网络流量的检验方法和装置制造方法及图纸

本申请公开了一种网络流量的检验方法和装置。其中，该方法包括：获取待检验时间内网络流量的实际数据和参考时间内网络流量的实际数据，其中，参考时间为在待检验时间之前并与待检验时间相邻的时间；基于待检验时间内网络流量的实际数据和参考时间内网络流量的实际数据，计算待检验时间内网络流量的预测数据；计算待检验时间内网络流量的实际数据和预测数据之间的误差；根据预测数据和误差确定待检验时间内网络流量的预测范围；以及如果检验出待检验时间内网络流量的实际数据超出预测范围，则确定待检验时间内网络流量出现异常。本申请解决了现有技术中检验网络流量的效率比较低的技术问题。

Method and device for checking network traffic

The present invention discloses a method and a device for checking network traffic. Among them, the method includes: actual data, network traffic to obtain network traffic to be tested in the real time data and reference time of the reference time is before the test time and test time of adjacent time; the actual data of network traffic to be tested in real time data and reference time. Based on the calculation and prediction of network traffic data to test time; error between the calculation of network traffic to be tested in actual and predicted data; according to the forecast data and network traffic prediction error to determine the scope of the inspection time; and if the test of actual network traffic data to be tested time beyond the forecast range it is determined to test network traffic anomaly in time. The utility model solves the technical problem that the efficiency of checking network traffic is low in the prior art.

