工业网络安全防护与态势感知技术研究及应用
王奇1孙宏1李杜2
摘要：针对工业互联网当前不断发展的趋势，以及安全方面存在的不确定性与不可预测性，本文聚焦工业场景网络安全，旨在探索通过态势感知综合分析工业网络安全防护体系，并利用人工智能、机器学习、深度学习方法，开展工业异构网络态势海量数据安全分析与持续性威胁攻击发现，形成全方位安全态势感知技术，为工业异构网络的态势获取、态势理解和态势预测提供框架支撑，以应对工业网络未来安全挑战。

大数据时代高职院校网络考试平台设计与分析——以XLearning为例
辛翠平
摘要：网络考试平台是一种利用互联网技术进行考试的在线系统，允许考生通过计算机或移动设备在网络环境下参加考试，是技术进步的产物，是推动教育创新和提高教育质量的重要工具。本文深入分析网络考试平台在大数据环境下的安全性、可靠性、易用性、可扩展性四大设计原则，确保平台能够为用户提供稳定、安全的考试体验，并探讨了在大数据技术支持下，网络考试平台在服务端结构、用户界面、功能模块等的具体设计，处理考试期间各类问题的具体做法，以期提升考试效率与教学质量。

“MBA+人工智能”师资队伍建设的强化路径研究
王磊叶凌婕
摘要：MBA教育在融入人工智能课程时面临师资队伍建设的挑战，主要包括“硬课”教师资源不足、教师质量待提升、师资配置不优化。本文旨在提出相应解决方案，涵盖引进业界教师、推动教研科研合作、运用AI技术优化教学。例如，清华大学、复旦大学、浙江大学的MBA项目通过国际合作、研究中心建设、主题活动等，有效改善师资力量，提高教学品质。

网络游戏中大数据分析与用户行为模式挖掘研究
刘镇恺
摘要：随着网络游戏产业的蓬勃发展，网络游戏公司积累了海量的用户行为数据。有效分析这些数据并挖掘用户行为模式，对于优化网络游戏设计和提供个性化服务具有重要意义。本文梳理了网络游戏用户行为数据分析的相关研究现状，重点介绍了几种常用的用户行为模式挖掘方法。这些方法包括基于关联规则的挖掘方法（如Apriori算法和FP-Growth算法）、基于聚类分析的挖掘方法（如K-Means算法）、基于序列模式的挖掘方法（如PrefixSpan算法），以及基于深度学习的挖掘方法（如RNN和CNN）。此外，本文介绍了网络游戏用户行为数据的采集、存储和预处理技术，以及用户行为特征工程的相关内容。通过系统性地探讨网络游戏用户行为分析和模式挖掘的各个环节，以期为深入理解网络游戏用户行为、提升网络游戏运营水平提供参考。


互联网周刊 . 2024 (15)