互联网的广泛应用在提供便利的同时也引入了诸多新的问题。研究表明互联网平台及应用之中存在着大量的匿名用户，其身份的不确定性及行为不可预知性，为网络带来了信息安全隐患。网络安全技术例如防火墙及杀毒软件对此类信息安全问题束手无策，传统的异常检测技术在实战中也面临着两个挑战：首先，“正常”与“异常”之间缺少一个明确的界定。其次，用于训练分析模型及验证实验结果的具有标签信息的实验数据往往难以获得。为了解决这些问题，本项目将运用可视分析技术和方法，结合数据可视化及主动式机器学习技术，以主流社交媒体网络及其他互联网数据为依托，搭建针对网络信息安全的可视分析及检测平台，用于检测并分析网络平台中的异常用户个体及群体行为。该系统通过可视化技术对原始数据及分析结果的直观展现，领域专家能够更好的理解数据特征及分析结果并对其做出精确判断，从而更加准确的指异常检测及数据分析。通过该项目，项目组累计搭建针对异常用户行为监测的可视分析原型系统5个，项目组围绕该课题类及开发各类异常检测核心算法4个，提出全新的针对异常检测的交互式可视化显示技术4项，共完成各类期刊会议科研论文20篇，其中包括10篇CCF A类论文，以及两篇综述论文，综述所刊登的期刊影响因子累计达11.12。项目成果经均通过了真实数据的验证，部分相关技术已经被成功应用在了国内的大型互联网企业当中。