《我國(guó)網(wǎng)絡(luò)安全研究熱點(diǎn)主題識(shí)別研究和實(shí)現(xiàn)》15000字（論文）

[11]。1.5研究?jī)?nèi)容本文采用了基于Word2vec模型的主題識(shí)別算法，和文獻(xiàn)計(jì)量學(xué)的研究手段，首先對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域最近三十年的研究現(xiàn)狀進(jìn)行基礎(chǔ)分析，分別從不同時(shí)間段文獻(xiàn)產(chǎn)出量、核心作者及合作情況、核心期刊、核心研究機(jī)構(gòu)等多個(gè)方面對(duì)其進(jìn)行文獻(xiàn)計(jì)量學(xué)上的分析。最后對(duì)文本進(jìn)行處理，構(gòu)建Word2vec模型，最后通過(guò)K-means算法進(jìn)行聚類(lèi)，共分成四個(gè)章節(jié)，主要內(nèi)容有：第一章，緒論。是本文的基礎(chǔ)性?xún)?nèi)容，主要包括本文研究背景，分別對(duì)國(guó)內(nèi)和國(guó)外的研究現(xiàn)狀進(jìn)行綜述，然后對(duì)本文的研究目的和研究意義進(jìn)行論述，最后介紹了本文將用到的統(tǒng)計(jì)數(shù)據(jù)和將要使用的具體方法。最后整體描述進(jìn)行本文研究?jī)?nèi)容和框架。第二章，我國(guó)網(wǎng)絡(luò)安全領(lǐng)域研究現(xiàn)狀的文獻(xiàn)計(jì)量學(xué)分析。為了保障數(shù)據(jù)的全面性和準(zhǔn)確性,本文選擇中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)(CNKI)中的數(shù)據(jù)庫(kù)作為研究的數(shù)據(jù)來(lái)源。以檢索式：主題=網(wǎng)絡(luò)安全或者題名=網(wǎng)絡(luò)安全或者v_subject=中英文擴(kuò)展(網(wǎng)絡(luò)安全)或者title=中英文擴(kuò)展(網(wǎng)絡(luò)安全)或者主題=同義詞拓展（網(wǎng)絡(luò)安全）,并對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，去除明顯與本研究不符的文獻(xiàn),在此基礎(chǔ)上對(duì)其進(jìn)行文獻(xiàn)計(jì)量學(xué)上的分析。第三章，研究熱點(diǎn)主題識(shí)別，通過(guò)上一步的結(jié)果，通過(guò)Word2vec算法構(gòu)建矩陣，再通過(guò)K-means聚類(lèi)算法進(jìn)行研究熱點(diǎn)的聚類(lèi)。研究熱點(diǎn)的主題識(shí)別是文獻(xiàn)計(jì)量學(xué)中重要的領(lǐng)域。當(dāng)前學(xué)界一般都采用共現(xiàn)關(guān)系使用社會(huì)網(wǎng)絡(luò)分析的方法來(lái)進(jìn)行矩陣的構(gòu)建或關(guān)系的刻畫(huà)，而本文采用一種新方法——Word2vec模型來(lái)進(jìn)行構(gòu)建矩陣，它對(duì)主題識(shí)別的精確性有所提升。之后再使用K-means算法對(duì)進(jìn)行主題聚類(lèi)。最后得出該領(lǐng)域的研究熱點(diǎn)，相對(duì)而言可以對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的的研究主題進(jìn)行更精確的識(shí)別。第四章，總結(jié)與展望。對(duì)論文以上研究?jī)?nèi)容進(jìn)行系統(tǒng)的總結(jié)，首先是闡述本文的主要難點(diǎn)和創(chuàng)新點(diǎn)，以及研究中得到的結(jié)論和啟發(fā)。其次是對(duì)本文研究?jī)?nèi)容方面的不足進(jìn)行論述和反思，最后結(jié)合本文的研究?jī)?nèi)容對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域進(jìn)行展望。1.6研究方法1.6.1文獻(xiàn)研究法文獻(xiàn)研究方法是為了解決某些研究問(wèn)題或是根據(jù)某些目的，通過(guò)查閱文獻(xiàn)（包括紙質(zhì)文獻(xiàn)和電子文獻(xiàn)）獲取信息的一種方法，從而能全面、合理地了解和掌握所研究課題的脈絡(luò)，該方法廣泛應(yīng)用于不同的學(xué)科，其主要作用首先是了解其研究歷史和研究現(xiàn)狀，從而可以讓研究者以高屋建瓴對(duì)研究?jī)?nèi)容進(jìn)行謀篇布局，確立自己研究的重點(diǎn)和創(chuàng)新點(diǎn)。其次是讓研究者對(duì)其有初步印象，避免研究時(shí)出現(xiàn)“兩眼一抹黑”的情況，同時(shí)可以與自己所得到的第一手資料進(jìn)行對(duì)比，針對(duì)兩者之間的共性和差異進(jìn)行思考。最后我們可以充分了解研究?jī)?nèi)容的全貌，可以“站在巨人的肩膀上”，從而在前人的成果上更進(jìn)一步。1.6.2文獻(xiàn)分析法文獻(xiàn)計(jì)量學(xué)是一門(mén)運(yùn)用數(shù)理統(tǒng)計(jì)方法定量分析所有知識(shí)載體的交叉學(xué)科，其交叉的學(xué)科有數(shù)學(xué)、統(tǒng)計(jì)學(xué)和文獻(xiàn)學(xué)，是一個(gè)廣泛的數(shù)學(xué)知識(shí)體系，文獻(xiàn)計(jì)量學(xué)的對(duì)象包括文獻(xiàn)數(shù)量（包括多種出版物，特別是期刊論文和引語(yǔ)）、文獻(xiàn)作者（個(gè)人或研究機(jī)構(gòu)）、詞匯數(shù)量（包括詞頻和共現(xiàn)情況等），在對(duì)其進(jìn)行定量的分析之后，由研究者對(duì)其進(jìn)行定性的分析。

