Jan, 2019

数据挖掘技术在全球恐怖袭击分析中的联合应用 —— 预防和预测打击恐怖主义

PDF
TL;DR本文通过数据挖掘分类技术分析了世界范围内恐怖袭击的趋势，讨论了联合国在反恐斗争中的作用。
发现论文，激发创造
  • 预测网络监控 -- 利用机器学习和数据分析进行网络攻击的推测研究

    利用机器学习和数据挖掘技术增强网络安全，本文提出了一种新的技术，基于多个数据参数预测网络中即将发生的攻击，通过测试阶段的结果选择最佳模型，并提取可能导致攻击的事件类别。

    Dec, 2023

  • 结合自然语言处理和机器学习技术实现攻击者 TTP 自动分类

    本文探讨了不同的自然语言处理和机器学习技术，以提取关于网络攻击者战术、技术和过程（TTP）的安全信息，并提出了一个基于已知对手策略、技术和程序知识库的自动分类非结构化文本的数据处理管道。

    Jul, 2022

  • 利用自然语言处理从社交网络文本中提取高准确度的位置信息

    机器学习和自然语言处理可以通过预测实时的恐怖袭击来帮助打击恐怖主义，本研究通过使用社交网络文本来提取必要信息建立合适的恐怖袭击预测数据集，实验发现现有解决方案在地点识别方面准确率较低，我们的解决方案得以解决，并将扩展解决方案以提取日期和行动信息来实现项目目标。

    Aug, 2023

  • 各种网络攻击检测的当前最先进机器学习方法的性能调查：综述

    分析了过去 10 年来现有的最新机器学习模型及其对不同类型网络攻击的检测，以找出仍需进一步研究的领域。

    Feb, 2024

  • 基于数据挖掘的乳腺癌恶性与良性预测 —— 医疗应用

    此论文研究了在数据挖掘中通过不同的分类算法实现对良性和恶性乳腺癌的预测，使用的数据集为 UCI 存储库中的 Breast Cancer Wisconsin 数据集，分析了 12 种算法的性能。

    Feb, 2019

  • 学习网络入侵检测：一种数据驱动的方法

    本文通过采用不同的基于学习的模型来检测网络攻击，演示了无监督表示学习模型在二进制入侵检测任务中的优势，并使用 SVM-SMOTE 过采样技术缓解了 4 类分类中的数据不平衡问题，并进一步展示了过采样机制的有效性及其深入神经网络基础模型的缺陷。

    Aug, 2021

  • 网络安全的图挖掘技术概述

    该研究综述了基于图挖掘的网络安全领域，包括网络安全任务的概述、典型的图挖掘技术、应用于网络安全的一般过程以及不同网络安全任务的各种解决方案。同时，这篇综述还收集了基于图的网络安全开放数据集和工具包，并对未来的研究进行了展望。

    Apr, 2023

  • UNSW-NB15 计算机安全数据集：可视化分析

    本文通过对 UNSW-NB25 计算机网络安全或入侵检测数据集的视觉分析，检测出两个主要问题即类别不平衡和类别重叠，建议在应用此数据集前先解决这两个问题。

    Jan, 2021

  • 犯罪预测的数据挖掘技术的实证与实验洞察：综述

    对犯罪预测方法学进行了全面分析，包括统计方法、机器学习算法和深度学习技术，提出了方法学分类体系，并进行了实证评估和实验比较，以便全面了解犯罪预测算法，并展望了未来犯罪预测技术的发展和进一步研究的机会。

    Feb, 2024

  • 基于数据挖掘的欺诈检测研究综述

    该论文对过去 10 年内关于自动化欺诈检测的技术和综述文章进行了分类、比较和总结。它定义了专业欺诈者，形式化了已知欺诈的主要类型和子类型，并呈现了受影响行业内所收集的数据证据的性质。在挖掘数据以实现更高成本节约的业务环境中，该研究提出了方法和技术，以及它们的问题。与所有相关的欺诈检测综述相比，该综述涵盖了更多的技术文章，并且是我们所知道的唯一一个提出了相关领域的替代数据和解决方案。

    Sep, 2010