運(yùn)營(yíng)商基于信令大數(shù)據(jù)的關(guān)系嗅探方案

韋茂源++李蔚++盧沛楊++呂景楠++劉世偉

【摘 要】為了解決運(yùn)營(yíng)商缺乏識(shí)別客戶關(guān)系的難題，采用大數(shù)據(jù)建模的方法，分析了運(yùn)營(yíng)商底層信令平臺(tái)數(shù)據(jù)，研究了層次分析法和客戶日常接觸溝通頻率層次的界定，提出了淺關(guān)系模糊營(yíng)銷快速機(jī)制，經(jīng)過(guò)試驗(yàn)證明，淺關(guān)系模型能夠快速驗(yàn)證客戶的關(guān)系圈子并分析出業(yè)務(wù)傾向?；诋?dāng)前營(yíng)銷方案，應(yīng)用本關(guān)系嗅探方案可較好地與快速營(yíng)銷系統(tǒng)結(jié)合，以提升營(yíng)銷效率；同時(shí)，關(guān)系嗅探方案還可應(yīng)用于更為廣泛的家庭、政企業(yè)務(wù)。

【關(guān)鍵詞】關(guān)系嗅探 大數(shù)據(jù) 快速營(yíng)銷 P2P頻率模型

doi：10.3969/j.issn.1006-1010.2017.02.019 中圖分類號(hào)：TL822+.6 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-1010（2017）02-0092-05

引用格式：韋茂源，李蔚，盧沛楊，等. 運(yùn)營(yíng)商基于信令大數(shù)據(jù)的關(guān)系嗅探方案[J]. 移動(dòng)通信， 2017，41（2）： 92-96.

1 引言

隨著互聯(lián)網(wǎng)的廣泛應(yīng)用，機(jī)器終端占據(jù)人們的時(shí)間逐漸增多，人與人之間的交流溝通越來(lái)越少，將這個(gè)階段簡(jiǎn)單定義為淺關(guān)系時(shí)代。在這個(gè)時(shí)代里，機(jī)器接觸頻率日益超過(guò)面對(duì)面的真誠(chéng)溝通，人們的關(guān)系逐漸傾向于機(jī)器語(yǔ)言的頻率，這個(gè)趨勢(shì)賦予了通信行業(yè)新的研究課題。

2 運(yùn)營(yíng)商關(guān)系嗅探方案

本文的目標(biāo)是“給出一個(gè)手機(jī)號(hào)碼，立即能得到該號(hào)碼的關(guān)系圈及圈內(nèi)目標(biāo)業(yè)務(wù)的屬性偏好，并能用于業(yè)務(wù)實(shí)時(shí)推薦”，具體實(shí)現(xiàn)分為以下環(huán)節(jié)：

2.1 數(shù)據(jù)攫取和流轉(zhuǎn)

從通信數(shù)據(jù)中攫取用戶通信行為數(shù)據(jù)，采用標(biāo)簽分散映射法，通過(guò)將目標(biāo)客戶的通信行為打上標(biāo)記，由標(biāo)記調(diào)取數(shù)據(jù)的方式，減輕存儲(chǔ)和實(shí)現(xiàn)實(shí)時(shí)處理。數(shù)據(jù)獲取后，采用大數(shù)據(jù)入庫(kù)工具快速處理網(wǎng)絡(luò)文本、數(shù)據(jù)集市等數(shù)據(jù)，搭建大數(shù)據(jù)處理平臺(tái)，為后續(xù)的實(shí)時(shí)相似度分析提供支持[1]。

2.2 模型建立和分析

淺關(guān)系模型的作用是：基于單一的手機(jī)號(hào)碼，尋找到目標(biāo)的關(guān)系圈子。由此創(chuàng)新提出了本模型的基礎(chǔ)算法——P2P（Point to Point）頻率算法，具體如下：

P2P頻率=（主動(dòng)頻率+被動(dòng)頻率）×環(huán)境頻率校對(duì)因子 （1）

其中，各頻率的計(jì)算方法如下：

主動(dòng)頻率=主動(dòng)語(yǔ)音通話頻率+主動(dòng)短信頻率+主動(dòng)軟件頻率-通話時(shí)長(zhǎng)小于10s的頻率-功能型主動(dòng)頻率

（2）

其中，功能型主動(dòng)頻率主要是指客戶主動(dòng)向系統(tǒng)發(fā)起系統(tǒng)短信指令，比如發(fā)送FX到10086即可實(shí)現(xiàn)安裝注冊(cè)飛信等，這種人與系統(tǒng)的短信交互需要剔除。

