导读:本文包含了校园网模型论文开题报告文献综述及选题提纲参考文献，主要关键词:校园网,NS2网络,DDoS攻击,网络安全
校园网模型论文文献综述
郑映璇[1]（2019）在《NS2网络抵御DDoS攻击的校园网安全模型建构》一文中研究指出校园网包含了校园内网与校园外网。校园内网主要包含图书馆、教学局域网等,而校园外网则负责供应对外服务以及互联网接入等。依照校园网的基本特征,其安全性往往屡受威胁,因此,探讨其安全管控显得尤为重要。本文主要探讨NS2网络抵御DDoS攻击的校园网安全模型建构方略,为降低校园网络被DDoS攻击的可能性提供若干有益的参考。(本文来源于《网络安全技术与应用》期刊2019年10期）
陈晗阳[2]（2019）在《基于深度学习的校园网访问量预测模型研究》一文中研究指出大数据时代下数据是重要的资源,数据是构建预测模型的关键。计算机采集信息形成大规模数据,这些数据中蕴含着很多有用的价值,校园网的日志数据就是很有价值的数据。校园网通常使用Nginx部署反向代理服务器,记录了校内和校外用户访问校园网站的日志数据。反向代理服务器采集的日志数据包含用户IP、访问时间、请求的URL和HTTP协议、发送给用户主体文件内容的大小,从哪个页面链接访问过来,兼容性和浏览器信息等内容。深度学习成为人工智能领域近些年以来兴起的一个新领域,它可以看做是机器学习研究领域的一个新扩展,并且是对人工神经网络的延续发展,其目的在于构建多个处理层从海量数据中自动完成数据特征的学习。提取并学习数据特征成为构建预测模型的关键。本文将分析反向代理服务器中的日志数据,提取必要的日志数据特征,利用深度学习自动学习数据特征,构建校园网访问量预测模型。构建的预测模型实现预测不同地区访问校园网的数量,从而能够在推荐或者决策上体现数据的价值。主要的研究内容和研究成果总结如下:(1)数据预处理。对从Nginx部署的反向代理服务器中获取的日志数据按不同类别进行数据整理;数据清洗完成去除日志数据中无效信息;在有效的会话信息中进行数据选择,选择与数据分析相关的数据类别;数据处理完成IP地址的地区转换,最后将处理的日志数据特征统一数据格式并存储到数据库中。数据预处理完成了数据特征的获取,为后面完成模型训练提供数据集。(2)模型构建。处理好的日志数据作为数据样本,构建校园网访问量预测模型。利用深度学习中DBN(Deep Belief Network,深度置信网络)模型对数据进行预训练,并在DBN网络基础上添加回归层完成预测,构建基于DBN融合SVM(Support Vector Machine,支持向量机)的混合预测模型DBN_SVM,预测不同地区访问校园网的数量;然而深度学习中的LSTM网络在处理时序数据中具备很大优势,构建基于LSTM(Long Short Term Memory,长短时记忆)网络的校园网访问量预测模型,完成同样的预测任务。使用Nginx反向代理服务器采集的日志数据设计实验数据集,调整模型参数,分别使预测效果达到最佳。在相同的日志数据集下,实验对比构造的两个预测模型,基于LSTM网络的校园网访问量预测模型有较好的预测效果。(3)模型应用。利用基于LSTM网络的预测模型实现在高考招生上的应用,预测出全国不同地区在特定时间段访问学校招生网站的数量,根据访问量差异计算出全国不同地区报考学校的意愿度。不同地区的报考意愿度会对高考招生名额分配产生影响,意愿度高的地区应该分配更多的名额。因此,计算出的报考意愿度能给学校在高考招生名额分配上提供推荐(建议),体现出预测模型在招生应用上具有一定的应用价值。(本文来源于《云南师范大学》期刊2019-05-31）
李松,王娜娜,孔永祥,李积桂[3]（2018）在《基于高职、家庭和社会叁位一体的大学生校园网贷防范模型研究》一文中研究指出针对高职大学生校园网贷,主要是由于大学生自身的攀比心理及对金融知识的匮乏导致的,为有效消除校园网贷对在校大学生产生的影响,提出基于高职、家庭和社会叁位一体的大学校园网贷防范模型研究,构建叁维校园网贷思想教育新方法,对大学生远离校园网贷及维护校园稳定提供强有力的方法指引和帮助。(本文来源于《现代职业教育》期刊2018年14期）
