[00511054]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

该项目为国家自然科学基金资助青年科学基金项目（项目批准号：61601046）。

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。

该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。

该项目主要研究内容如下：

1. 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。

2. 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。

3. 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。

4. 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。