被動(dòng)頻率=被動(dòng)語(yǔ)音通話頻率+被動(dòng)短信頻率+被動(dòng)軟件頻率-通話時(shí)長(zhǎng)小于15s的頻率-功能型被動(dòng)頻率

（3）

其中，功能型被動(dòng)頻率主要是指系統(tǒng)給客戶下發(fā)的短信，比如登錄網(wǎng)銀時(shí)網(wǎng)銀系統(tǒng)給客戶下發(fā)的短信。同理，被動(dòng)軟件頻率是指具有短信觸發(fā)能力的軟件按規(guī)律下發(fā)短信給客戶。

環(huán)境頻率校對(duì)主要是對(duì)客戶某一時(shí)刻可能存在的環(huán)境進(jìn)行校對(duì)，從而確保所得出的客戶頻率相對(duì)客觀，因子分為以下3級(jí)[2-3]：

1級(jí)因子：系數(shù)為1，表明客戶在統(tǒng)計(jì)周期內(nèi)并無(wú)處于突發(fā)環(huán)境中；

2級(jí)因子：系數(shù)為0.8，表明客戶在統(tǒng)計(jì)周期內(nèi)曾處于1個(gè)突發(fā)環(huán)境中；

3級(jí)因子：系數(shù)為0.6，表明客戶在統(tǒng)計(jì)周期內(nèi)曾處于大于等于2個(gè)突發(fā)環(huán)境中。

其中，突發(fā)環(huán)境定義為：?jiǎn)挝粫r(shí)間內(nèi)（15分鐘內(nèi)），1對(duì)多的客戶語(yǔ)音次數(shù)大于5次。

在實(shí)際操作中，該算法具體如下：

（1）通過(guò)信令相關(guān)庫(kù)表匹配特定用戶群的主叫通話、被叫通話、發(fā)送短信、接收短信明細(xì)，將被叫通話、接收短信清單均轉(zhuǎn)化為被叫號(hào)碼為主號(hào)碼的記錄，與主叫通話、發(fā)送短信明細(xì)合并為數(shù)據(jù)集A。這樣數(shù)據(jù)集A實(shí)現(xiàn)了大數(shù)據(jù)級(jí)的各類庫(kù)表的通信交互記錄，簡(jiǎn)化為主叫、被叫號(hào)碼的一一對(duì)應(yīng)的記錄，數(shù)據(jù)集A是一個(gè)海量的大數(shù)據(jù)清洗為標(biāo)準(zhǔn)簡(jiǎn)單的主叫、被叫，點(diǎn)對(duì)點(diǎn)記錄次數(shù)的過(guò)程[4]。

（2）以數(shù)據(jù)集A主號(hào)碼記錄進(jìn)行分組統(tǒng)計(jì)，可得出該用戶群所有成員分別的交往圈子成員；以主號(hào)碼圈子成員號(hào)碼匹配數(shù)據(jù)集A記錄的主次號(hào)碼，按P2P頻率計(jì)算，最終可得任意兩個(gè)號(hào)碼之間的P2P頻率值，去重后形成數(shù)據(jù)集B。數(shù)據(jù)集B中得到的是數(shù)據(jù)集A范圍內(nèi)任意兩個(gè)號(hào)碼之間的P2P頻率值，這個(gè)值為下述的3個(gè)層次關(guān)系圈確定提供了必備的基礎(chǔ)。

（3）基于數(shù)據(jù)集B，使用閾值定位法（暫稱其為樣本量閾值定位算法）。選取目標(biāo)地域具有代表性的樣本，對(duì)樣本中的每個(gè)號(hào)碼進(jìn)行P2P頻率的統(tǒng)計(jì)，按照頻率從高到低排序，取這些樣本的a%、b%分位數(shù)，并對(duì)a%、b%分位數(shù)進(jìn)行平均得到均值X和Y，則：聯(lián)系最緊密的前a%的圈子，P2P頻率平均為Y；聯(lián)系緊密程度為a%～b%的圈子，P2P頻率平均在（X， Y]區(qū)間；而聯(lián)系舒散的后1～b%，P2P頻率平均小于X次[5]。

（4）至此，通過(guò)模型可以得出聯(lián)系最緊密、聯(lián)系緊密、聯(lián)系舒散這3個(gè)層次關(guān)系圈。這3個(gè)層次關(guān)系圈的數(shù)據(jù)確定來(lái)自通話頻率，并摒除了快遞、中介等不穩(wěn)定因素的干擾，最大限度地從電信大數(shù)據(jù)中將客戶的3個(gè)層次關(guān)系圈進(jìn)行還原，為下一個(gè)階段營(yíng)銷打好基礎(chǔ)。

