网络流量检测方法、装置、终端设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113612656A(43)申请公布日2021.11.05(21)申请号202110849346.9G06N3/08(2006.01)(22)申请日2021.07.26H04L12/851(2013.01)(71)申请人招商银行股份有限公司地址518000广东省深圳市福田区深南大道7088招商银行大厦(72)发明人瞿毅力裴斐刘哲李云龙龙晓颖(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287代理人梁馨怡(51)Int.Cl.H04L12/26(2006.01)H04L12/24(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书3页说明书16页附图2页(54)发明名称网络流量检测方法、装置、终端设备及存储介质(57)摘要本发明公开了一种网络流量检测方法、装置、终端设备及存储介质，该方法包括：当检测到通信连接请求时，获取通信对数据并进行分类预处理，得到不同类型的监控指标数据；将各类监控指标数据输入至预设的目标分类检测模型中进行分类检测，其中，所述目标分类检测模型是基于历史通信对数据进行迭代训练得到的，其中包括从历史通信对数据中提取的告警阈值曲线；基于所述告警阈值曲线，当检测到所述监控指标数据中存在异常数据时，输出告警提示信息。通过对不同类型的监控指标数据分别进行检测，并从历史通信对数据中提取的告警阈值曲线，可以忽略突发业务导致的瞬时流量超出告警阈值的情况，从而减少无效告警和漏告警，提高了流量异常的检测准确率。CN113612656ACN113612656A权利要求书1/3页1.一种网络流量检测方法，其特征在于，所述网络流量检测方法包括以下步骤：当检测到通信连接请求时，获取所述通信连接请求的通信对数据；对所述通信对数据进行分类预处理，得到不同类型的监控指标数据；将所述监控指标数据输入至预设的目标分类检测模型中，对所述监控指标数据进行分类检测，其中，所述目标分类检测模型是利用历史通信对数据对预设的基础分类检测模型进行迭代训练得到的，所述目标检测模型中包括从所述历史通信对数据中提取的告警阈值曲线；基于所述告警阈值曲线，当检测到所述监控指标数据中存在异常数据时，输出告警提示信息。2.如权利要求1所述的网络流量检测方法，其特征在于，所述当检测到通信连接请求时，获取所述通信连接请求的通信对数据的步骤之前，还包括：获取历史通信对数据，并搭建基础分类检测模型；基于所述历史通信对数据构建样本数据集，并利用所述样本数据集对所述基础分类检测模型进行迭代训练，得到目标分类检测模型。3.如权利要求2所述的网络流量检测方法，其特征在于，所述样本数据集包括样本时间片集，所述基于所述历史通信对数据构建样本数据集的步骤，包括：对所述历史通信对数据进行采样处理，得到采样数据；对所述采样数据中的各所述历史通信对数据的各监控指标数据进行排序和切片处理，得到正样本时间片对，其中，所述正样本时间片对包括前继时间片和后继时间片；对所述正样本时间片对中的后继时间片进行变异操作，得到负样本时间片对；根据所述正样本时间片对和所述负样本时间片对，得到所述样本数据集中的样本时间片集。4.如权利要求3所述的网络流量检测方法，其特征在于，所述样本数据集还包括流量数据集，所述基于所述历史通信对数据构建样本数据集的步骤，还包括：基于所述样本时间片集对所述采样数据中的各所述历史通信对数据进行汇总，得到所述历史通信对数据的各监控指标数据的一维时间序列，其中，所述一维时间序列具有周期性特征；根据所述一维时间序列的周期性特征，对所述一维时间序列进行二维化，得到二维数据；对所述二维数据进行切片处理，得到二维特征矩阵，并从所述二维特征矩阵中截取标签数据，对所述二维特征矩阵中所述标签数据对应的位置进行填补，得到所述样本数据集中的流量数据集。5.如权利要求2所述的网络流量检测方法，其特征在于，所述利用所述样本数据集对所述基础分类检测模型进行迭代训练，得到目标分类检测模型的步骤，包括：将所述样本数据集输入至所述基础分类检测模型中，利用所述基础分类检测模型对所述样本数据集进行多层次卷积处理，得到多维特征信息；对所述多维特征信息进行加权平均计算，得到目标特征值，根据所述目标特征值对所述样本数据集进行预测，得到所述样本数据集的预测数据集合，其中，对所述多维特征信息进行加权平均计算的权重系数为所述基础分类检测模型的模型参数；2CN113612656A权利要求书2/3页根据所述预测数据集合确定所述基础分类模型的损失函数，并利用所述损失函数对所述基础分类检测模型的模型参数进行更新，返回并执行所述将所述样本数据集输入至所述基础分类检测模型中，利用所述基础分类检测模型对所述样本数据集进行多层次卷