2我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的計(jì)量分析2.1數(shù)據(jù)來(lái)源與預(yù)處理2.1.1數(shù)據(jù)來(lái)源及預(yù)處理因?yàn)楸疚闹饕芯课覈?guó)網(wǎng)絡(luò)安全領(lǐng)域，而且選擇的期刊為核心期刊，所以本文的數(shù)據(jù)庫(kù)選擇中國(guó)知網(wǎng)（CNKI）數(shù)據(jù)庫(kù)作為數(shù)據(jù)庫(kù)來(lái)源，檢索條件設(shè)定為：主題=網(wǎng)絡(luò)安全或者題名=網(wǎng)絡(luò)安全或者v_subject=中英文擴(kuò)展(網(wǎng)絡(luò)安全)或者title=中英文擴(kuò)展(網(wǎng)絡(luò)安全)或者主題=同義詞拓展（網(wǎng)絡(luò)安全），同時(shí)選擇同義詞拓展，檢索日期為2020年12月31日，時(shí)間跨度為1992年到2020年，共得到相關(guān)的中文文獻(xiàn)11243篇，對(duì)檢索結(jié)果進(jìn)行人工逐篇篩選，刪除新聞、訪(fǎng)談、法律條文、會(huì)議征稿、考題、賀詞、通知等非學(xué)術(shù)性文獻(xiàn)和作者信息不全等無(wú)效性文獻(xiàn)，最后得到10280篇有效文獻(xiàn)。對(duì)中國(guó)知網(wǎng)（CNKI）的數(shù)據(jù)以Endnote格式導(dǎo)出txt文件，在使用COOC軟件和excel進(jìn)行分析時(shí)需要將Endnote格式的文本轉(zhuǎn)化為excel常用的xlsx格式，本文通過(guò)COOC自帶的數(shù)據(jù)提取模塊進(jìn)行轉(zhuǎn)化，COOC支持Endnote格式的txt文件轉(zhuǎn)化，生成excel表格后，再使用其的數(shù)據(jù)清洗模塊對(duì)數(shù)據(jù)進(jìn)行去重，可得到年份、全部作者、期刊、關(guān)鍵詞、機(jī)構(gòu)、標(biāo)題和摘要的字段信息，2.2研究基礎(chǔ)計(jì)量分析2.2.1文獻(xiàn)數(shù)量分析通過(guò)對(duì)1992-2020年國(guó)內(nèi)網(wǎng)絡(luò)安全領(lǐng)域在中國(guó)知網(wǎng)（CNKI）數(shù)據(jù)庫(kù)中的核心期刊的論文發(fā)表數(shù)量，可以很好地從時(shí)間維度上刻畫(huà)我國(guó)在該領(lǐng)域發(fā)展?fàn)顩r，如下表2.1所示：表2.11992-2020年我國(guó)網(wǎng)絡(luò)安全領(lǐng)域在核心期刊上論文發(fā)表量年份數(shù)量占比年份數(shù)量占比199250.05%20076025.86%199380.08%20084664.53%199490.09%20095235.09%199570.07%20105255.11%1996180.18%20114884.75%1997260.25%20124944.81%1998380.37%20134974.83%1999780.76%20144644.51%20001591.55%20154564.44%20012492.42%20165735.57%20023493.39%20175805.64%20034554.43%20184083.97%20044194.08%20197146.95%20054724.59%20206956.76%20065034.89%圖2.1論文發(fā)布年代分布情況從圖2.1可以看出，21世紀(jì)之前論文發(fā)表數(shù)量還比較少，側(cè)面說(shuō)明當(dāng)時(shí)我國(guó)對(duì)網(wǎng)絡(luò)安全領(lǐng)域關(guān)注度較低。在2000-2020二十年間，我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的論文數(shù)量總體呈上升趨勢(shì)，雖在中途有一段時(shí)間的波動(dòng)，在2007達(dá)到第一個(gè)小高峰，通過(guò)查閱資料可得知，在2006年底，名為"熊貓燒香"的病毒爆發(fā)，數(shù)目眾多的計(jì)算機(jī)遭到攻擊，造成了不小經(jīng)濟(jì)損失，這是我國(guó)互聯(lián)網(wǎng)歷史上有關(guān)網(wǎng)絡(luò)安全的一場(chǎng)標(biāo)志性事件，讓我國(guó)很多人認(rèn)識(shí)到網(wǎng)絡(luò)安全的重要性。同時(shí)調(diào)查也顯示：2006年以來(lái)的新病毒中其中大部分具有明顯的逐利性質(zhì)，這也意味著病毒生產(chǎn)者的目的由最初的玩樂(lè)、炫耀或?qū)W習(xí)心理轉(zhuǎn)變?yōu)閺氖芎φ呤种蟹欠踩〗?jīng)濟(jì)利益為主，因此在第二年，也就是2007年，網(wǎng)絡(luò)安全有關(guān)研究出現(xiàn)井噴，出現(xiàn)第一個(gè)小高峰；第二個(gè)小高峰出現(xiàn)于2016年、2017年，原因在于2015年我國(guó)正式公布并施行了新的《國(guó)家安全法》，相比于1993年的《國(guó)家安全法》有很多修改，其中第二章第二十五條規(guī)定“維護(hù)國(guó)家網(wǎng)絡(luò)空間主權(quán)、安全和發(fā)展利益”，從頂層設(shè)計(jì)的角度為網(wǎng)絡(luò)安全領(lǐng)域發(fā)展保駕護(hù)航。2016年《網(wǎng)絡(luò)安全法》標(biāo)志著我國(guó)從立法層面上對(duì)網(wǎng)絡(luò)安全問(wèn)題進(jìn)行規(guī)范和管理，標(biāo)志我國(guó)網(wǎng)絡(luò)安全管理走向正規(guī)化。而最近一個(gè)高峰是2019年和2020年，一方面是因?yàn)槲覈?guó)科研水平不斷提升，另一方面也是因?yàn)?018年，全國(guó)網(wǎng)絡(luò)安全和信息化工作會(huì)議召開(kāi)，習(xí)近平總書(shū)記系統(tǒng)闡述了網(wǎng)絡(luò)強(qiáng)國(guó)戰(zhàn)略思想，引發(fā)學(xué)界對(duì)網(wǎng)絡(luò)安全的持續(xù)關(guān)注。這一系列說(shuō)明我國(guó)對(duì)網(wǎng)絡(luò)安全領(lǐng)域的研究非?；钴S，但同時(shí)也從另一個(gè)角度證明了目前隨著時(shí)代發(fā)展，網(wǎng)絡(luò)安全領(lǐng)域發(fā)現(xiàn)不少問(wèn)題，學(xué)術(shù)界也對(duì)此進(jìn)行持續(xù)關(guān)注和研究2.2.2核心作者分析作者是文獻(xiàn)的創(chuàng)作主體，通過(guò)對(duì)其進(jìn)行分析可以有效地了解學(xué)科發(fā)展的脈絡(luò)。根據(jù)普萊斯定律，判斷一個(gè)領(lǐng)域的核心作者所需要滿(mǎn)足的數(shù)量關(guān)系：為核心作者群發(fā)文總數(shù)大約為該領(lǐng)域全部論文數(shù)的一半，由此我們可以倒推核心作者的最低發(fā)文量為即M=0.749?其中NMAX為該領(lǐng)域核心作者的最高發(fā)文量。