运行 #9

2024-01-15 08:23 — 状态: 完成

聚类概览 →
1,284,592
总流数
1,284,592
行数
3
聚类数

🔬 全域 SVD 特征分析 基于 1,284,592 行数据

奇异值分解 (TruncatedSVD) 降维后的各主成分解释方差比例与贡献特征。

PC1

解释方差: 42.3%累积: 42.3%
8pak: 0.321 8ack: 0.284 4dur: 0.198 8ses: 0.156 2tmo: 0.112

PC2

解释方差: 28.7%累积: 71.0%
:prd: 0.412 :prs: 0.334 1ipp: 0.187 0ver: 0.098 4dbn: 0.045

PC3

解释方差: 15.2%累积: 86.2%
0ver: 0.502 4ksz: 0.321 0cph: 0.145 0crv: 0.088 cnam: 0.032

PC4

解释方差: 8.9%累积: 95.1%
snam: 0.432 cnam: 0.356 ecdhe: 0.178 :ips: 0.089 :ipd: 0.034

PC5

解释方差: 4.9%累积: 100%
timestamp: 0.523 8dbd: 0.312 8seq: 0.145 8did: 0.067 row: 0.021

前 3 个主成分解释了 86.2% 的方差。SVD 去噪保留 95% 方差，去除 ~5% 作为底噪。

🧠 LLM 自动分析流程

步骤 0
💭 思考：先对数据集进行概要分析，了解列类型和分布后再决定下一步。
🔧 profile_data▶
输入:
{"dataset_id": "upload_9"}
输出:
{"columns": 57, "numeric": 28, "string": 20, ...}
步骤 1
💭 思考：数据包含 28 个数值列，选择聚类相关的特征列进行分析。
🔧 filter_data▶
输入:
{"dataset_id": "upload_9", "filters": [...]}
输出:
{"row_count": 1284592, "columns": 57}
步骤 2
💭 思考：数据准备完成，对原始行进行聚类分析（KMeans，3 个簇）。
🔧 run_clustering▶
输入:
{"dataset_id": "upload_9", "algorithm": "kmeans", "cluster_columns": [...], "_timeout": 300}
输出:
{"n_clusters": 3, "n_noise": 0, "silhouette": 0.68}
步骤 3
💭 思考：✅ 分析完成。聚类产生 3 个簇，轮廓系数 0.68。簇 #0（66%，低延迟大数据包）、簇 #1（24%，高TLS1.3短会话）、簇 #2（9%，高频非标准端口）。
✅ 回答 聚类分析完成，数据划分为 3 个行为簇：
• 簇 #0（847,293 条，66%）：低延迟、大数据包、目标端口集中于443 —— 典型的 正常HTTPS流量
• 簇 #1（311,482 条，24%）：高TLS1.3比例、短会话、ECDHE X25519 —— 现代浏览器访问
• 簇 #2（112,970 条，9%）：高连接频率、非标准端口、多域名 —— API/微服务调用

📊 聚类结果

簇大小比例轮廓系数
#0847,2930.660.7100详情
#1311,4820.240.6500详情
#2112,9700.090.5200详情