赵姗[4]（2018）在《校园网的安全防御体系技术研究与模型设计——以西安市委党校为例》一文中研究指出随着互联网的广泛应用,学校信息化建设一直在改进、更新。因为我校在组建校园网时缺乏安全防御意识,防御技术手段一般,所以在互连网黑客攻击下校园数据遭到巨大的损失。针对我校校园网安全防御体系设计中存在的问题,研究校园网安全防御技术和改造校园网防御体系设计方案,建立可靠安全校园网成为当务之急。(本文来源于《网络安全技术与应用》期刊2018年04期）
王宇鑫[5]（2018）在《校园网安全体系模型的构建与入侵检测系统的研究》一文中研究指出随着全球信息化技术的不断发展,计算机网络已经遍布到各级高校,并成为高校师生工作、学习不可缺少的因素而受到普遍欢迎。但是,伴随着网络的快速发展,网络的安全性问题也日益突出,给校园网的安全系统建设提出了更高的要求。所以,只有建立起安全、有效的校园网安全体系,才能构保证各项工作的顺利进行。校园网对安全性的要求有它自身的特殊性,除了传统意义上的信息安全,即不良信息的过滤以外,还应该提高对病毒、恶意攻击及物理设备的安全防范。入侵检测技术目前已经成为网络安全技术的研究热点问题,它的应用前景十分广阔,它的应用改变了过去的网络安全被动防御的局面,而转向主动检测防护的方向。目前各种网络入侵攻击方式层出不穷,过去使用的以防火墙技术为主的安全防护模式,已很难适应现代高校网络安全的要求,并且防火墙技术对网络内部攻击难以发现。在这钟情况下,使用入侵检测技术来解决网络入侵和攻击行为已经成为必然的趋势。可以说入侵检测技术是对防火墙技术的一个有效的补充和扩展,它能够增强系统管理员的网络安全管理能力。当前市场上的入侵检测系统比较多,Snort是一种较好的、轻量级的入侵检测系统。本文分析了当前校园网所面临的安全威胁,以及校园网安全的相关影响因素,同时对确保网络安全的关键技术进行了分析和研究;阐述了常用的校园网设计原则及相关的网络安全协议,构建了一种适用于校园网防护的安全体系模型;详细论述了入侵检测系统的功能、构成、分类及常用的入侵检测技术;阐述了数据挖掘的基本流程和数据挖掘的方法,并以Snort入侵检测系统作为基础,分析了Snort系统在应用中存在的不足;并利用数据挖掘技术对Snort入侵检测系统进行了改进,提高了snort入侵检测系统的性能。(本文来源于《天津工业大学》期刊2018-01-13）
陈立[6]（2015）在《基于VPN和PKI技术的校园网安全模型的设计与实现》一文中研究指出本文以高职院校园网改造项目为背景,设计一个基于VPN和PKI技术的校园网安全网络架构模型,通过该模型来解决校园网中尤其是从校园内网来攻击校园网存在的安全问题。通过该模型也可以很好的解决了现有的软件应用与服务器安全改造之间的矛盾。(本文来源于《价值工程》期刊2015年35期）
林晓东[7]（2015）在《基于NS2网络抵御DDoS攻击的校园网安全模型设计研究》一文中研究指出通过校园网安全的需求分析,基于NS2构建了一个将PKI技术植入VPN的网络安全网络架构模型,并进行了实验论证,结果发现在不更换原有数据库系统、应用软件的条件下能够有效地提高校园网的安全性,降低校园网络被DDoS攻击的可能性,同时网络的稳定性也得到了提高。(本文来源于《电脑编程技巧与维护》期刊2015年14期）
盖丽娜[8]（2014）在《基于Kerberos校园网单点登录模型》一文中研究指出校园网应用繁多,每个教师需要牢记多个用户名和密码以登录不同的平台完成日常的教学工作。Kerberos协议是分布式网络环境中的一种单点登录方案,但是该协议主要用于Client/Server模式,不能直接应用于Browse/Server模式。对Kerberos协议进行改进和简化,并把安全断言标记语言(SAML)引入其中,将使其能够用于校园网环境。(本文来源于《电脑编程技巧与维护》期刊2014年23期）
鲁晓帆[9]（2014）在《基于ARMA模型的校园网网络流量预测模型的分析与研究》一文中研究指出该文利用短相关流量模型自回归滑动平均模型(ARMA模型),通过对校园网网络流量数据的采集及分析处理,建立网络流量预测模型,并对流量预测模型进行分析、验证与研究。(本文来源于《网络安全技术与应用》期刊2014年08期）
魏育华[10]（2014）在《基于PPDR模型的高校校园网网络优化与管理》一文中研究指出从广州华立科技职业学院院校园网的现状和需求出发,结合网络设计目标和设计原则,深入分析了学院校园网网络规模、应用类型、用户类型、管理需求和安全需求,利用技术选型,为学院新校区的网络结构和网络功能进行二期网络工程项目改造,提出了有效的解决方案,从而使新、老校区更好的衔接,真正实现有效管理,提高了系统的稳定性、可靠性及运营性,优化网络资源,提高网络管理效率。(本文来源于《长江大学学报(自科版)》期刊2014年22期）