經(jīng)過(guò)對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的全部作者（總）發(fā)文量進(jìn)行統(tǒng)計(jì)，得出個(gè)人發(fā)文量最多的是馬建峰，共發(fā)表論文55篇，將55帶入以上的公式，得到M≈5.555≈5，即在該領(lǐng)域發(fā)文量大于等于5篇的作者有資格成為該領(lǐng)域核心作者的候選人。經(jīng)過(guò)統(tǒng)計(jì)，發(fā)表論文5篇及以上的作者有597人，其論文數(shù)量總計(jì)4891篇，占文獻(xiàn)總量的47.58%，在誤差允許的范圍內(nèi)，滿(mǎn)足普萊斯定律這最后本文采用CiteSpace對(duì)數(shù)據(jù)進(jìn)行可視化分析，本文將發(fā)文量大于等于5的論文作者進(jìn)行共現(xiàn)分析，分析時(shí)間設(shè)置為數(shù)據(jù)庫(kù)中發(fā)文日期最早的1992年到數(shù)據(jù)下載前的2020年12月31日，節(jié)點(diǎn)類(lèi)型設(shè)為作者，可視化之后再對(duì)閾值進(jìn)行設(shè)置。通過(guò)查閱指導(dǎo)書(shū)，我們可以知道其用了路徑尋找（Pathfinder）算法圖2.2我國(guó)網(wǎng)絡(luò)安全領(lǐng)域核心作者候選人可視化圖譜圖中的節(jié)點(diǎn)大小代表發(fā)文量的多少，在我國(guó)網(wǎng)絡(luò)安全領(lǐng)域發(fā)文量排前五位分別是：馬建峰（55）、楊義先（48）、方濱興（37）、云曉春（36）、張玉清（32）。另外，通過(guò)深入觀(guān)察論文作者情況可以發(fā)現(xiàn)，國(guó)內(nèi)網(wǎng)絡(luò)安全領(lǐng)域論文學(xué)者合著現(xiàn)象比較普遍，通過(guò)查閱有關(guān)文獻(xiàn)，發(fā)現(xiàn)國(guó)外網(wǎng)絡(luò)安全領(lǐng)域作者合著現(xiàn)象也比較頻繁，這種共性說(shuō)明了網(wǎng)絡(luò)安全領(lǐng)域的特殊性，即網(wǎng)絡(luò)安全領(lǐng)域跨學(xué)科、跨專(zhuān)業(yè)的現(xiàn)象很常見(jiàn)，需要作者綜合多方面知識(shí)進(jìn)行研究，對(duì)作者要求比較高，而通過(guò)合作，可以進(jìn)行合理的分工，使得作者不需要精通每一個(gè)領(lǐng)域，從而可以有效地解決這一問(wèn)題，所以合著現(xiàn)象在網(wǎng)絡(luò)安全領(lǐng)域較為普遍。2.2.3核心機(jī)構(gòu)分析核心機(jī)構(gòu)是領(lǐng)域發(fā)展的重要引擎，一般來(lái)說(shuō)，在一個(gè)領(lǐng)域內(nèi)的核心機(jī)構(gòu)在該領(lǐng)域的學(xué)術(shù)地位也比較高。經(jīng)過(guò)對(duì)機(jī)構(gòu)發(fā)文量的統(tǒng)計(jì)，結(jié)果如表2.2所示，

表2.2我國(guó)網(wǎng)絡(luò)安全領(lǐng)域核心研究機(jī)構(gòu)及發(fā)文數(shù)量機(jī)構(gòu)所在城市所處地區(qū)發(fā)文數(shù)量國(guó)防科技大學(xué)計(jì)算機(jī)學(xué)院長(zhǎng)沙華南127四川大學(xué)計(jì)算機(jī)學(xué)院成都西南97中南大學(xué)信息科學(xué)與工程學(xué)院長(zhǎng)沙華南85中國(guó)科學(xué)院計(jì)算技術(shù)研究所北京華北81華中科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院武漢華中71清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系北京華北70西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院西安西北64哈爾濱工程大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院哈爾濱東北63中國(guó)科學(xué)院研究生院北京華北60北京科技大學(xué)信息工程學(xué)院北京華北58從表中可以看出網(wǎng)絡(luò)安全領(lǐng)域的核心機(jī)構(gòu)都是我國(guó)有名的大學(xué)和研究機(jī)構(gòu)，可以看出我國(guó)在網(wǎng)絡(luò)安全領(lǐng)域形成了以國(guó)防科技大學(xué)、中南大學(xué)以及四川大學(xué)等文獻(xiàn)數(shù)量和質(zhì)量都很優(yōu)秀的研究機(jī)構(gòu)。而且集中于北京、長(zhǎng)沙、哈爾濱、西安，形成了四個(gè)主要的研究機(jī)構(gòu)城市群，說(shuō)明我國(guó)網(wǎng)絡(luò)安全領(lǐng)域核心研究機(jī)構(gòu)地理位置較為集中，這也與網(wǎng)絡(luò)安全研究需要一定的硬件設(shè)施和人才的高度集中有一定的相關(guān)性，同時(shí)對(duì)有關(guān)作者合作發(fā)文提供了便利。2.2.4核心期刊分析對(duì)一個(gè)學(xué)術(shù)領(lǐng)域做期刊分析能夠確定該領(lǐng)域的核心期刊，而通過(guò)核心期刊的文獻(xiàn)的發(fā)文數(shù)量也可以看出核心期刊的學(xué)術(shù)地位。經(jīng)過(guò)統(tǒng)計(jì)可以得到表2.3表2.3我國(guó)網(wǎng)絡(luò)安全領(lǐng)域核心期刊及發(fā)文數(shù)量期刊發(fā)文數(shù)量創(chuàng)刊時(shí)間主管單位計(jì)算機(jī)工程4911975國(guó)防科技大學(xué)計(jì)算機(jī)學(xué)院計(jì)算機(jī)工程與應(yīng)用4411964中國(guó)電子科技集團(tuán)公司計(jì)算機(jī)應(yīng)用研究3041984四川省科學(xué)技術(shù)廳計(jì)算機(jī)工程與設(shè)計(jì)2881980中國(guó)航天科工集團(tuán)計(jì)算機(jī)科學(xué)2711974國(guó)家科技部西南信息中心可以看出網(wǎng)絡(luò)安全領(lǐng)域的核心期刊主要是計(jì)算機(jī)相關(guān)領(lǐng)域的期刊，同時(shí)從創(chuàng)刊日期可以看出主要的核心期刊主要?jiǎng)?chuàng)立于八、九十年代，當(dāng)時(shí)我國(guó)計(jì)算機(jī)領(lǐng)域方興未艾，它們具有一定的先發(fā)優(yōu)勢(shì)，這也說(shuō)明一個(gè)領(lǐng)域內(nèi)的核心期刊需要時(shí)間的沉淀和積累。