人工智能环境下网页用户行为数据与安全风险预警机制
摘要
在人工智能技术快速发展的背景下，网页用户行为数据成为安全风险识别的重要依据。本文构建了一套集行为数
据采集、深度学习识别与风险预警于一体的机制，利用 CNN-LSTM 模型提升异常行为识别准确率，并通过多维指标与动
态阈值策略实现高效预警响应。系统具有良好的实时性与适应性，能够应对高并发下的复杂攻击行为，为网页安全防护提
供有效支持。
据采集、深度学习识别与风险预警于一体的机制，利用 CNN-LSTM 模型提升异常行为识别准确率，并通过多维指标与动
态阈值策略实现高效预警响应。系统具有良好的实时性与适应性，能够应对高并发下的复杂攻击行为，为网页安全防护提
供有效支持。
关键词
人工智能；网页行为数据；深度学习；风险预警；CNN-LSTM
全文:
PDF参考
[1] 李忠霖 . 大数据背景下用户行为数据分析课程教学
改革研究 [J]. 电脑与电信 ,2022,(10):27-30.
[2] 兰坤 , 吴琼 , 耿艳兵 . 基于 Python 的社交网站用户行
为数据采集方法 [J]. 智能计算机与应用 ,2024,14(06):219-223.
[3] 林玲 . 基于主题搜索的校园用户行为挖掘系统的设
计与实现 [D]. 北京邮电大学 ,2020.
[4] 叶力铭 . 基于 Spark 电商用户行为数据的分析与研究
[D]. 沈阳师范大学 ,2020.
[5] 周爱娟 . 基于计费系统的校园用户行为分析与建模
[D]. 北京交通大学 ,2019.
[6] 向大为 , 吴燕波 . 互联网用户行为数据收集与分析的
研究 [J]. 现代信息科技 ,2019,3(06):14-16.
[7] 华圩 . 基于大数据的用户行为数据分析系统设计和
实现 [D]. 华中科技大学 ,2018.
[8] 孙宇 . 基于海量数据的用户行为数据分析系统研究
与实现 [D]. 山东大学 ,2017.
(1 摘要 Views, 0 PDF Downloads)
Refbacks
- 当前没有refback。