2.3 業(yè)務(wù)屬性相似度分析模型

淺關(guān)系模型產(chǎn)出后，運(yùn)用邏輯回歸建立預(yù)測(cè)模型，假設(shè)Y代表某一偏好（如閱讀偏好、上網(wǎng)偏好等）的可能性，X代表客戶特征屬性（如通信行為、上網(wǎng)行為、位置信息等），通過(guò)建立Y=f（x）來(lái)挖掘客戶偏好的可能性，輸入已存在的客戶行為數(shù)據(jù)（如MC、GB、GN口數(shù)據(jù)），輸出客戶是否具有某種偏好的預(yù)測(cè)結(jié)果，從而有針對(duì)性的精準(zhǔn)營(yíng)銷。

比如，根據(jù)關(guān)系模型，基于單一目標(biāo)號(hào)碼，得到了聯(lián)系最緊密的號(hào)碼3個(gè)、聯(lián)系緊密的號(hào)碼15個(gè)、聯(lián)系舒散的號(hào)碼28個(gè)。針對(duì)這3個(gè)層次關(guān)系圈，應(yīng)用用戶行為分析預(yù)測(cè)，得到了緊密圈子的15個(gè)號(hào)碼中有5個(gè)喜歡使用手機(jī)進(jìn)行電子閱讀，那么可以針對(duì)緊密圈子的客戶制定營(yíng)銷政策，對(duì)于喜歡閱讀的伙伴，為其設(shè)計(jì)“拉新”活動(dòng)，推薦或吸引伙伴一起閱讀同一本書(shū)，將能享受等額開(kāi)銷次月返還；而針對(duì)緊密圈子的其他伙伴，則推薦閱讀中的最新精品，這些精品從5個(gè)喜歡閱讀的伙伴記錄中抽取，閱讀即有贈(zèng)送獎(jiǎng)勵(lì)。在這么一個(gè)有交集的緊密圈子中，大家都收到了閱讀的普惠信息，部分經(jīng)常使用的伙伴還收到了推薦有禮的活動(dòng)，這樣營(yíng)銷就具有精準(zhǔn)的效力，受眾不僅接收到了優(yōu)惠信息，而且還接收到了來(lái)自圈子中的口碑宣傳，這樣將大幅提升營(yíng)銷的效率。

此外，每個(gè)層次的業(yè)務(wù)屬性不一樣，程度也不一樣。比如，舒散的關(guān)系圈26個(gè)伙伴中有4個(gè)喜歡音樂(lè)、5個(gè)喜歡閱讀、8個(gè)喜歡投注、9個(gè)喜歡游戲，可以結(jié)合不同的業(yè)務(wù)愛(ài)好傾向，尋找共同的提升契機(jī)。

通過(guò)淺關(guān)系模型和業(yè)務(wù)偏好模型的組合，能夠改變從前不知道對(duì)象的1V1型或1V不知名對(duì)象的營(yíng)銷亂象，將營(yíng)銷資源聚焦到關(guān)系圈子中來(lái)，根據(jù)不同層次、不同業(yè)務(wù)愛(ài)好，采用不同方式推廣營(yíng)銷，以實(shí)現(xiàn)效率提升。

2.4 自動(dòng)推薦模型

給出一個(gè)號(hào)碼，得出目標(biāo)號(hào)碼的分層關(guān)系圈，針對(duì)性地分析目標(biāo)關(guān)系圈的業(yè)務(wù)屬性或相似度，配合業(yè)務(wù)串口，將數(shù)據(jù)實(shí)時(shí)從信令平臺(tái)、大數(shù)據(jù)分析平臺(tái)推送到傳播渠道（如短信交互平臺(tái)），從而根據(jù)已設(shè)置的業(yè)務(wù)優(yōu)惠方案快速開(kāi)展自動(dòng)化業(yè)務(wù)推薦[6-7]。

