數(shù)據(jù)挖掘在各領(lǐng)域的應用案例課件

1、數(shù)據(jù)挖掘在各領(lǐng)域的應用案例數(shù)據(jù)挖掘在各領(lǐng)域的應用案例 你不能不知的十大創(chuàng)新技術(shù)你不能不知的十大創(chuàng)新技術(shù) 未來科技大預言未來科技大預言 ? Technology Review雜志公布改變未來的十項新興趨勢 ? 機器與人腦的介面 ? 塑料電晶體 ? 數(shù)據(jù)挖掘(Data mining) ? 數(shù)字權(quán)利管理 ? 生物測定學(Biometrics) ? 語言識別處理 ? 微光學技術(shù)(Microphotonics) ? 解開程序碼(Untangling code) ? 機器人設計 ? 微應用流體學(Microfluidics) ? 在生物科技上，如人腦與機器介面，可加速發(fā)展生化義肢， 學者認為這方面大有潛力

2、。 ? 機器人將為人類處理更多復雜或重復性的工作，現(xiàn)有研究 人員發(fā)展出可設計、制造機器人的機器人。 ? 在信息科技上，數(shù)位權(quán)利管理愈來愈受重視，以便保護知 識財產(chǎn)，由全錄公司Palo Alto研究中心創(chuàng)出的Content Guard公司，利用加密技術(shù)保護知識財產(chǎn)。 ? 資料發(fā)掘與生物測定學也很有潛力，數(shù)據(jù)挖掘是 利用數(shù)學演算法，在龐大的資料庫中尋找方式， 例如目前應用在掌紋、臉孔等圖像辨識，或者是 語言辨識處理等方面。 ? 塑料芯片也是一大突破，在 IBM、朗訊、麻省理工、 劍橋大學、Penn State大學都在研發(fā)塑料或有機 物質(zhì)芯片。 ? 微光學技術(shù)，專家利用可反射光線的水晶、玻璃 等物質(zhì)

3、，讓光纖傳輸資料的速度，不會因為通過 路由器、交換器時而降低速度。 ? 微應用流體學方面：科學家正試圖利用物理原則做實驗， 只利用極微量的水，加快原本需要費時費金錢的實驗。加 州理工學院的應用物理學家Stephen Quake，以微應用流 體學發(fā)展了一套DNA分析裝置，比傳統(tǒng)的分析裝置快。 Technology Review的編輯指出，微應用流體學將為生物 科技大有幫助，就像當初電晶體提高了電子產(chǎn)品。 醫(yī)藥方面醫(yī)藥方面 Pain Control Pain Control ? Problem： ? Detecting pain ? Subjective 用決策樹方法獲取分類規(guī)則; 能識別各類間有

4、顯著差 異的偏差檢測; ;用于發(fā)現(xiàn)和顯示隨機依賴關(guān)系的依賴關(guān)系 分析。 動態(tài)與展望動態(tài)與展望 ? 目前，KDD研究的重點，正從理論轉(zhuǎn)向應用，可說凡是用 到資料庫的地方，就有KDD的課題等待人們?nèi)ヌ接憽?? KDD與科學資料庫的結(jié)合對科技的發(fā)展必定會起很大的促 進作用，具有廣泛的應用前景。 網(wǎng)絡方面網(wǎng)絡方面 背景背景 ? 保證信息系統(tǒng)安全的主要問題是建立安全機制，迄今為止 已發(fā)展了許多安全機制，但安全問題仍然倍受懷疑和關(guān)注。 ? 由于已從理論上證明不存在絕對安全的安全系統(tǒng)，因此一 般將審計跟蹤、攻擊檢測系統(tǒng)作為信息系統(tǒng)的最后一道安 全防線。 ? 早期中大型的電腦系統(tǒng)中都收集審計信息來建立跟蹤檔，

