国社交媒体上与健康相关的错误信息的分析和检测
  • DOI：
    10.1109/access.2019.2946624
  • 发表时间：
    2019-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Liu, Yue;Yu, Ke;Peng, Yonghong
  • 通讯作者：
    Peng, Yonghong
Coupled Tensor Decomposition for User Clustering in Mobile Internet Traffic Interaction Pattern
移动互联网流量交互模式中用户聚类的耦合张量分解
  • DOI：
    10.1109/access.2019.2894267
  • 发表时间：
    2019
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Yu Ke;He Lifang;Philip S. Yu;Zhang Wenkai;Liu Yue
  • 通讯作者：
    Liu Yue

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

移动Ad Hoc网络中TCP性能的分析和改进
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电讯技术
  • 影响因子：
    --
  • 作者：
    望育梅;禹可;刘雨;张惠民
  • 通讯作者：
    张惠民

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

禹可的其他基金

面向智能化网络运行监控的高维时间序列异常检测方法研究
  • 批准号：
    62371057
  • 批准年份：
    2023
  • 资助金额：
    49 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码