比如，客戶平時(shí)在服務(wù)廳等候辦理業(yè)務(wù)時(shí)，以前是完全沒(méi)有任何的業(yè)務(wù)介入，如今經(jīng)過(guò)淺關(guān)系快速營(yíng)銷模型，客戶在領(lǐng)取排隊(duì)票時(shí)，輸入的手機(jī)號(hào)碼信息將能快速通過(guò)淺關(guān)系模型計(jì)算出客戶的群體特征和業(yè)務(wù)偏好屬性，并以短信的方式為客戶呈現(xiàn)對(duì)應(yīng)的業(yè)務(wù)優(yōu)惠推薦，這樣的營(yíng)銷將變得十分精準(zhǔn)，如A客戶的圈子最近都在熱炒電視劇《老九門(mén)》，而且A客戶的圈子中有13個(gè)伙伴喜歡游戲，那么客戶在等候時(shí)，快速營(yíng)銷平臺(tái)會(huì)為客戶推送對(duì)應(yīng)的IP題材游戲并附上短信優(yōu)惠，客戶只要試玩或者推薦就可以獲得營(yíng)銷優(yōu)惠，這種結(jié)合實(shí)際生活的營(yíng)銷將顯得非常高效，并且不會(huì)讓客戶反感。

2.5 模糊營(yíng)銷機(jī)制

為避免營(yíng)銷讓客戶帶來(lái)窺探隱私的反感，最大限度地減小營(yíng)銷投訴的阻力，在自動(dòng)營(yíng)銷模型中增加了模糊營(yíng)銷機(jī)制。該機(jī)制包含模糊口徑、分享意愿和錄入三個(gè)機(jī)制，模糊口徑部分主要用于日常營(yíng)銷，避免為客戶提供任何可能導(dǎo)致反感的隱私信息，如推薦號(hào)碼采用“大家都在看，推薦您也一起看？是否愿意分享給周圍的朋友？”等之類，而在平時(shí)的分享中也增加了一鍵征詢功能，客戶在參與的營(yíng)銷優(yōu)惠中既可以選擇分享給自己錄入的朋友號(hào)碼，也可以允許讀取通信錄來(lái)為客戶提供小范圍的大數(shù)據(jù)服務(wù)[8]。

2.6 系統(tǒng)搭建和布設(shè)

本項(xiàng)目承載于運(yùn)營(yíng)商語(yǔ)音信令分析平臺(tái)，大數(shù)據(jù)輕營(yíng)銷平臺(tái)。其中，語(yǔ)音信令分析平臺(tái)輸出關(guān)系圈子數(shù)據(jù)，大數(shù)據(jù)挖掘平臺(tái)輸出相似度分析，輕營(yíng)銷平臺(tái)完成快速營(yíng)銷能力。

從常見(jiàn)的大數(shù)據(jù)流框架來(lái)講，系統(tǒng)搭建包括數(shù)據(jù)層、邏輯層和應(yīng)用層，這3個(gè)層次在本方案中的設(shè)計(jì)如下：

（1）數(shù)據(jù)層：網(wǎng)絡(luò)側(cè)的底層數(shù)據(jù)經(jīng)過(guò)標(biāo)準(zhǔn)流程接入到大數(shù)據(jù)存儲(chǔ)服務(wù)器中，這個(gè)數(shù)據(jù)的更新頻率以及覆蓋地域視乎營(yíng)銷需求。

（2）邏輯層：重點(diǎn)處理P2P頻率的算法，處理不同圈子之間的業(yè)務(wù)屬性分析，配置時(shí)下對(duì)應(yīng)的集群營(yíng)銷方案。

（3）應(yīng)用層：以不同觸點(diǎn)的方式到達(dá)客戶，如外呼、短信、上網(wǎng)助手等。

這3個(gè)層次的構(gòu)建確保了整個(gè)數(shù)據(jù)流轉(zhuǎn)通暢，其中邏輯層的淺關(guān)系模型和業(yè)務(wù)偏好分析模型是關(guān)鍵。

2.7 快速能力輸出

結(jié)合關(guān)系圈數(shù)據(jù)產(chǎn)出，形成了業(yè)務(wù)廣播、P2P點(diǎn)對(duì)點(diǎn)業(yè)務(wù)及線下活動(dòng)等維度的能力輸出。一方面，基于頻率關(guān)系，開(kāi)展業(yè)務(wù)運(yùn)營(yíng)；另一方面，為客戶提供接觸、溝通的平臺(tái)，真正推動(dòng)客戶的關(guān)系深化[9-10]。

