基于统计过程控制的加权网络监控开题报告

1. 研究目的与意义

由于近几年网络的发展，人们对社交网络愈加依赖，与此同时也出现了相关的问题。例如邮件交流网络中的垃圾邮件检测、计算机网络中流量异常监测、脑功能网络中功能区域间连接情况变化的监测以及利用网络犯罪等。从个人角度来说，社交网络的监控可以实时保护个人人身和财产安全，健全网络上个人的隐私保护机制，同时也能适时屏蔽不良信息的散播，给人们营造良好的网络社交氛围。从企业角度来说，他们需要的信息网络要求承载量大，安全性高，这就需要他们加强信息监控，增强系统力度；另一方面，企业的大部分业务流程都在互联网进行，同时可以提供高附加值的应用来服务顾客，那么需要增加业务流程的监管和故障排查。因此对网络的性能、品质和安全性进行监视和控制是至关重要的。

2. 研究内容和预期目标

课题是基于统计过程控制的加权网络监控，我研究方向是通过实例分析，运用统计过程的方法进行数据分析，对于企业的社交网络进行监控，提出可靠的应用对策，从而加强企业的社交网络的安全性。

写作提纲：首先编写序论，包括课题背景和研究方向；重要内容是总论，可以写课题的重要性和意义，前提条件，提出相关对策及解决方案。最后结合自己的研究内容证明论点得出结论。

3. 国内外研究现状

1.carley和mcculloh等人使用了累积和(cusum)和指数加权移动平均(ewma)等监测方法来检测整个网络的变化。他们结合sna和spc，应用于基地组织的社会网络，并得出恐怖组织早在1997年就开始策划2001年9月11日的袭击。他们的方法可以检测到2001年以前网络活动的变化，从而避免灾难。

2.heard等人提出了一种两阶段贝叶斯异常检测方法。他们的目标是检测两对个体之间的异常交流水平。一旦确定了这些相对个体，它们就被用来形成一个子网络，然后可以对异常行为进行分析。他们假设两对个体之间的接触计数是泊松条件分布或跨栏泊松条件分布。跨栏模型允许以一种类似于使用零充气泊松模型的方式实现更高的无接触概率。他们使用了基于每对个体之间联系的贝叶斯预测分布的控制极限，以识别潜在异常个体对的子集。如果观察到的计数足够深入到尾部，在预测分布中，通过p值的测量，可以给出了可能存在异常的信号。当前计数的预测分布基于先验分布和当前时间之前的所有数据，但不包括当前时间。然后，他们使用标准的网络推理工具，在一个更小的子网络上，根据被识别为异常的个体对和他们的联系人来识别异常的网络行为。heard等人使用0.05的p值阈值，这将导致许多对个体在大型网络中被错误地识别为异常，因此研究还会不断深入进行。

3.priebe等人提出了基于扫描的网络监控方案，相较于传统的扫描方法，它是一种基于每个个体的k阶邻域大小来检测通信水平增加的方法，其中k = 0,1,2。个体的度被称为0阶邻域的大小。使用指定长度的移动窗口来建立基线平均值和标准偏差，对每个个体的三个指标的标准化统计随时间进行计算。一个下界被用于估计标准差，以避免信号在网络行为中相对较小的变化。美国疾病控制与预防中心在其相关项目中使用的监测计数数据的早期像差报告系统算法也使用了一个估计标准偏差的下界。在priebe等人的方法中，每个时间段三个标准化网络指标的最大值取于网络中的个体集合。信号规则是基于这些极大值。这些最大值本身是基于一个移动窗口上计算的先前最大值的估计平均值和标准偏差进行标准化的，当最大值大于5时，就给出一个信号。离估计均值的标准差。他们的方法是回顾性地应用于安然电子邮件网络，但声明他们的方法可以用于前瞻性的网络监控。

4. 计划与进度安排

第一周 收集资料和文献检索

第二周 翻译英文文献

第三周至第六周 学习软件并能分析数据

5. 参考文献

1.mcculloh, i. and carley, k.m. (2011) detecting change in longitudinal

social networks. journal of social structure, 12.

2.savage, d., zhang, x., yu, x., chou, p. and wang, q. (2014) anomaly detection in online social networks. social networks, 39, 62–70.