近年来,高校内图书馆资源恶意下载频发,电子资源商一旦发现恶意下载,将立即停止违规IP/IP段的使用权限,使得高校内所有用户无法正常使用电子资源库,严重影响高校中正常用户的使用。因此展开对图书馆资源恶意下载检测的研究具有重要的研究意义。目前,各大高校已根据自身情况对文献下载流量统计与监控进行了研究,大多通过对异常流量、过高下载频率、异常访问请求内容的监控分析判断恶意下载,存在模糊定量、无法精确判断、误判率较高等问题,且对现有的具有伪装能力的低速随机时间间隔爬虫来说不起作用。另外,目前的恶意下载检测均基于IP进行检测,面对校园NAT环境及IP伪造技术时无法识别恶意下载用户真实身份。为解决以上问题,本论文针对图书馆场景,提出一种基于滑动事件窗口的恶意下载检测的算法,将文本内容上的主题相关性作为恶意下载检测依据,利用滑动事件窗口实现检测的随机性,使用聚类算法进行主题聚类,从而进行恶意下载检测。基于所提出的恶意下载检测算法,本研究设计并实现一套图书馆资源恶意下载检测系统。系统利用图书馆资源主题数据收集模块获取用户文献下载请求信息与相关标题或摘要;通过[IP→账号]映射模块与用户账号信息进行关联;在用户行为数据处理模块中提取摘要主题句,统一规范数据,并根据用户账号构建滑动事件窗口;在恶意下载检测模块中通过聚类分析窗口内请求的主题相关性,从而进行恶意下载检测;最后将恶意下载用户信息推送至外部系统,实现告警效果。系统部署在某高校图书馆环境中进行了测试,结果表明,该系统能在传统的基于特征的检测手段上,进一步根据用户请求的主题相关性进行恶意下载检测,对低速的随机时间间隔爬虫具有良好的识别效果。