其中，業(yè)務(wù)廣播是基于圈子的特定屬性推廣特定的業(yè)務(wù)，推廣對(duì)象之間存在著淺關(guān)系；P2P點(diǎn)對(duì)點(diǎn)業(yè)務(wù)是推薦、拉新等業(yè)務(wù)類型，如流量轉(zhuǎn)贈(zèng)、流量共享等；線下活動(dòng)則是真正將淺關(guān)系營(yíng)銷落實(shí)為推動(dòng)人們關(guān)系發(fā)展的工具，如針對(duì)某些關(guān)系層的目標(biāo)用戶推廣電影俱樂(lè)部的優(yōu)惠、針對(duì)美食偏好的團(tuán)隊(duì)推薦美食優(yōu)惠等。

淺關(guān)系模糊營(yíng)銷解決方案基于電信業(yè)內(nèi)部大數(shù)據(jù)，結(jié)合數(shù)據(jù)模型的應(yīng)用，實(shí)現(xiàn)了給出一個(gè)號(hào)碼即可得到這個(gè)號(hào)碼的關(guān)系圈的效果。在得到目標(biāo)號(hào)碼的關(guān)系圈后，隨機(jī)配套不同業(yè)務(wù)屬性偏好的營(yíng)銷方案，通過(guò)快速營(yíng)銷觸發(fā)，實(shí)現(xiàn)集群精準(zhǔn)營(yíng)銷的效果。

3 運(yùn)營(yíng)商關(guān)系嗅探方案應(yīng)用效果

本項(xiàng)目可廣泛引入到運(yùn)營(yíng)商家庭、集團(tuán)及數(shù)據(jù)業(yè)務(wù)運(yùn)營(yíng)等多個(gè)市場(chǎng)運(yùn)營(yíng)維度，并可應(yīng)用于全業(yè)務(wù)價(jià)值的提升，有利于大連接策略的價(jià)值提升。

（1）家庭、集團(tuán)類業(yè)務(wù)運(yùn)營(yíng)的引入

家庭、集團(tuán)類業(yè)務(wù)對(duì)關(guān)系具有強(qiáng)烈的依賴，是否能準(zhǔn)確識(shí)別關(guān)系和拓展關(guān)系是本類產(chǎn)品發(fā)展的關(guān)鍵。通過(guò)本成果，可以準(zhǔn)確、實(shí)時(shí)地為這兩個(gè)線條的運(yùn)營(yíng)提供精準(zhǔn)的數(shù)據(jù)和實(shí)時(shí)的營(yíng)銷途徑，從而提高這類產(chǎn)品的營(yíng)銷效率。

案例：針對(duì)6.2萬(wàn)個(gè)樣本圈子共10萬(wàn)用戶，通過(guò)短信PUSH、閱讀客戶端和書(shū)包推薦運(yùn)營(yíng)成功辦理8800筆，平均成功率為8.8%，高于常規(guī)基于網(wǎng)絡(luò)行為的精準(zhǔn)營(yíng)銷接近5個(gè)百分點(diǎn)。

（2）數(shù)字內(nèi)容業(yè)務(wù)推廣、流量業(yè)務(wù)轉(zhuǎn)贈(zèng)、分享策略引入

由于本成果能夠?qū)崟r(shí)準(zhǔn)確產(chǎn)出3個(gè)層次關(guān)系圈，且能基于關(guān)系圈快速聚類分析，固化自動(dòng)營(yíng)銷模板，因此對(duì)于數(shù)字內(nèi)容推廣將能帶來(lái)截然不同的效果。

案例：針對(duì)具有星座屬性偏好的用戶，通過(guò)推薦分享的方式向圈內(nèi)好友推廣星座雜志《Star Week》，并配合大環(huán)境的社區(qū)廣告物料投放、輕營(yíng)銷端口的跟進(jìn)自動(dòng)營(yíng)銷，成功實(shí)現(xiàn)了該雜志銷售4萬(wàn)冊(cè)的提升，成功率高達(dá)29%。

（3）全業(yè)務(wù)維度引入，可以通過(guò)圈子氛圍的搭建推動(dòng)圈子相似度提升，從而間接帶來(lái)業(yè)務(wù)收入

案例：通過(guò)淺關(guān)系模型圈定2800個(gè)圈子共1萬(wàn)名客戶，通過(guò)外呼開(kāi)展套餐進(jìn)階運(yùn)營(yíng)，以推動(dòng)其圈子流量的相似性（10元套餐），成功辦理1900筆，使得圈子流量套餐平均相似度從45%提升至49.4%。

從目前營(yíng)銷實(shí)例的平均提升來(lái)看，淺關(guān)系模糊營(yíng)銷模型的引入能夠帶來(lái)最低4%、最高30%的效率提升；從目前中國(guó)移動(dòng)?xùn)|莞分公司投入在業(yè)務(wù)折扣上的總額計(jì)算，每年至少能減少折扣800萬(wàn)～6000萬(wàn)的投入。