校园网模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
大数据时代下数据是重要的资源,数据是构建预测模型的关键。计算机采集信息形成大规模数据,这些数据中蕴含着很多有用的价值,校园网的日志数据就是很有价值的数据。校园网通常使用Nginx部署反向代理服务器,记录了校内和校外用户访问校园网站的日志数据。反向代理服务器采集的日志数据包含用户IP、访问时间、请求的URL和HTTP协议、发送给用户主体文件内容的大小,从哪个页面链接访问过来,兼容性和浏览器信息等内容。深度学习成为人工智能领域近些年以来兴起的一个新领域,它可以看做是机器学习研究领域的一个新扩展,并且是对人工神经网络的延续发展,其目的在于构建多个处理层从海量数据中自动完成数据特征的学习。提取并学习数据特征成为构建预测模型的关键。本文将分析反向代理服务器中的日志数据,提取必要的日志数据特征,利用深度学习自动学习数据特征,构建校园网访问量预测模型。构建的预测模型实现预测不同地区访问校园网的数量,从而能够在推荐或者决策上体现数据的价值。主要的研究内容和研究成果总结如下:(1)数据预处理。对从Nginx部署的反向代理服务器中获取的日志数据按不同类别进行数据整理;数据清洗完成去除日志数据中无效信息;在有效的会话信息中进行数据选择,选择与数据分析相关的数据类别;数据处理完成IP地址的地区转换,最后将处理的日志数据特征统一数据格式并存储到数据库中。数据预处理完成了数据特征的获取,为后面完成模型训练提供数据集。(2)模型构建。处理好的日志数据作为数据样本,构建校园网访问量预测模型。利用深度学习中DBN(Deep Belief Network,深度置信网络)模型对数据进行预训练,并在DBN网络基础上添加回归层完成预测,构建基于DBN融合SVM(Support Vector Machine,支持向量机)的混合预测模型DBN_SVM,预测不同地区访问校园网的数量;然而深度学习中的LSTM网络在处理时序数据中具备很大优势,构建基于LSTM(Long Short Term Memory,长短时记忆)网络的校园网访问量预测模型,完成同样的预测任务。使用Nginx反向代理服务器采集的日志数据设计实验数据集,调整模型参数,分别使预测效果达到最佳。在相同的日志数据集下,实验对比构造的两个预测模型,基于LSTM网络的校园网访问量预测模型有较好的预测效果。(3)模型应用。利用基于LSTM网络的预测模型实现在高考招生上的应用,预测出全国不同地区在特定时间段访问学校招生网站的数量,根据访问量差异计算出全国不同地区报考学校的意愿度。不同地区的报考意愿度会对高考招生名额分配产生影响,意愿度高的地区应该分配更多的名额。因此,计算出的报考意愿度能给学校在高考招生名额分配上提供推荐(建议),体现出预测模型在招生应用上具有一定的应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
校园网模型论文参考文献
[1].郑映璇.NS2网络抵御DDoS攻击的校园网安全模型建构[J].网络安全技术与应用.2019
[2].陈晗阳.基于深度学习的校园网访问量预测模型研究[D].云南师范大学.2019
[3].李松,王娜娜,孔永祥,李积桂.基于高职、家庭和社会叁位一体的大学生校园网贷防范模型研究[J].现代职业教育.2018
[4].赵姗.校园网的安全防御体系技术研究与模型设计——以西安市委党校为例[J].网络安全技术与应用.2018
[5].王宇鑫.校园网安全体系模型的构建与入侵检测系统的研究[D].天津工业大学.2018
[6].陈立.基于VPN和PKI技术的校园网安全模型的设计与实现[J].价值工程.2015
[7].林晓东.基于NS2网络抵御DDoS攻击的校园网安全模型设计研究[J].电脑编程技巧与维护.2015
[8].盖丽娜.基于Kerberos校园网单点登录模型[J].电脑编程技巧与维护.2014
[9].鲁晓帆.基于ARMA模型的校园网网络流量预测模型的分析与研究[J].网络安全技术与应用.2014
[10].魏育华.基于PPDR模型的高校校园网网络优化与管理[J].长江大学学报(自科版).2014