針對微信紅包與轉賬功能被用于紅包賭博、非法交易等違法活動,且現(xiàn)有的研究工作難以識別微信中收發(fā)紅包與轉賬行為的具體次數(shù),以及存在低識別率和高資源消耗的問題,提出了一種劃分大、小流量突發(fā)塊的方法來提取流量特征,從而對收發(fā)紅包與轉賬行為進行有效識別。首先,利用收發(fā)紅包與轉賬行為流量的突發(fā)性,設定大突發(fā)時間閾值將這類行為的流量突發(fā)塊分隔開;然后,針對收發(fā)紅包與轉賬行為由多次連續(xù)的用戶操作組成的特性,設定小突發(fā)閾值將流量塊進一步細化為小突發(fā)塊;最后,綜合大突發(fā)塊中各個小突發(fā)塊的特征,得到最終的特征。實驗結果顯示,該方法在時間效率、空間占用率、識別準確率、算法普適性等方面普遍優(yōu)于微信支付行為識別方面的現(xiàn)有研究,平均準確率最高可達97. 58%。真實場景的測試結果表明,所提出的方法基本能準確識別出一段時間內用戶收發(fā)紅包與轉賬行為的次數(shù)。
【部分圖文】：

小突發(fā)閾值取不同值時準確率的變化

大突發(fā)閾值將單任務產生的流量框定之后，利用單操作流量的突發(fā)性再次將大流量塊細分，可對單任務的特征做進一步剖析。小突發(fā)閾值用于準確劃分單操作產生的數(shù)據(jù)包，它只與對應的通信協(xié)議以及網絡傳輸有關。本研究中詳細的大小閾值驗證實驗見3.2節(jié)。2.3 特征提取

通過XGBoost(eXtreme Gradient Boosting）算法訓練得出這些特征的重要性如圖2，結果顯示，除了“不完整流總數(shù)”重要性極低之外，其余特征對分類準確率貢獻度都很高。2.4 訓練分類器
【相似文獻】

相關期刊論文 前10條

1 馬翠紅;王毅;毛志強;;基于時空雙流與局部融合網絡的行為識別[J];工業(yè)控制計算機;2019年11期

2 溫長吉;趙珊珊;申利未;任虹賓;;基于局部時空模式的體育視頻行為識別[J];吉林大學學報(理學版);2020年02期

3 王燦;高陳強;杜蓮;;基于顯著性區(qū)域的紅外行為識別[J];重慶郵電大學學報(自然科學版);2019年01期

4 韓雪平;吳甜甜;;基于深度學習的人體行為識別算法[J];數(shù)學的實踐與認識;2019年24期

5 葉青;楊航;;基于深度學習的人體行為識別網絡設計[J];中國科技信息;2020年10期

6 趙新秋;楊冬冬;賀海龍;段思雨;;基于深度學習的人體行為識別研究[J];高技術通訊;2020年05期

7 王永雄;李璇;李梁華;;動態(tài)多視角復雜3D人體行為數(shù)據(jù)庫及行為識別[J];數(shù)據(jù)采集與處理;2019年01期

8 鄭士基;李觀勝;;基于深度學習的教室人體行為識別模型設計[J];現(xiàn)代信息科技;2019年07期

9 李紅;臧晶;;基于深度學習的人體行為識別技術研究[J];科技資訊;2019年29期

10 富倩;;人體行為識別研究[J];信息與電腦(理論版);2017年24期

相關博士學位論文 前10條

1 黃敏;RGBD視頻中人體行為識別的特征表示方法研究[D];廈門大學;2017年

2 李紅陽;視頻行為識別關鍵技術研究[D];武漢大學;2019年

3 張潔;大規(guī)模跨場景無線行為識別與隱私保護研究[D];西北大學;2019年

4 姚光樂;視頻序列中的行為識別技術研究[D];電子科技大學;2019年

5 李波;單目視覺三維重建與行為識別關鍵技術研究[D];西北工業(yè)大學;2018年

6 徐增敏;融合深度特征的人體行為識別技術研究及其在視頻偵查中的應用[D];武漢大學;2019年

7 丁文文;基于三維骨架的時空表示與人體行為識別[D];西安電子科技大學;2017年

8 楊延華;潛在信息融合的多任務人體行為識別[D];西安電子科技大學;2017年

9 田藝;基于多樣本與零樣本學習的人體行為識別研究[D];北京交通大學;2018年

10 劉宇琦;視頻人臉及人體行為識別關鍵技術研究[D];吉林大學;2018年

相關碩士學位論文 前10條

1 陳殿明;基于深度學習的人體行為識別研究[D];中國石油大學(華東);2018年

2 李紅;基于深度學習的人體行為識別技術研究[D];沈陽理工大學;2020年

3 徐陳晨;基于多特征的人體行為識別的研究[D];南京郵電大學;2017年

4 苗瑞;基于視頻的人體行為識別研究[D];湖南大學;2019年

5 王旻;基于多模態(tài)數(shù)據(jù)的聯(lián)合多任務多屬性學習3D行為識別[D];廈門大學;2019年

6 安特;靜態(tài)背景視頻監(jiān)控下的拍照者行為識別[D];廈門大學;2019年

7 郭浩然;大熊貓行為識別研究與應用[D];電子科技大學;2019年

8 樂越;基于深度學習的車輛行為識別與檢測研究[D];合肥工業(yè)大學;2019年

9 周琳琳;基于混合深度學習的彎道行為識別研究[D];河南大學;2019年

10 劉源;基于車載視覺的行人檢測及行為識別[D];電子科技大學;2019年

本文編號：2860217