且主管部門(mén)相比于其他領(lǐng)域主要由大學(xué)主管，我國(guó)網(wǎng)絡(luò)安全領(lǐng)域主要為政府相關(guān)部門(mén)和與軍事方面聯(lián)系較緊密的大學(xué)主管，權(quán)威性較高，同時(shí)也是由于其關(guān)系國(guó)家安全和利益的特殊性。2.2.5共現(xiàn)矩陣分析我們需要構(gòu)建高頻關(guān)鍵詞的共現(xiàn)矩陣，本文通過(guò)COOC軟件統(tǒng)計(jì)關(guān)鍵詞發(fā)生兩兩共現(xiàn)的頻次，可以得到高頻關(guān)鍵詞的共現(xiàn)矩陣。表2.5關(guān)鍵詞共現(xiàn)矩陣（部分）檢測(cè)攻擊算法協(xié)議治理安全性社會(huì)……電子商務(wù)檢測(cè)0510455146415315……6攻擊5100372248930535……8算法4553720161226713……6協(xié)議1462481610331312……19治理492302229……5安全性1533052673132026……41社會(huì)15351312229260……21認(rèn)證351328523832288……21無(wú)線(xiàn)8418716318202123……2防御16727912054189125……2通信106137132169820213……4平臺(tái)76684562418260……22傳感器7914113313301483……1神經(jīng)網(wǎng)絡(luò)10144137402312……0中國(guó)6173619712140……14服務(wù)47995967418651……11路由5813410817301221……0密鑰181069615701901……6……………………電子商務(wù)6861954121……0基于高頻關(guān)鍵詞的共現(xiàn)矩陣，我們可以在之后通過(guò)共現(xiàn)網(wǎng)絡(luò)探究網(wǎng)絡(luò)安全領(lǐng)域的研究熱點(diǎn)主題，與本文所提出的通過(guò)Word2vec模型構(gòu)建的關(guān)系，這部分在第四章將進(jìn)行詳細(xì)分析。3我國(guó)網(wǎng)絡(luò)安全領(lǐng)域研究熱點(diǎn)主題識(shí)別及實(shí)現(xiàn)3.1研究熱點(diǎn)主題識(shí)別實(shí)現(xiàn)及分析3.1.1構(gòu)建Word2vec模型在以往文獻(xiàn)計(jì)量學(xué)的研究中，研究熱點(diǎn)主題識(shí)別是是一個(gè)不可或缺的領(lǐng)域。首先它要基于一個(gè)矩陣或一種關(guān)系來(lái)對(duì)主題進(jìn)行識(shí)別；那么要解決兩個(gè)問(wèn)題：一是如何構(gòu)建矩陣或如何刻畫(huà)關(guān)系，二是用什么方法從矩陣或關(guān)系中確定主題。第一個(gè)問(wèn)題當(dāng)前學(xué)術(shù)界一般都是基于共現(xiàn)關(guān)系使用社會(huì)網(wǎng)絡(luò)分析的方法來(lái)進(jìn)行矩陣的構(gòu)建或關(guān)系的刻畫(huà)，但這種方法也不是十全十美的，由于該方法本身所具有的局限性，所以在對(duì)文本的矩陣構(gòu)建中，它的矩陣具有稀疏性，對(duì)聚類(lèi)的結(jié)果有一定的影響。而本文采用一種較新的方法：Word2vec模型來(lái)進(jìn)行構(gòu)建關(guān)系矩陣，它可以抓住語(yǔ)義關(guān)系，構(gòu)建一個(gè)低維的矩陣，這個(gè)矩陣相對(duì)而言是不稀疏的，對(duì)主題識(shí)別的精確性有所提升。而之后再使用K-means算法對(duì)主題進(jìn)行聚類(lèi)。最后通過(guò)設(shè)置閾值，得出一個(gè)時(shí)間段內(nèi)該領(lǐng)域的研究熱點(diǎn)。有利于對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域研究的研究熱點(diǎn)主題演化進(jìn)行更精準(zhǔn)的識(shí)別。Word2vec是一個(gè)用來(lái)產(chǎn)生詞向量的相關(guān)模型。該模型主要作用是用來(lái)訓(xùn)練重新建構(gòu)詞的屬性，它是一個(gè)雙層神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)以詞作為連接節(jié)點(diǎn)，同時(shí)可以猜測(cè)相鄰左右位置的輸入詞，Word2Vec的一大特點(diǎn)，也是其與詞袋模型最大的不同是詞的順序相對(duì)而言影響更低。當(dāng)Word2Vec模型訓(xùn)練完成以后，可以獲得一個(gè)擁有設(shè)定維數(shù)的詞向量，向量代表著詞與詞之間的關(guān)系，詞向量也叫該神經(jīng)網(wǎng)絡(luò)的隱藏層。Word2Vec模型有兩種算法：分別是連續(xù)詞袋模型（CBOW）和Skip-Gram模型。前者跟常見(jiàn)的詞袋模型有一定相同之處，它通過(guò)創(chuàng)建每個(gè)單獨(dú)詞語(yǔ)的特征向量來(lái)構(gòu)建該詞語(yǔ)的單詞向量，其步驟為先創(chuàng)建一個(gè)動(dòng)態(tài)、可移動(dòng)的窗口，然后從給定文本中目標(biāo)詞語(yǔ)附近的詞語(yǔ)來(lái)進(jìn)行神經(jīng)網(wǎng)絡(luò)構(gòu)建，最后對(duì)其進(jìn)行預(yù)測(cè)。然后我們就將其作為特征向量，并存在其對(duì)應(yīng)的窗口中。在訓(xùn)練完成以后，特征向量就會(huì)成為該詞語(yǔ)的單詞向量。后者在形式上恰好與后者相反——即我們將采用其中一個(gè)已經(jīng)確定的單詞預(yù)測(cè)其附近單詞，毫無(wú)疑問(wèn)其難度更大，所以需要耗費(fèi)的時(shí)間和算力也更加龐大。但是其也有優(yōu)點(diǎn)，也就是對(duì)于一些少見(jiàn)的詞語(yǔ)或數(shù)量比較小的數(shù)據(jù)集，其準(zhǔn)確度相對(duì)于前者更高。首先為了得到一個(gè)符合我們需求的Word2vec模型，那么需要先對(duì)下載下來(lái)的數(shù)據(jù)中的文本進(jìn)行分詞，在這里我們選取的是將一篇文獻(xiàn)的標(biāo)題及摘要作為文本的選取目標(biāo)，這也是文獻(xiàn)分析學(xué)中對(duì)文本分析較常選取的文獻(xiàn)部分，然后因?yàn)槲覀兯芯康哪繕?biāo)詞語(yǔ)主要是中文和英文，所以將其中的標(biāo)點(diǎn)符號(hào)刪去。