网络流量大数据的实验室人物画像与精准育人
DOI: https://doi.org/10.64083/ETM2630927
作者
胡春兵，王旭英
摘要
管理粗放、安全教育同质化与数据支撑不足，是高校实验室安全管理长期面对的三类问题。本文据此提出并实现一种基于网络流量大数据的实验室人物画像模型，并将其作为独立实践项目纳入实验室安全育人体系。研究以某高校实验室网络出口防火墙导出的11，735，807条会话日志（覆盖1，176个内网IP实体）与旁路抓包数据为基础，经编码规整、异常清洗与设备流量识别后，构建“身份—行为—风险—教育”四维画像指标体系，并采用K-means聚类、孤立森林异常检测与熵权-专家混合加权风险评分方法，实现用户分群、异常识别与风险量化。结果表明：1，125个真实用户实体可划分为办公型（595个，52.9%）、普通型（269个，23.9%）与高风险型（261个，23.2%）三类；识别出4个异常实体，均属高风险型；17个实体风险评分超过80分；10.0%的实体存在风险域名或风险关键词命中。该模型可为实验室安全风险预警、精准安全教育与管理决策提供量化依据，并可成为提升学生数据素养与安全素养的实践育人载体。
关键词
网络流量大数据；人物画像；实验室安全；用户分群；风险评分；实践育人
