2018年面向社会目标的复杂网络态势感知与取证分析.pdf

1、面向社会目标的复杂网络态势感知与取证分析 南京邮电大学关于南邮精神：信达天下自强不息南邮校风：勤奋、求实、进取、创新国家“双一流”建设高校和江苏高水平大学建设高校2002年信息安全专业开始招生信息安全国家特色专业建设点（全国15所）中国网络空间安全协会常务理事单位江苏省无线传感网高技术研究重点实验室江苏省大数据安全与智能处理重点实验室1942年诞生于山东抗日根据地的八路军战邮干训班南邮校训：厚德、弘毅、求是、笃行关于南邮目录背景概述关键技术态势感知分析电子数据取证视角背景概述背景概述 智能终端、移动应用、社交网络、物联网等为社会目标分析提供了丰富的素材掀起了新的社会目标分析热潮 社会中的每个目

2、标不是单独存在的目标与目标之间、事件与事件之间、目标与事件之间存在复杂动态的网络关系 多维数据分析需要一个分析方法，能够对数据进行维度化分析后的度量聚集统计 维度即观察事物的角度，综合考虑多个维度的因素，能够更清晰的认识事物的本质关键技术关键技术系统框架系统重点关注三部分：“分布式数据采集”“命名实体识别”“融合排序”系统简要概述关键技术1.分布式大批量数据采集2.分布式存储分布式数据采集关键点描述一关键技术3.确认爬取页面中的条数：TopN分布式数据采集关键点描述一关键技术1.命名实体识别算法：LSTM+CRF命名实体识别关键点描述二关键技术命名实体识别关键点描述二2.命名实体识别方面1）词

3、向量进行预处理：维基百科中英文语料2）训练集：现有语料基础上个性定制训练集3）自定义实体识别种类：可按需定制4）模型的改进：中英文双向识别关键技术融合排序关键点描述三1.多算法融合排序：TF-Levenshtein Distance关键技术融合排序关键点描述三74.00%76.00%78.00%80.00%82.00%84.00%86.00%88.00%90.00%92.00%0.20.30.40.5准确率2.多算法融合排序：TF-Levenshtein Distance=+1 关键技术测试结果测试一 不同搜索引擎抓取TopN页面中含有实体的平均页面数抓取页面数百度Bingtop107.655

4、.6top2014.49.6top3020.211.2top4025.312.3top5030.313.4关键技术测试结果测试二 LSTM+CRF、CRF、HMM模型对于不同搜索引擎得到的结果的实体识别率（F1值）F1LSTM+CRFCRFHMMbaidu92.12%74.45%64.26%bing90.35%65.33%66.00%F1LSTM+CRFCRFHMMbaidu84.87%50.27%37.51%bing86.42%62.18%42.95%F1LSTM+CRFCRFHMMbaidu89.28%77.18%71.44%bing90.18%78.98%71.67%1.对于地点名Loc

5、ation 的识别率2.对于机构名Organization的识别率3.对于人名Person的识别率关键技术测试结果测试三 测试多个平台检测试题结果融合算法1.排序结果前2的人名实体中，包含邮箱所有者真实姓名的邮箱数所占比例百度Bing融合67%72%94%2.排序结果前5的人名实体中，包含与邮箱所有者相关的实体平均个数百度Bing融合3.43.84.2百度Bing融合2.82.63.13.非重复的地名、机构名且与邮箱所有者相关的实体平均个数关键技术结论对于中文实体来说，搜索条数在30条以上时，新实体的个数增加的很少实体识别，采用LSTM+CRF模型比采用HMM或只用CRF结果更好采用多平台融合

6、的处理结果单平台准确率更高关键技术建议针对搜索结果的特性，可以考虑在实体识别中加入一些人工规则，过滤掉可能的无用信息，如：“百度文库”、“豆丁网”等搜索条数可以控制在30条以内,应采用多搜索平台信息融合的方式进行信息获取地名和机构名实体在实际应用中可看作同一类别态势感知分析 态势感知：“在一定的时空条件下，对环境因素的获取、理解以及对未来状态的预测。”(Endsley，1988)网络态势感知：“在大规模网络环境中，对能够引起网络态势发生变化的安全要素进行获取、理解、显示以及预测最近的发展趋势。”(Tim Bass,