[發明專利]一種跨越多個屬性網絡進行異常對齊的方法

在審

• 申請號: 202011302814.2
• 申請日: 2020-11-19
• 公開（公告）號: CN112422571A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 張潔;武南南;王文俊
• 申請（專利權）人: 天津大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程小艷

本發明公開一種跨越多個屬性網絡進行異常對齊的方法，包含以下步驟：最大異常子圖的檢測:對于每個網絡Gi，查找其當前最異常的子圖，并與該網絡之前得到的對齊的異常子圖合并，得到其最大異常子圖；最大異常子圖的對齊:對多個網絡的最大異常子圖進行對齊，得到對齊的異常子圖集合；對齊的異常子圖中包含最多的對齊節點以及最少的非對齊節點；常值的更新；跨越多個屬性網絡的異常對齊算法的定義；通過初始化結果集S為空集，迭代次數i＝0，并預先定義異常閾值α和對齊閾值σ，輸入多個網絡的邊集/屬性集數據，通過多輪迭代，不斷擴張對齊異常子圖集合S，直至S收斂，得到使得目標函數L最大的結果集。

技術領域

本發明屬于計算機、復雜網絡與數據挖掘的交叉領域，是一種跨越多個屬性網絡進行異常對齊的方法。將某個事件定義為節點相互連通的屬性網絡，對多個相關的屬性網絡進行最大異常子圖檢測及對齊，得到這些網絡中最相關且最異常的部分，以挖掘這些事件之間異常的共性。

背景技術

異常檢測已經被廣泛應用到各種場景和領域，例如健康預警網絡中的疾病爆發檢測，道路網絡中的交通擁堵檢測以及社交網絡中的輿論事件檢測。而目前異常檢測遇到的主要挑戰是在多個屬性網絡中進行相關異常的挖掘。

大多數現有方法通過將多個屬性網絡集成為一個多屬性網絡，并在其上檢測異常子圖來解決此問題。但是，并非所有多個屬性網絡都能使用一個網絡來表示(如社交網絡和地理網絡)。并且，在單個多屬性網絡上同時優化多個屬性子圖的異常性和他們之間的相關性無疑是困難的。對此，我們將這個問題分解為了兩個子問題并分別優化：1，找到每個屬性網絡最為異常的子圖。2，對齊來自多個屬性網絡的最大異常子圖，保留其對齊部分作為相關異常。

因此，我們提出了一種跨越多個屬性網絡進行異常對齊的方法,并且該方法還能利用無屬性網絡的結構信息來挖掘其異常信息。

發明內容

為克服現有技術的不足，本發明提出一種跨越多個屬性網絡進行異常對齊的方法。

本發明主要目的是挖掘多個網絡之間存在的相關異常，并利用相關異常來指導相應策略的制定，并且挖掘潛在的異常信息。例如在多個不同時間段的計算機攻擊網絡中，通過本方法，能夠挖掘出在不同時間有著相似攻擊行為的IP。根據真實記錄可以得到他們所屬的固定網段及攻擊方式。因此被攻擊的網站只需攔截該網段的IP就能大概率避免被攻擊的風險。此外，還能夠通過異常間的相關性推測未來會發起攻擊的IP。

對于給定的多個屬性網絡G＝(G_i),i∈{1,…,N}，其中Gi＝(Vi,Ei,Pi)表示第i個網絡，Vi,Ei,Pi分別表示Gi的節點集，邊集和異常屬性集。N是網絡的數量。節點的異常屬性值在0到1之間，越小表示節點越異常，1表示該節點為正常節點。因此，對于缺乏屬性的網絡我們將該網絡所有節點的異常屬性的值全部記為1。

本發明的技術方案是一種跨越多個屬性網絡進行異常對齊的方法，具體包含以下步驟：

1)最大異常子圖的檢測:對于每個網絡Gi，查找其當前最異常的子圖，并與該網絡之前得到的對齊的異常子圖(初始化為空)合并，得到其最大異常子圖。最大異常子圖是連通的節點集合，其中包含最多異常節點，最少正常節點。其中判斷節點是否異常的異常閾值被記為α(一般為0.15)，異常屬性值小于等于它的節點被標記為異常節點。我們使用如下函數來計算異常子圖的異常得分(函數定義見具體實施方案)。

2)最大異常子圖的對齊:對多個網絡的最大異常子圖進行對齊，得到對齊的異常子圖集合。對齊的異常子圖中包含最多的對齊節點以及最少的非對齊節點。其中判斷節點之間是否具有對齊關系的對齊閾值記為σ，對齊概率大于它的節點為對齊節點。我們使用如下函數來統計對齊異常子圖的對齊得分(函數定義見具體實施方案)。

我們的方法需要同時優化異常和對齊兩方面內容，因此設定如下的目標函數：