网络流量分类方法和装置制造方法及图纸

本发明专利技术实施例提供了一种网络流量类型分类方法，通过获取各个待分类的网络流量，将各个待分类的网络流量输入预先训练完成的目标领域特征提取器中，以得到与每个待分类的网络流量相对应的目标领域流量特征，将目标领域流量特征输入流量分类器中，以触发流量分类器依据各个目标领域流量特征对各个待分类的网络流量的类型进行识别，输出各个待分类的网络流量的流量类型。通过应用本发明专利技术实施例中预先训练完成的目标领域特征提取器提取待分类的网络流量的目标领域流量特征，流量分类器依据目标领域流量特征对网络流量进行分类，流量分类器在训练的过程中不需要对具有新流量特征的网络流量进行采集和标记，降低了需要耗费的人力、物力和时间。

Network Traffic Classification Method and Device

【技术实现步骤摘要】
网络流量分类方法和装置
本专利技术涉及计算机网络
，特别涉及一种网络流量分类方法和装置。
技术介绍
随着大数据时代的到来，新型互联网应用层出不穷，多种类的网络服务广泛应用于生活中，网络业务数据量便随之急剧上升，因此网络流量的组成成分也日益复杂。为了能够更好的实施网络管理及网络安全措施，网络管理者需要对海量的网络流量类型进行分类。现有的网络流量分类方法有很多种，其中基于神经网络模型对网络流量类型的分类方法被广泛应用于生活中，这种分类方法是依据网络流量中的包大小、持续时间等特征来对训练神经网络模型中分类器对网络流量类型的识别过程，当现有的网络流量分类方法使用网络流量的特征来对所述网络流量进行分类时，神经网络模型需要针对网络流量类型所对应的每种特征进行训练，以便对网络流量进行分类。随着网络广泛的应用，每种网络流量类型会随着用户在不同的时间和地点而出现新特征，针对网络流量类型出现的新特征，现有的网络流量分类方法需要采集具有新特征的网络流量作为训练样本，对神经网络分类模型进行分类训练，由此耗费了大量的人力、物力和时间。
技术实现思路
有鉴于此，本专利技术实施例提供一种网络流量分类方法，可应用于对各个网络流量的流量类型进行分类，本专利技术实施例提供的网络流量分类方法中，训练新的流量分类器时不需要对具备新特征的网络流量进行采集和标注，可应用数据库中已标注的网络流量样本对流量分类器进行训练，从而节省了大量的人力、物力和时间。为实现上述目的，本专利技术实施例提供如下技术方案：一种网络流量分类方法，包括：获取各个待分类的网络流量；将所述各个待分类的网络流量输入预先训练完成的目标领域特征提取器中，以得到与每个所述待分类的网络流量相对应的目标领域流量特征；将各个所述目标领域流量特征输入预先训练完成的流量分类器中，触发所述流量分类器依据各个所述目标领域流量特征对所述各个待分类的网络流量的类型进行识别，并输出各个待分类的网络流量的流量类型。上述的方法，可选的，获得所述预先训练完成的流量分类器，包括：构建第一训练模型，所述第一训练模型包括流量分类器和源领域特征提取器；获取预设数据集中的各个源领域网络流量样本，所述源领域网络流量样本为携带类型标签的网络流量，所述类型标签表征所述网络流量的流量类型；将所述各个源领域网络流量样本输入所述源领域特征提取器中，获得与每个所述源领域网络流量样本对应的源领域流量特征；将所述各个源领域流量特征输入所述流量分类器，得到与当前输入至所述流量分类器的所述各个源领域流量特征对应的分类结果，依据各个所述分类结果计算得到与所述第一训练模型对应的第一损失参数，并依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数；实时判断所述第一训练模型对应的第一损失参数是否满足预设的第一收敛条件，当所述第一训练模型对应的第一损失参数满足预设的第一收敛条件时，输出已训练完成的所述流量分类器。上述的方法，可选的，所述将所述各个源领域流量特征输入所述流量分类器，得到与当前输入至所述流量分类器的所述各个源领域流量特征对应的分类结果，依据各个所述分类结果计算得到与所述第一训练模型对应的第一损失参数，并依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数，包括：将所述各个源领域流量特征输入至所述流量分类器中，触发所述流量分类器按照预设的分类算法对各个源领域流量特征进行运算；依据对各个源领域流量特征运算得到的结果确定各个源领域网络流量所对应的流量类型；将各个所述源领域网络流量所确定的流量类型与其对应的所述类型标签进行比较，并将比较得到的结果依据预设的第一函数进行运算，得到所述流量分类器的第一损失参数，依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数。上述的方法，可选的，获得所述预先训练完成的目标领域特征提取器，包括：构建第二训练模型，所述第二训练模型包括目标领域特征提取器，域分类器和所述第一训练模型中已训练完成的所述源领域特征提取器；获取预设数据集中各个源领域网络流量样本和各个目标领域网络流量样本；将所述各个源领域网络流量样本输入至所述源领域特征提取器中，以及将所述各个目标领域网络流量样本输入至所述目标领域特征提取器中，得到所述与每个所述源领域网络流量样本对应的源领域流量特征和与每个所述目标领域网络流量样本对应的目标领域流量特征；将各个流量特征输入所述域分类器，所述各个流量特征为所述各个源领域流量特征和所述各个目标领域流量特征，触发所述域分类器对所述各个流量特征进行领域分类，得到所述各个流量特征的分类结果，依据各个所述分类结果计算得到与所述第二训练模型对应的第二损失参数和第三损失参数，并依据所述第二损失参数调整所述目标领域特征提取器中的各个提取参数和依据所述第三损失参数调整所述域分类器中的各个域分类参数；实时判断所述第二训练模型对应的第二损失参数是否满足预设的第二收敛条件，和预设的第三损失参数是否满足预设的第三收敛条件，当所述第二损失参数满足预设的第二收敛条件且所述第三损失参数满足预设的第三收敛条件时，输出已训练完成的目标特征提取器。上述的方法，可选的，所述将各个流量特征输入所述域分类器，触发所述域分类器对所述各个流量特征进行领域分类，得到所述各个流量特征的分类结果，包括：将所述各个流量特征输入至所述域分类器中，触发所述域分类器依据预设的分类算法对所述各个流量特征进行运算，得到各个流量特征的运算结果，依据所述各个运算结果确定对应流量特征的领域类别，得到各个流量特征的分类结果，并确定各个所述流量特征对应的网络流量的领域类别，输出各个所述网络流量的分类结果。一种网络流量分类装置，包括：第一获取单元，用于获取各个待分类的网络流量；第一输入单元，用于将所述各个待分类的网络流量输入预先训练完成的目标领域特征提取器中，以得到与每个所述待分类的网络流量相对应的目标领域流量特征；输出单元，用于将各个所述目标领域流量特征输入预先训练完成的流量分类器中，触发所述流量分类器依据各个所述目标领域流量特征对所述各个待分类的网络流量的类型进行识别，并输出各个待分类的网络流量的流量类型。上述的装置，可选的，还包括：第一构建单元，用于构建第一训练模型，所述第一训练模型包括流量分类器和源领域特征提取器；第二获取单元，用于获取预设数据集中的各个源领域网络流量样本，所述源领域网络流量样本为携带类型标签的网络流量，所述类型标签表征所述网络流量的流量类型；第二输入单元，用于将所述各个源领域网络流量样本输入所述源领域特征提取器中，获得与每个所述源领域网络流量样本对应的源领域流量特征；第一调整单元，用于将所述各个源领域流量特征输入所述流量分类器，得到与当前输入至所述流量分类器的所述各个源领域流量特征对应的分类结果，依据各个所述分类结果计算得到与所述第一训练模型对应的第一损失参数，并依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数；第一判断单元，用于实时判断所述第一训练模型对应的第一损失参数是否满足预设的第一收敛条件，当所述第一训练模型对应的第一损失参数满足预设的第一收敛条件时，输出已训练完成的所述流量分类器。上述的装置，可选的，所述第一调整单元，包括：触发子单元，用于将所述各个源领域流量特征输入至所述流量分类器中，触发所述流量分类器按照本文档来自技高网...