4 結(jié)束語(yǔ)

近年來(lái)，各行業(yè)對(duì)客戶關(guān)系口碑的運(yùn)營(yíng)價(jià)值日益重視。本項(xiàng)目能夠基于實(shí)時(shí)動(dòng)態(tài)產(chǎn)出客戶相對(duì)準(zhǔn)確的關(guān)系圈，并形成有效、快速的自動(dòng)營(yíng)銷機(jī)制，這樣一方面大幅提升大數(shù)據(jù)精準(zhǔn)營(yíng)銷的效能，另一方面可以改變傳統(tǒng)營(yíng)銷運(yùn)營(yíng)方式，為客戶提供更多的相互溝通機(jī)會(huì)的同時(shí)創(chuàng)造價(jià)值[11]。

本文從當(dāng)前運(yùn)營(yíng)商缺乏客戶關(guān)系識(shí)別工具這一難題出發(fā)，采用大數(shù)據(jù)建模的方法，分析運(yùn)營(yíng)商底層信令平臺(tái)數(shù)據(jù)，研究層次分析法和客戶日常接觸溝通頻率層次的界定，提出淺關(guān)系模糊營(yíng)銷快速方案，并將該方案置于運(yùn)營(yíng)實(shí)踐中進(jìn)行檢驗(yàn)，獲得了較好的效果。在未來(lái)，基于運(yùn)營(yíng)商底層大數(shù)據(jù)建模嗅探關(guān)系，一方面，能發(fā)揮大數(shù)據(jù)輕營(yíng)銷的威力，通過(guò)網(wǎng)絡(luò)將更為精準(zhǔn)的營(yíng)銷產(chǎn)品推薦至客戶手中，并在關(guān)系口碑中構(gòu)建風(fēng)向標(biāo)，引領(lǐng)業(yè)務(wù)體驗(yàn)潮流；另一方面，運(yùn)營(yíng)商將基于內(nèi)部的關(guān)系積累，逐步探索大數(shù)據(jù)變現(xiàn)和大數(shù)據(jù)連接互聯(lián)網(wǎng)，實(shí)現(xiàn)變現(xiàn)探索的同時(shí)在關(guān)系圈營(yíng)銷中匹配更為廣泛的互聯(lián)網(wǎng)產(chǎn)品，以推動(dòng)運(yùn)營(yíng)商轉(zhuǎn)型。

參考文獻(xiàn)：

[1] 張洋，秦艷鋒. 嗅探器發(fā)現(xiàn)技術(shù)研究[J]. 計(jì)算機(jī)工程與設(shè)計(jì)， 2006（12）： 2143-2145.

[2] 黃皓. ARP協(xié)議分析及在網(wǎng)絡(luò)安全中的應(yīng)用實(shí)現(xiàn)[D]. 成都： 電子科技大學(xué)， 2007.

[3] 謝文華. 種子大小對(duì)巖松鼠覓食策略的影響[D]. 吉首： 吉首大學(xué)， 2015.

[4] 楊洋. 基于知識(shí)模型的個(gè)性化學(xué)習(xí)需求智能挖掘技術(shù)[D]. 成都： 四川師范大學(xué)， 2013.

[5] 馮永進(jìn). 基于POMDP的仿生鼻主動(dòng)感知研究[D]. 杭州： 浙江工商大學(xué)， 2015.

[6] 溫乃寧，龔尚福. 基于Winpcap嗅探器技術(shù)分析與實(shí)現(xiàn)[J]. 高校實(shí)驗(yàn)室工作研究， 2013（1）： 45-46.

[7] 盧華. 基于WinPcap的網(wǎng)絡(luò)嗅探器的設(shè)計(jì)與實(shí)現(xiàn)[D]. 長(zhǎng)春： 吉林大學(xué)， 2014.

[8] 楊明濤. 基于嗅探技術(shù)的網(wǎng)絡(luò)監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 長(zhǎng)沙： 中南大學(xué)， 2007.

[9] 李天鎮(zhèn). 嗅探技術(shù)應(yīng)用于ARP攻擊檢測(cè)的研究[D]. 大連： 大連海事大學(xué)， 2008.

[10] 宋學(xué)軍. 網(wǎng)絡(luò)安全監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 杭州： 浙江大學(xué)， 2005.

[11] 俞淑婷. 基于WLAN嗅探攻防的安全技術(shù)研究[D]. 天津： 天津大學(xué)， 2014.★