5、 這些審計跟蹤的目的多是為了性能測試或計費，因此對攻 擊檢測提供的有用信息比較少 。 ? 此外，最主要的困難在于由于審計信息粒度的安排，審計 信息粒度較細時，資料過于龐大和細節(jié)化，反將有用的信 息源沒在其中 。 ? 對于企圖攻擊，被動審計的檢出程度是不能保證的。 ? 為了使通用的審計跟蹤能用于攻擊檢測等安全目的，必須 配備自動工具對審計資料進行分析，以期盡早發(fā)現(xiàn)那些可 疑事件或行為的線索，給出報警或?qū)勾胧?基于審計信息的攻擊檢測技術(shù)基于審計信息的攻擊檢測技術(shù) ? 為了從大量的、有時是冗余的審計跟蹤資料中提取出對安 全功能有用的信息，基于電腦系統(tǒng)審計跟蹤信息設計的系 統(tǒng)安全自動分析或檢測工具

6、是很必要的 ? Data Mining 攻擊檢測方法攻擊檢測方法 ? 檢測隱藏的非法行為 ? 攻擊即時檢測系統(tǒng)的原理是基于用戶歷史資料的建模以及 在早期的證據(jù)或模型的基礎(chǔ)。 ? 審計系統(tǒng)即時地檢測用戶對系統(tǒng)的使用情況，根據(jù)系統(tǒng)內(nèi) 部所擁有用戶行為的概率統(tǒng)計模型進行監(jiān)測，當發(fā)現(xiàn)有可 疑的用戶行為發(fā)生時，保持跟蹤并監(jiān)測、記錄該用戶的行 為。 ? 神經(jīng)網(wǎng)絡的攻擊檢測技術(shù) ? 審計統(tǒng)計資料的攻擊檢測系統(tǒng)，具有一些天生的弱點，因 為用戶的行為可以是非常復雜的，所以想要準確匹配一個 用戶的歷史行為和當前的行為相當困難。 ? SRI(Stanford Research Institute)的研究小組利用和發(fā)

7、 展神經(jīng)網(wǎng)絡技術(shù)來進行攻擊檢測。 神經(jīng)網(wǎng)絡可能用于解決傳統(tǒng)的統(tǒng)計神經(jīng)網(wǎng)絡可能用于解決傳統(tǒng)的統(tǒng)計 分析技術(shù)所面臨的問題：分析技術(shù)所面臨的問題： ?難于建立確切的統(tǒng)計分布 ?統(tǒng)計方法基本上是依賴用戶行為的主觀假設，如偏差高斯分布；錯發(fā) 警報常由這種假設所導致。 ?難于實現(xiàn)方法的普遍性 ?適用某類用戶行為的檢測一般無法適用于另一類用戶。 ?演算法實現(xiàn)比較昂貴 ?基于統(tǒng)計的演算法對不同類型的用戶行為不具普遍性，因此演算法較 復雜且龐大，導致演算法實現(xiàn)上的昂貴。而神經(jīng)網(wǎng)絡技術(shù)不存在這個 問題，實現(xiàn)的代價較小。 ?系統(tǒng)臃腫難于剪裁 ?由于采用統(tǒng)計方法檢測具有大量用戶的電腦系統(tǒng)，將不得不保留大量 的用戶行為資料，導致系統(tǒng)的臃腫。而基于神經(jīng)網(wǎng)絡的技術(shù)能夠回避 這一缺點，根據(jù)即時檢測到的信息有效地加以處理作出攻擊可能性的 判斷。 結(jié)語結(jié)語 目前，神經(jīng)網(wǎng)絡技術(shù)提出了對傳統(tǒng)統(tǒng)計技術(shù)的攻擊檢 測方法的改進方向，但尚不十分成熟，所以傳統(tǒng)的統(tǒng)計方 法仍將繼續(xù)發(fā)揮作用，也仍然能為發(fā)現(xiàn)用戶的異常行為提 供相當有參考價值的信息。 目的目的 一般都是靜態(tài)的的個人網(wǎng)頁，此篇利用data mining的 技術(shù)，設計動態(tài)的個人化網(wǎng)頁，根據(jù)使用者瀏覽網(wǎng)頁的紀 錄，找出使用者最常逛的網(wǎng)頁，節(jié)省網(wǎng)絡頻寬