移动云计算是随着云计算和移动互联网的不断发展与融合而产生的一种新型应用模式。在可信移动云服务架构中,用户身份及行为的可信性判定与识别将成为后继服务的重要前提,只有在保证用户身份和用户操作可靠与安全的前提下,才可以进行后续的智能决策和服务资源调配,保障向用户提供满足需求的连续服务能力。可见,用户行为判别对移动云服务十分重要。本文中提到的用户可信是指用户对服务实施的操作和动作总是处于用户所属规则允许的范围内,对于用户的异常行为可识别、可控制。模式挖掘这个工具,使我们可以从大量的正常移动用户读写移动云服务的行为数据中挖掘出其行为模式特点,构造正常行为的参考集合。之后实时地将用户行为与正常行为进行对比,来检测用户是否异常,达到对用户行为的监督与识别,从而保障用户层数据读写环境和服务交付来往的安全性。本文围绕用户可信问题,着重开展用户行为模式挖掘与在线识别的研究。1.提出了用户时序行为序列的定义,作为进行用户异常行为识别的基础。首先,特化用户时序行为的用户-时序-操作形式化描述,使用“用户-时序-操作”时序图来表示用户一系列操作的时序集合。并给出用户时序行为序列的编码结构图,介绍了编码序列中各部分的含义和用途。2.提出了自适应的用户正常行为模式编码方法。在用户正常行为模式挖掘过程中,依据挖掘的时序行为模式特点,借鉴遗传算法的相关技术理论,使用自适应编码构建完整的用户正常行为模式集合,以提高后续用户时序行为实时判别的效率。通过仿真实验证明了算法在动态性能和运行效率方面的优越性。3.在得到完整用户正常行为模式集合的基础上,设计了基于NeedlemanWunsch算法的一种用户时序操作行为的实时判别方法。将用户实时行为转化为形式化编码,之后与正常行为模式集合进行比对,通过提前设定的阈值来确定用户行为是否异常,并讨论了异常检测过程中的一些细节。本文在理论研究成果的基础上进行了仿真验证,结果表明本文提出的检测算法相对传统算法在检测率和误报率方面表现优秀。本文提出的模式挖掘算法和在线异常检测算法的创新点在于:根据本文提出的行为序列编码方法对序列进行编码之后,它形成的二进制序列与DNA序列有非常高的相似性,所以本文创新性的引入了生物学中的遗传算法和DNA序列比对算法来进行模式挖掘和异常检测。同时,由于移动云用户终端存在系统复杂、接入环境多变等特点,移动云计算服务器相对于传统云计算服务器来说面临着种类更加多样、变化更加频繁的异常攻击。这就导致了如果使用一成不变的模式挖掘算法和参数模型,会使异常检测的准确率和误报率产生较大的浮动和偏差。为此,本文设计了自适应的编码方式和参数确定算法,可以使系统根据环境变化实时调整自身的挖掘和检测策略,提高运行效率和检测性能。