同時(shí)保證同一篇文獻(xiàn)的標(biāo)題和摘要在同一行上，避免對(duì)后續(xù)結(jié)果造成影響。然后我們對(duì)文本進(jìn)行分詞，在這里我們采用的是jieba分詞，它是一個(gè)中文分詞，可以用來(lái)對(duì)中文文本進(jìn)行分詞（有多種模式）、判斷詞性等功能，其特點(diǎn)是可以添加自定義詞典。本文使用精確模式對(duì)文本進(jìn)行分詞，但觀(guān)察分詞結(jié)果我們也不難發(fā)現(xiàn)，所得到的文本有許多與研究?jī)?nèi)容無(wú)關(guān)的詞語(yǔ)，如語(yǔ)氣詞、量詞、部分副詞和形容詞，如云云、云爾、人們等。同時(shí)有許多網(wǎng)絡(luò)安全領(lǐng)域的專(zhuān)有名詞被分開(kāi)。為提高分詞的準(zhǔn)確度，本文的停用詞使用了以哈爾濱工業(yè)大學(xué)和百度公司公開(kāi)的停用詞表為主，同時(shí)通過(guò)jieba分詞自帶的詞性分析，人工進(jìn)行補(bǔ)充，最后結(jié)果達(dá)到10000個(gè)詞，之后又補(bǔ)充網(wǎng)絡(luò)安全領(lǐng)域?qū)Ｓ忻~加入自定義詞典中，這大大提高了分詞的準(zhǔn)確性。最后對(duì)文本進(jìn)行Word2vec模型的訓(xùn)練，本文調(diào)用了sklearn包中所帶的Word2vec,其中參數(shù)設(shè)置為sg=1，表示因?yàn)閿?shù)據(jù)量的原因使用Skip-Gram模型進(jìn)行訓(xùn)練，當(dāng)前詞與預(yù)測(cè)詞在一個(gè)句子中的最大距離設(shè)置為10，詞頻門(mén)檻設(shè)置為50次，得出的結(jié)果向量維度為100，最后得出來(lái)的Word2vec模型（部分）如下圖所示。表3.1Word2vec模型詞語(yǔ)及其維數(shù)詞語(yǔ)/維數(shù)123456…100檢測(cè)-0.53110.421359-0.04533-0.098160.027157-0.24618…0.555707攻擊-0.4757-0.247740.493668-0.130350.441392-0.32968…0.028761算法-0.348090.150490.261222-0.546590.241454-0.08297…0.052867協(xié)議-0.532670.1474970.484934-0.269340.1475390.08672…0.04682治理-0.03312-0.239960.2830420.1887230.00871-0.32984…-0.08085安全性-0.42254-0.080910.423337-0.440430.2638640.05572…0.13481社會(huì)0.128743-0.263340.3003820.07661-0.2042-0.07083…-0.32217認(rèn)證-0.275560.1227590.466344-0.401810.3994880.247974…0.11009無(wú)線(xiàn)-0.381210.1859820.758464-0.099790.1998540.112995…0.326804防御-0.58865-0.054330.178287-0.233690.37413-0.31469…0.344163……………平臺(tái)-0.326220.419522-0.245710.0487280.270672-0.16799…0.0410643.1.2使用K-means算法進(jìn)行主題聚類(lèi)K均值聚類(lèi)算法是一種半監(jiān)督聚類(lèi)算法，一般認(rèn)為，半監(jiān)督聚類(lèi)在使用類(lèi)標(biāo)簽的數(shù)據(jù)集的信息幫助下相比于只用無(wú)類(lèi)標(biāo)簽的數(shù)據(jù)集可以得到的相對(duì)更好的簇,提高聚類(lèi)的準(zhǔn)確度REF_Ref66475254\r\h[12]。K-means通過(guò)對(duì)數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行距離的計(jì)算（一般采用歐氏距離），兩個(gè)目標(biāo)之間的距離差距越小，就認(rèn)為其相似度越高，從而聚類(lèi)在一起的可能性越大。K-means的算法步驟如下：第一步是選擇對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)行初始化，隨機(jī)選取k個(gè)對(duì)象作為初始聚類(lèi)中心a=a1,a2,?ak；第二步，計(jì)算數(shù)據(jù)集中每個(gè)樣本x其優(yōu)點(diǎn)有原理簡(jiǎn)單，相對(duì)而言容易理解，算法復(fù)雜度低。收斂速度快，聚類(lèi)速度也較快，聚類(lèi)效果較優(yōu)，雖然是局部最優(yōu)，但一般情況下，局部最優(yōu)也是全局最優(yōu)。而且當(dāng)K值近似高斯分布時(shí)，效果很好。同時(shí)伸縮性好，無(wú)論是對(duì)數(shù)據(jù)較小或是數(shù)據(jù)較大的數(shù)據(jù)集都能保證其伸縮性。缺點(diǎn)有K值是人為設(shè)置的，而且十分敏感，K值的變動(dòng)對(duì)聚類(lèi)結(jié)果影響較大。對(duì)噪音、異常值比較敏感，最好對(duì)數(shù)據(jù)進(jìn)行一定的預(yù)處理。一個(gè)樣本只能分配給一個(gè)類(lèi)，無(wú)法滿(mǎn)足多分類(lèi)需求。對(duì)數(shù)據(jù)有一定要求，不適合離散程度高的數(shù)據(jù)集、樣本類(lèi)別差距較大的數(shù)據(jù)集、非凸形狀的數(shù)據(jù)集（較難收斂）。要進(jìn)行K-means聚類(lèi)，首先要確定K值，在本文中，采用的是CH分?jǐn)?shù)（CalinskiHarabaszScore）來(lái)評(píng)價(jià)聚類(lèi)效果的優(yōu)劣，由此來(lái)倒推最合適的K值，其數(shù)學(xué)公式為：s其中Bk代表簇間色散平均值，wwBCalinski-Harabasz分?jǐn)?shù)與內(nèi)部協(xié)方差呈負(fù)相關(guān)，與類(lèi)別之間的協(xié)方差呈正相關(guān)，也就是說(shuō)在不知道真實(shí)標(biāo)簽的情況下，其分?jǐn)?shù)越高，代表聚類(lèi)效果越好。根據(jù)測(cè)試，其Calinski-Harabasz分?jǐn)?shù)最高的K值為7。其Calinski-Harabasz分?jǐn)?shù)如下表所示：