【技术实现步骤摘要】
网络流量的检验方法和装置
本申请涉及数据处理领域，具体而言，涉及一种网络流量的检验方法和装置。
技术介绍
对于网络流量数据，通常需要进行流量异常与否的检验，现有技术中进行流量异常检验的方式有很多，较常用的有基于域值的检验方式，基于统计的检验方式，基于小波的检验方式，基于马尔可夫等随机过程模型的方式和一些基于机器学习、数据挖掘和神经网络等检验方式。以上方式，具体检验过程均需要人工干预，导致整体的检验速度低，效率低下。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种网络流量的检验方法和装置，以至少解决现有技术中检验网络流量的效率比较低的技术问题。根据本申请实施例的一个方面，提供了一种网络流量的检验方法，包括：获取待检验时间内网络流量的实际数据和参考时间内网络流量的实际数据，其中，所述参考时间为在所述待检验时间之前并与所述待检验时间相邻的时间；基于所述待检验时间内网络流量的实际数据和所述参考时间内网络流量的实际数据，计算所述待检验时间内网络流量的预测数据；计算所述待检验时间内网络流量的实际数据和所述预测数据之间的误差；根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围；以及如果检验出所述待检验时间内网络流量的实际数据超出所述预测范围，则确定所述待检验时间内网络流量出现异常。进一步地，基于所述待检验时间内网络流量的实际数据和所述参考时间内网络流量的实际数据，计算所述待检验时间内网络流量的预测数据包括：获取计算网络流量的初始递推公式，其中，所述初始递推公式中含有未知预设参数；以所述参考时间内网络流量的实际数据作为训练数据，代入所述初始递推公式，计算出所述未知预设参数；以及将所述待检验时间内网络流量的实际数据代入目标递推公式，得到所述预测数据，其中，所述目标递推公式为计算出所述未知预设参数后的所述初始递推公式。进一步地，获取到的所述初始递推公式的数量为多个，以所述参考时间内网络流量的实际数据作为训练数据，代入所述初始递推公式，计算出所述未知预设参数包括：将所述参考时间内网络流量的实际数据依次代入每个所述初始递推公式，计算出每个所述初始递推公式的所述未知预设参数，将所述待检验时间内网络流量的实际数据代入目标递推公式，得到所述预测数据包括：将所述待检验时间内网络流量的实际数据代入每个所述目标递推公式，得到多组所述预测数据，计算所述待检验时间内网络流量的实际数据和所述预测数据之间的误差包括：计算所述待检验时间内网络流量的实际数据和每一组所述预测数据之间的误差，得到多个所述误差，根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围包括：从多个所述误差中筛选出最小误差；以及根据与所述最小误差对应的一组所述预测数据和所述最小误差确定所述预测范围。进一步地，所述误差为均方差，根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围包括：计算所述均方差所对应的标准差；确定所述预测数据与预设倍数的所述标准差之和为所述预测范围的上界；以及确定所述预测数据与所述预设倍数的所述标准差之差为所述预测范围的下界。进一步地，所述待检验时间包括多个时间节点，所述预测数据包括每个所述时间节点的预测数据，确定所述预测数据与预设倍数的所述标准差之和为所述预测范围的上界包括：确定时间节点j的所述预测数据与所述预设倍数的所述标准差之和为所述时间节点j的所述预测范围的上界，其中，j依次取1至N，时间节点1至时间节点N构成所述多个时间节点，确定所述预测数据与所述预设倍数的所述标准差之差为所述预测范围的下界包括：确定所述时间节点j的所述预测数据与所述预设倍数的所述标准差之差为所述时间节点j的所述预测范围的下界。进一步地，在确定所述时间节点j的所述预测数据与所述预设倍数的所述标准差之差为所述时间节点j的所述预测范围的下界之后，所述方法还包括：绘制所述预测范围基于每个所述时间节点的图形；以及将每个所述时间节点的实际数据绘制在所述图形上。进一步地，如果检验出所述待检验时间内网络流量的实际数据超出所述预测范围，则确定所述待检验时间内网络流量出现异常包括：如果检验出时间节点X内网络流量的实际数据超出所述时间节点X的所述预测范围，则确定所述时间节点X内网络流量出现异常，其中，所述时间节点X为所述时间节点1至时间节点N中的时间节点；以及返回所述时间节点X。根据本申请实施例的一个方面，提供了一种网络流量的检验装置，包括：获取单元，用于获取待检验时间内网络流量的实际数据和参考时间内网络流量的实际数据，其中，所述参考时间为在所述待检验时间之前并与所述待检验时间相邻的时间；第一计算单元，用于基于所述待检验时间内网络流量的实际数据和所述参考时间内网络流量的实际数据，计算所述待检验时间内网络流量的预测数据；第二计算单元，用于计算所述待检验时间内网络流量的实际数据和所述预测数据之间的误差；第一确定单元，用于根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围；以及第二确定单元，用于在检验出所述待检验时间内网络流量的实际数据超出所述预测范围的情况下，确定所述待检验时间内网络流量出现异常。进一步地，所述第一计算单元包括：获取子单元，用于获取计算网络流量的初始递推公式，其中，所述初始递推公式中含有未知预设参数；第一代入子单元，用于以所述参考时间内网络流量的实际数据作为训练数据，代入所述初始递推公式，计算出所述未知预设参数；以及第二代入子单元，用于将所述待检验时间内网络流量的实际数据代入目标递推公式，得到所述预测数据，其中，所述目标递推公式为计算出所述未知预设参数后的所述初始递推公式。进一步地，所述获取子单元获取到的所述初始递推公式的数量为多个，所述第一代入子单元包括：第一代入模块，用于将所述参考时间内网络流量的实际数据依次代入每个所述初始递推公式，计算出每个所述初始递推公式的所述未知预设参数，所述第二代入子单元包括：第二代入模块，用于将所述待检验时间内网络流量的实际数据代入每个所述目标递推公式，得到多组所述预测数据，所述第二计算单元包括：第一计算子单元，用于计算所述待检验时间内网络流量的实际数据和每一组所述预测数据之间的误差，得到多个所述误差，所述第一确定单元包括：筛选子单元，用于从多个所述误差中筛选出最小误差；以及第一确定子单元，用于根据与所述最小误差对应的一组所述预测数据和所述最小误差确定所述预测范围。进一步地，所述误差为均方差，所述第一确定单元包括：第二计算子单元，用于计算所述均方差所对应的标准差；第二确定子单元，用于确定所述预测数据与预设倍数的所述标准差之和为所述预测范围的上界；以及第三确定子单元，用于确定所述预测数据与所述预设倍数的所述标准差之差为所述预测范围的下界。进一步地，所述待检验时间包括多个时间节点，所述预测数据包括每个所述时间节点的预测数据，所述第二确定子单元包括：第一确定模块，用于确定时间节点j的所述预测数据与所述预设倍数的所述标准差之和为所述时间节点j的所述预测范围的上界，其中，j依次取1至N，时间节点1至时间节点N构成所述多个时间节点，所述第三确定子单元包括：第二确定模块，用于确定所述时间节点j的所述预测数据与所述预设倍数的所述标准差之差为所述时间节点j的所述预测本文档来自技高网...

