骨干网环境下基于访问行为及其无指导学习模型的网络失窃密异常检测

骨干网环境下未知失窃密行为的发现具有重要的现实意义，然而，骨干网环境海量、高速、复杂多变的数据特点给传统的异常检测方法带来了巨大的技术挑战，为此，本项目拟通过研究访问行为模型、有限空间内模型构建与统计、行为属性无指导学习以及异常检测等关键模型与算法，解决无训练集、高性能的网络失窃密行为异常检测问题，以实现骨干网环境下未知网络失窃密行为的发现，为进一步失窃密行为的追踪和控制提供关键理论与技术支撑。