表3.2K值及其對(duì)應(yīng)的Calinski-Harabasz分?jǐn)?shù)K值Calinski-Harabasz分?jǐn)?shù)1896.72895.73933.54935.65907.96938.27939.88925.39914.510909.9最后我們將K=7代入K-means函數(shù)中，得到的散點(diǎn)圖如下圖所示（已使用PCA進(jìn)行降維）其中心詞以及中心詞坐標(biāo)如下表所示：(坐標(biāo)保留四位小數(shù))表3.3中心詞及其對(duì)應(yīng)坐標(biāo)中心詞坐標(biāo)認(rèn)證(-0.5388,-0.7791）治理(1.5812,0.0666)神經(jīng)網(wǎng)絡(luò)(-0.7534,1.0380)防御(-0.2374,0.2298)信息化(0.5902,-0.4877)輿情(0.7101,0.7176)檢測(cè)(-0.9590,-0.0826)3.2我國(guó)網(wǎng)絡(luò)安全研究領(lǐng)域研究熱點(diǎn)主題分析但此時(shí)我們還無(wú)法確定這些類(lèi)的標(biāo)簽，這時(shí)我們使用Word2vec構(gòu)建模型的優(yōu)勢(shì)就展現(xiàn)出來(lái)，我們可以讀取與中心詞詞向量最接近的幾個(gè)詞（在這里統(tǒng)一選擇五個(gè)詞，相似度保留四位小數(shù))，就可以判斷每個(gè)類(lèi)的標(biāo)簽和相關(guān)領(lǐng)域3.2.1認(rèn)證服務(wù)領(lǐng)域與中心詞“認(rèn)證”相關(guān)度最高的五個(gè)詞如下表所示：表3.4按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1漫游0.74682私鑰0.69923公鑰0.68454協(xié)議0.67545身份認(rèn)證0.6690“漫游”“私鑰”“公鑰”“協(xié)議”“身份認(rèn)證”代表該類(lèi)是屬于認(rèn)證領(lǐng)域。認(rèn)證在網(wǎng)絡(luò)安全領(lǐng)域一般指通信的雙方通過(guò)約定好的協(xié)議互相確認(rèn)對(duì)方身份，從而保證信息安全三要素中的保密性，保證信息不被泄露給非授權(quán)的用戶(hù)，從而保證信息的安全。在如今的信息化社會(huì)中，信息價(jià)值日益重要，如網(wǎng)上購(gòu)物的興起，企業(yè)和政府辦公信息化導(dǎo)致很多個(gè)人、企業(yè)和國(guó)家的重要信息都通過(guò)網(wǎng)絡(luò)進(jìn)行傳輸，這成為很多不法分子竊取從而牟利的目標(biāo)。在網(wǎng)絡(luò)安全領(lǐng)域，身份認(rèn)證是三個(gè)主要保密目標(biāo)之首，不同的身份擁有不同的權(quán)限，也是各個(gè)主體判斷用戶(hù)合法性的來(lái)源，由于其在網(wǎng)絡(luò)安全領(lǐng)域擁有重要的地位，所以近些年來(lái)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域也持續(xù)關(guān)注認(rèn)證服務(wù)領(lǐng)域，如“協(xié)議”一般是通信雙方進(jìn)行認(rèn)證的方法，而“漫游”也是最常使用認(rèn)證服務(wù)的工具之一，如消息漫游等，都需要用戶(hù)進(jìn)行驗(yàn)證，當(dāng)然這也是他人竊取信息的重要來(lái)源之一?！肮€”和“私鑰”則是現(xiàn)代密碼學(xué)中不可或缺的產(chǎn)物，也是認(rèn)證服務(wù)領(lǐng)域常用的專(zhuān)業(yè)術(shù)語(yǔ)，所以這也證明認(rèn)證服務(wù)領(lǐng)域已成為研究熱點(diǎn)之一。3.2.2社會(huì)治理領(lǐng)領(lǐng)域與中心詞“治理”相關(guān)度最高的五個(gè)詞如下表所示：表3.5按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1法治化0.82172社會(huì)治理0.80763綜合治理0.78184法治0.75565非傳統(tǒng)0.7521網(wǎng)絡(luò)安全領(lǐng)域雖然是偏向自然科學(xué)方面的研究領(lǐng)域，但由于網(wǎng)絡(luò)越來(lái)越深入我們的日常生活，所以網(wǎng)絡(luò)安全問(wèn)題也成為一個(gè)社會(huì)問(wèn)題，是我國(guó)政府乃至于全世界政府都要面臨的一個(gè)社會(huì)治理問(wèn)題，這也理所當(dāng)然的成為學(xué)界研究熱點(diǎn)之一。從“法治化”“社會(huì)治理”“綜合治理”“法治”“非傳統(tǒng)”等相關(guān)詞語(yǔ)我們可以看出，學(xué)界對(duì)網(wǎng)絡(luò)安全問(wèn)題衍生而來(lái)的相關(guān)社會(huì)問(wèn)題，一般關(guān)注法律和綜合治理的作用，這也不難理解，網(wǎng)絡(luò)安全領(lǐng)域是一個(gè)新興領(lǐng)域，無(wú)論是立法層面還是政府監(jiān)督方面在以往都處于空白期，只靠行業(yè)和個(gè)人的自律必然無(wú)法解決網(wǎng)絡(luò)安全問(wèn)題，幾年之前國(guó)家發(fā)布《網(wǎng)絡(luò)安全法》和《國(guó)家網(wǎng)絡(luò)空間安全戰(zhàn)略》，從而讓網(wǎng)絡(luò)安全領(lǐng)域“有法可依”。學(xué)者們?cè)谙嚓P(guān)法律法規(guī)出臺(tái)前研究社會(huì)現(xiàn)狀，提出立法建議，在其出臺(tái)后研究其落實(shí)現(xiàn)狀，提出自己的改進(jìn)意見(jiàn)和方向，也為我國(guó)政府治理能力現(xiàn)代化做出卓越貢獻(xiàn)。同時(shí)由于網(wǎng)絡(luò)安全社會(huì)問(wèn)題的多主體性和復(fù)雜性，它又是非傳統(tǒng)和綜合的，往往需要多方合力才能妥善解決相關(guān)的社會(huì)問(wèn)題。3.2.3機(jī)器學(xué)習(xí)領(lǐng)域與中心詞“神經(jīng)網(wǎng)絡(luò)”相關(guān)度最高的五個(gè)詞如下表所示：表3.6按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1BP0.84342RBF0.75353人工神經(jīng)網(wǎng)絡(luò)0.74834訓(xùn)練0.73935擬合0.7218“BP”“RBF”“人工神經(jīng)網(wǎng)絡(luò)”“訓(xùn)練”“擬合”等表明機(jī)器學(xué)習(xí)應(yīng)用在網(wǎng)絡(luò)安全領(lǐng)域已成為我國(guó)網(wǎng)絡(luò)安全的重要分支之一。