【技术保护点】
一种网络流量的检验方法，其特征在于，包括：获取待检验时间内网络流量的实际数据和参考时间内网络流量的实际数据，其中，所述参考时间为在所述待检验时间之前并与所述待检验时间相邻的时间；基于所述待检验时间内网络流量的实际数据和所述参考时间内网络流量的实际数据，计算所述待检验时间内网络流量的预测数据；计算所述待检验时间内网络流量的实际数据和所述预测数据之间的误差；根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围；以及如果检验出所述待检验时间内网络流量的实际数据超出所述预测范围，则确定所述待检验时间内网络流量出现异常。

【技术特征摘要】
1.一种网络流量的检验方法，其特征在于，包括：获取待检验时间内网络流量的实际数据和参考时间内网络流量的实际数据，其中，所述参考时间为在所述待检验时间之前并与所述待检验时间相邻的时间；基于所述待检验时间内网络流量的实际数据和所述参考时间内网络流量的实际数据，计算所述待检验时间内网络流量的预测数据；计算所述待检验时间内网络流量的实际数据和所述预测数据之间的误差；根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围；以及如果检验出所述待检验时间内网络流量的实际数据超出所述预测范围，则确定所述待检验时间内网络流量出现异常。2.根据权利要求1所述的方法，其特征在于，基于所述待检验时间内网络流量的实际数据和所述参考时间内网络流量的实际数据，计算所述待检验时间内网络流量的预测数据包括：获取计算网络流量的初始递推公式，其中，所述初始递推公式中含有未知预设参数；以所述参考时间内网络流量的实际数据作为训练数据，代入所述初始递推公式，计算出所述未知预设参数；以及将所述待检验时间内网络流量的实际数据代入目标递推公式，得到所述预测数据，其中，所述目标递推公式为计算出所述未知预设参数后的所述初始递推公式。3.根据权利要求2所述的方法，其特征在于，获取到的所述初始递推公式的数量为多个，以所述参考时间内网络流量的实际数据作为训练数据，代入所述初始递推公式，计算出所述未知预设参数包括：将所述参考时间内网络流量的实际数据依次代入每个所述初始递推公式，计算出每个所述初始递推公式的所述未知预设参数，将所述待检验时间内网络流量的实际数据代入目标递推公式，得到所述预测数据包括：将所述待检验时间内网络流量的实际数据代入每个所述目标递推公式，得到多组所述预测数据，计算所述待检验时间内网络流量的实际数据和所述预测数据之间的误差包括：计算所述待检验时间内网络流量的实际数据和每一组所述预测数据之间的误差，得到多个所述误差，根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围包括：从多个所述误差中筛选出最小误差；以及根据与所述最小误差对应的一组所述预测数据和所述最小误差确定所述预测范围。4.根据权利要求1所述的方法，其特征在于，所述误差为均方差，根据所述预测数据和所述误差确定所述待检验时间内网络流量的预测范围包括：计算所述均方差所对应的标准差；确定所述预测数据与预设倍数的所述标准差之和为所述预测范围的上界；以及确定所述预测数据与所述预设倍数的所述标准差之差为所述预测范围的下界。5.根据权利要求4所述的方法，其特征在于，所述待检验时间包括多个时间节点，所述预测数据包括每个所述时间节点的预测数据，确定所述预测数据与预设倍数的所述标准差之和为所述预测范围的上界包括：确定时间节点j的所述预测数据与所述预设倍数的所述标准差之和为所述时间节点j的所述预测范围的上界，其中，j依次取1至N，时间节点1至时间节点N构成所述多个时间节点，确定所述预测数据与所述预设倍数的...

【专利技术属性】
技术研发人员：王蒙，饶峰云，
申请(专利权)人：北京国双科技有限公司，
类型：发明
国别省市：北京,11