网络大数据中与Web用户行为相关的数据，例如在线点击数据和通讯记录等，为人们深度挖掘和定量分析人类兴趣动力学带来了机遇，这些在线行为数据被称为大数据时代的“小数据”，有助于揭示许多复杂的人类社会与经济现象.Web用户行为建模时常见的前提假设就是人的行为符合Markov过程，用户下一行为仅依赖于当前行为，与过去的历史行为无关.然而，在线用户行为是一个复杂过程，常常依赖于人的兴趣，对于人类兴趣动力学的本质规律目前知之甚少.利用中国互联网络信息中心提供的30000多名在线用户行为记录数据，基于块熵理论对在线用户行为进行分类研究，通过信息论分析方法，结合熵增曲线的离散导数和积分理论，分析在线用户点击行为的随机性和记忆性特征.研究表明，与常见的假设不同，Web用户的行为并不是一个简单的Markov过程，而是一个符合幂率的非周期无限长程记忆过程；进一步还发现，用户在线连续点击7个兴趣点，其行为的平均预测增益就可达到95.3%以上，可为大数据时代在线用户兴趣精准预测提供理论指导.

主要研究科研合作网络(scientific collaboration network, SCN)中选择审稿人的2个核心问题：网络构建和社区聚类.基于杂志论文的审稿人主要来自本杂志作者及审稿人应尽量评审与自己无关的科研工作这2个事实，通过论文中作者的排名计算所有作者之间的合作关系，构建归一化科研合作网络.考虑到网络中边的稀疏性，设计了合作压缩感知算法来计算不同作者间的社区类型，进行科研合作社区聚类.在模拟数据及2个真实期刊作者库上开展了多个实验.由于没有一个客观标准去评估所选出审稿人的合适性，通过网络中顶点连接矩阵的自动聚类性评估所构建科研网络的性能，通过作者合作团体的检测准确性来评价审稿人挑选的有效性.从实验结果可以看出，提出的网络构建方法具有较好的顶点聚类性；和经典算法相比，合作压缩感知社区检测算法在检测速度和稳定性方面具有很大的优势，审稿人挑选正确率提高了大约60%.

随着网络技术的迅速发展和新型应用的不断涌现，网络中的数据急剧增长给基于TCP/IP的Internet带来严峻挑战.为了支持用户对海量数据的访问，信息中心网络(information-centric networking, ICN)成为未来互联网的研究热点之一.提出一种数据驱动的ICN认知路由协议.每个路由节点都被赋予感知、询问、学习、推理和反馈等认知行为；通过感知行为，节点获取本地拓扑、路由请求处理信息和流行内容等；通过询问行为，节点构建邻居缓存表等；通过学习行为，节点得到经验路径信息等；通过推理行为，分析节点间关系，构建朋友缓存表等；通过反馈行为，基于指引信息，作出路由决策等.仿真结果表明，提出的协议是可行和有效的，具有较好的性能.

由于数据中心网络是云计算和下一代网络技术的平台和基础设施，日益增长的网络数据在满足用户需求的同时，也大幅增加了数据中心的能耗.许多针对数据中心网络的节能策略被提出，多数采用硬件与软件相结合的策略来完成节能模型的设计.为了进一步降低能耗，从网络负载均衡和节能路由设计的角度提出了一种新的节能路由算法，其基本思想是首先对负载均衡进行量化分析，然后提出带宽限定的负载均衡与节能相结合的节能路由算法，充分考虑到网络整体的可达性和可靠性.该算法为数据中心节能提供了一种新的视角.通过与传统的节能路由作比较，验证了该算法能够在保证较高网络可靠性的同时能耗较低.通过对实验数据的分析和解释得到了若干有益的结论，为进一步的研究工作奠定了基础.

降质(reduction of quality, RoQ)攻击是一种非典型拒绝服务攻击，它利用TCP自适应机制的安全漏洞能够显著降低或抑制TCP服务质量，且具有很强的隐蔽性.现有的研究集中在针对单条网络链路上的攻击和检测.但是，RoQ攻击的对象并不局限于此，它既可以对单条链路发动攻击，也可以有选择的对多条链路(甚至整个网络)发起攻击，造成更大的危害，所以需要有一种能够从网络全局角度分析和识别的方法.为此，提出了一种基于骨干网络流量分析的异常监测、定位和识别的方法MIL-RoQ(monitoring, identifying and locating the RoQ attack in backbone network).主要使用主成分分析(principal component analysis, PCA)和频谱分析(spectrum analysis)技术对骨干流量进行流量建模分析，从全局角度监测网络流量变化情况，能够同时分析和判断多条链路的异常情况，并能准确识别出RoQ攻击.使用了CERNET骨干网络数据进行实验分析，结果表明该方法能够有效地定位和识别RoQ攻击；同时，攻击识别时只需要使用局部的流量数据，因而能显著降低计算量和复杂度.

近年来，随着互联网、移动网、物联网、社会网等网络技术的迅猛发展，“人-机-物”网络空间中网络规模不断膨胀、网络结构日益复杂、信息与数据也呈爆炸式增长。在此背景下，传统的技术手段在解决网络控制、资源管理、服务质量和异常检测等网络问题时会存在一定的局限性。而日趋成熟的大数据理论及方法，为解决这些问题提供了新的机遇，也吸引了网络科学研究者们的注意，并衍生出大数据驱动的网络科学研究这一新兴的研究领域。为面对挑战，交流研究体会，《计算机研究与发展》推出了大数据驱动的网络科学研究专题。本期专题通过公开征文收到40余篇投稿，论文在多个方面阐述了该领域中具有重要意义的研究成果，展示该领域近期的热点及其研究现状。本专题的审稿严格按照期刊审稿要求进行，特邀编委先后邀请了20余位相关领域的专家参与评审，每篇论文邀请至少2-3位专家进行评审，历经初审、复审、终审等阶段，最终从中遴选出5篇高质量的论文入选本专题。这5篇论文分别涵盖了大数据技术在社会网络、网络路由、网络安全等多个网络研究方向上的应用，在一定程度上反映了当前国内研究单位在该领域的主流研究方向。