機(jī)器學(xué)習(xí)是一門(mén)交叉學(xué)科，主要是為了讓計(jì)算機(jī)模仿或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新知，我們也可以在其相關(guān)詞語(yǔ)看到“BP”“RBF”等機(jī)器學(xué)習(xí)中常用的神經(jīng)網(wǎng)絡(luò)，其中BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一，理論和實(shí)際應(yīng)用都比較成熟，RBF神經(jīng)網(wǎng)絡(luò)又叫徑向基神經(jīng)網(wǎng)絡(luò)，其實(shí)屬于BP神經(jīng)網(wǎng)絡(luò)，但相比于由于使用了全局逼近而導(dǎo)致速度較慢的BP神經(jīng)網(wǎng)絡(luò)，其使用的是局部映射（也叫局部逼近），更能滿(mǎn)足一些對(duì)演算速度和實(shí)時(shí)性要求較高場(chǎng)景，其在網(wǎng)絡(luò)安全領(lǐng)域常應(yīng)用于風(fēng)險(xiǎn)評(píng)估方面，如一個(gè)主機(jī)或系統(tǒng)的網(wǎng)絡(luò)安全態(tài)勢(shì)的評(píng)估，為網(wǎng)絡(luò)安全專(zhuān)家提高系統(tǒng)的安全性提供參考。而訓(xùn)練和擬合則是機(jī)器學(xué)習(xí)中調(diào)整參數(shù)常使用的術(shù)語(yǔ)之一。3.2.4網(wǎng)絡(luò)攻防領(lǐng)域與中心詞“防御”相關(guān)度最高的五個(gè)詞如下表所示：

表3.7按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1擬態(tài)0.56442主動(dòng)防御0.56253密網(wǎng)0.55354誘騙0.54915APT0.5178“擬態(tài)”“主動(dòng)防御”“密網(wǎng)”“誘騙”“APT”等屬于網(wǎng)絡(luò)攻防領(lǐng)域的范疇。如擬態(tài)一般是指就是不久之前提出的網(wǎng)絡(luò)空間擬態(tài)防御（CMD），由國(guó)內(nèi)研究團(tuán)隊(duì)提出，針對(duì)目前網(wǎng)絡(luò)安全“易攻難守”的網(wǎng)絡(luò)形勢(shì)，構(gòu)建一套動(dòng)態(tài)變化的并行架構(gòu)保護(hù)網(wǎng)絡(luò)安全，也就是說(shuō)它是一套可以主動(dòng)防御的方法，可以說(shuō)是具有革命性的新方法。密網(wǎng)也是一種主動(dòng)防御措施，有點(diǎn)類(lèi)似于釣魚(yú)的“魚(yú)餌”，為了保證自己的重要信息不被攻擊和竊取，預(yù)先設(shè)好“陷阱”，等待攻擊者上鉤，然后根據(jù)攻擊手段調(diào)整防御策略，從而保護(hù)真正的重要數(shù)據(jù)的安全。而APT就指即高級(jí)可持續(xù)威脅攻擊，值對(duì)特定對(duì)象進(jìn)行高強(qiáng)度、持續(xù)的攻擊以獲取利益。在網(wǎng)絡(luò)安全領(lǐng)域，黑客與網(wǎng)絡(luò)安全專(zhuān)家之間的網(wǎng)絡(luò)攻防是學(xué)界研究的重要內(nèi)容。黑客采用多種方法如研究漏洞，獲取系統(tǒng)的信任以提高權(quán)限等進(jìn)行網(wǎng)絡(luò)攻擊，為的是獲取利益或炫耀自己的技術(shù)；而防御者們則運(yùn)用防火墻、監(jiān)控等方式保障系統(tǒng)的安全，而有時(shí)候?yàn)榱恕爸褐恕币矔?huì)對(duì)黑客的攻擊手段進(jìn)行研究，圍繞著網(wǎng)絡(luò)攻防之間的研究也就成為了學(xué)術(shù)界核心研究熱點(diǎn)之一。3.2.5社會(huì)信息化領(lǐng)域與中心詞“信息化”相關(guān)度最高的五個(gè)詞如下表所示：表3.8按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1現(xiàn)代化0.62752財(cái)務(wù)管理0.59473經(jīng)濟(jì)社會(huì)0.59264管理制度0.59135宣傳0.5749“現(xiàn)代化”“財(cái)務(wù)管理”“經(jīng)濟(jì)社會(huì)”“管理制度”“宣傳”等都是社會(huì)信息化建設(shè)領(lǐng)域的研究對(duì)象。信息化常常與現(xiàn)代化共同出現(xiàn)，可以說(shuō)，在信息社會(huì)的今天，社會(huì)的信息化也是現(xiàn)代化的重要一環(huán)。信息化是“萬(wàn)物皆數(shù)”的一個(gè)過(guò)程，通過(guò)將工作生活中得到的數(shù)據(jù)傳輸至數(shù)據(jù)庫(kù)，以輔助人們?cè)诠ぷ?、學(xué)習(xí)、決策中提高效率，降低成本，推動(dòng)社會(huì)的進(jìn)步。如財(cái)務(wù)管理和管理制度改革領(lǐng)域如果能合理利用社會(huì)信息化紅利，那么就能大大提高了人們的生產(chǎn)效率，但這些數(shù)據(jù)傳輸時(shí)也會(huì)遇到網(wǎng)絡(luò)安全問(wèn)題，這成為當(dāng)今學(xué)術(shù)界研究的熱點(diǎn)之一。3.2.6.網(wǎng)絡(luò)輿情領(lǐng)域與中心詞“輿情”相關(guān)度最高的五個(gè)詞如下表所示：表3.9按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1食品安全0.69882網(wǎng)民0.68423突發(fā)事件0.66454食品0.66345微博0.6465“食品安全”“網(wǎng)民”“突發(fā)事件”“生態(tài)”“食品”“微博’屬于網(wǎng)絡(luò)輿情管理的范疇。網(wǎng)絡(luò)安全并不局限于個(gè)人與企業(yè)、個(gè)人與國(guó)家之間的網(wǎng)絡(luò)對(duì)抗，也有可能伴隨著國(guó)家與國(guó)家之間的對(duì)抗，當(dāng)一場(chǎng)爭(zhēng)議性較高的突發(fā)事件（如食品安全事件）引發(fā)網(wǎng)民熱議時(shí)，如何進(jìn)行輿情管理，及時(shí)公開(kāi)信息就成為政府治理能力現(xiàn)代化的必修課。而不可否認(rèn)，很多境外反華勢(shì)力利用輿論進(jìn)行造謠，這也是網(wǎng)絡(luò)安全的一個(gè)重要組成部分，也成為學(xué)術(shù)界研究的熱點(diǎn)之一。3.2.7無(wú)線(xiàn)網(wǎng)絡(luò)安全領(lǐng)域與中心詞“無(wú)線(xiàn)”相關(guān)度最高的五個(gè)詞如下表所示：表3.10按照相關(guān)度進(jìn)行排名的相關(guān)詞語(yǔ)及其相似度相關(guān)度排名相關(guān)詞語(yǔ)相似度1傳感器0.76712WSN0.75893有線(xiàn)0.69544簇頭0.67845ZigBee0.6756“傳感器”“WSN”“有線(xiàn)”“簇頭”“ZigBee”都屬于無(wú)線(xiàn)網(wǎng)絡(luò)領(lǐng)域的相關(guān)內(nèi)容。傳感器是將現(xiàn)實(shí)生活的數(shù)據(jù)轉(zhuǎn)化信息不可或缺的一部分，目前日常生活的傳感器傳輸數(shù)據(jù)時(shí)為了美觀(guān)和方便一般采用無(wú)線(xiàn)傳輸。WSN是無(wú)線(xiàn)傳感網(wǎng)絡(luò)的英文縮寫(xiě)，一般為分布式網(wǎng)絡(luò)。簇頭是無(wú)線(xiàn)網(wǎng)絡(luò)傳感器的重要組成部分。ZigBee又稱(chēng)紫蜂，適用于短距離，能耗低，對(duì)速度要求不高的一種無(wú)線(xiàn)網(wǎng)絡(luò)協(xié)議。相比于其他其他無(wú)線(xiàn)網(wǎng)絡(luò)協(xié)議，其在安全可靠性和速度能耗之間取得了較好的平衡，所以也成為網(wǎng)絡(luò)安全領(lǐng)域關(guān)注的重點(diǎn)。隨著便攜式移動(dòng)設(shè)備普及程度的提高，以往常用的有線(xiàn)網(wǎng)絡(luò)已經(jīng)無(wú)法滿(mǎn)足人們不受時(shí)間地點(diǎn)限制的通訊需求，無(wú)線(xiàn)網(wǎng)絡(luò)也橫空出世。由于無(wú)線(xiàn)網(wǎng)絡(luò)中最常見(jiàn)的協(xié)議IEEE802.11本身的安全性不高，導(dǎo)致很多因無(wú)線(xiàn)網(wǎng)絡(luò)安全問(wèn)題造成損失的事件層出不窮，為了提高無(wú)線(xiàn)網(wǎng)絡(luò)傳輸?shù)陌踩院唾|(zhì)量，一些學(xué)者對(duì)WEP協(xié)議進(jìn)行完善，也有不少學(xué)者提出了新的無(wú)線(xiàn)安全協(xié)議方案，比如分布式方案等。這也證明社會(huì)經(jīng)濟(jì)需求會(huì)指導(dǎo)研究熱點(diǎn)方向，而研究成果又會(huì)反過(guò)來(lái)推動(dòng)社會(huì)的進(jìn)步。4總結(jié)和展望4.1總結(jié)與創(chuàng)新本課題重點(diǎn)在于對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域研究熱點(diǎn)的主題識(shí)別和實(shí)現(xiàn)，明確網(wǎng)絡(luò)安全在我國(guó)總體安全觀(guān)和新時(shí)代信息社會(huì)的重要地位，以中國(guó)知網(wǎng)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域在核心期刊上發(fā)表的文獻(xiàn)為數(shù)據(jù)庫(kù)，以我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的研究文獻(xiàn)為重點(diǎn)，為我國(guó)網(wǎng)絡(luò)安全領(lǐng)域治理和研究提供一定的理論支撐。在研究過(guò)程中難點(diǎn)在于對(duì)研究熱點(diǎn)的主題識(shí)別和實(shí)現(xiàn)，關(guān)于主題識(shí)別，首先要解決的是如何進(jìn)行矩陣構(gòu)建和關(guān)系刻畫(huà)，其次是用什么方法在矩陣和關(guān)系中找到主題，本文則是通過(guò)jieba分詞先對(duì)文本進(jìn)行分詞，之后構(gòu)建Word2vec模型，最后再使用K-means進(jìn)行研究熱點(diǎn)主題聚類(lèi)，得到了我國(guó)網(wǎng)絡(luò)安全領(lǐng)域近三十年的研究熱點(diǎn)主題，分別是：認(rèn)證服務(wù)領(lǐng)域、機(jī)器學(xué)習(xí)領(lǐng)域、網(wǎng)絡(luò)攻防領(lǐng)域、社會(huì)治理領(lǐng)域、社會(huì)輿情領(lǐng)域、社會(huì)信息化領(lǐng)域和無(wú)線(xiàn)網(wǎng)絡(luò)安全領(lǐng)域這七個(gè)研究熱點(diǎn)，通過(guò)準(zhǔn)確識(shí)別確定研究熱點(diǎn)主題，不僅對(duì)有利于了解我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的基本研究現(xiàn)狀，也能給有關(guān)個(gè)人和組織提供一定參考價(jià)值。本文創(chuàng)新點(diǎn)在于首先研究?jī)?nèi)容創(chuàng)新方面，以我國(guó)網(wǎng)絡(luò)安全領(lǐng)域?yàn)橹饕芯繉?duì)象，選取質(zhì)量較高的核心期刊發(fā)表文獻(xiàn)為數(shù)據(jù)庫(kù)，可以更好地刻畫(huà)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域的研究熱點(diǎn)，同時(shí)根據(jù)我國(guó)有關(guān)政策和事件進(jìn)行分析，更貼合實(shí)際。其次研究方法創(chuàng)新方面，使用基于Word2vec模型的主題識(shí)別方法，可以更好地提高對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域研究熱點(diǎn)主題識(shí)別的準(zhǔn)確性。4.2不足與展望本文對(duì)我國(guó)網(wǎng)絡(luò)安全領(lǐng)域接近三十年來(lái)的研究熱點(diǎn)進(jìn)行了定量和定性的研究分析，但在研究過(guò)程中也存在不少不足之處：（1）分詞結(jié)果仍有改進(jìn)空間。由于本文涉及網(wǎng)絡(luò)安全領(lǐng)域，有很多行業(yè)專(zhuān)有名詞，同時(shí)又由于有些專(zhuān)有名詞中英結(jié)合或數(shù)字與文字結(jié)合，所以選擇停用詞和自定義詞典時(shí)需要人