【技术保护点】
1.一种网络流量分类方法，其特征在于，包括：获取各个待分类的网络流量；将所述各个待分类的网络流量输入预先训练完成的目标领域特征提取器中，以得到与每个所述待分类的网络流量相对应的目标领域流量特征；将各个所述目标领域流量特征输入预先训练完成的流量分类器中，触发所述流量分类器依据各个所述目标领域流量特征对所述各个待分类的网络流量的类型进行识别，并输出各个待分类的网络流量的流量类型。

【技术特征摘要】
1.一种网络流量分类方法，其特征在于，包括：获取各个待分类的网络流量；将所述各个待分类的网络流量输入预先训练完成的目标领域特征提取器中，以得到与每个所述待分类的网络流量相对应的目标领域流量特征；将各个所述目标领域流量特征输入预先训练完成的流量分类器中，触发所述流量分类器依据各个所述目标领域流量特征对所述各个待分类的网络流量的类型进行识别，并输出各个待分类的网络流量的流量类型。2.根据权利要求1所述的方法，其特征在于，获得所述预先训练完成的流量分类器，包括：构建第一训练模型，所述第一训练模型包括流量分类器和源领域特征提取器；获取预设数据集中的各个源领域网络流量样本，所述源领域网络流量样本为携带类型标签的网络流量，所述类型标签表征所述网络流量的流量类型；将所述各个源领域网络流量样本输入所述源领域特征提取器中，获得与每个所述源领域网络流量样本对应的源领域流量特征；将所述各个源领域流量特征输入所述流量分类器，得到与当前输入至所述流量分类器的所述各个源领域流量特征对应的分类结果，依据各个所述分类结果计算得到与所述第一训练模型对应的第一损失参数，并依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数；实时判断所述第一训练模型对应的第一损失参数是否满足预设的第一收敛条件，当所述第一训练模型对应的第一损失参数满足预设的第一收敛条件时，输出已训练完成的所述流量分类器。3.根据权利要求2所述的方法，其特征在于，所述将所述各个源领域流量特征输入所述流量分类器，得到与当前输入至所述流量分类器的所述各个源领域流量特征对应的分类结果，依据各个所述分类结果计算得到与所述第一训练模型对应的第一损失参数，并依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数，包括：将所述各个源领域流量特征输入至所述流量分类器中，触发所述流量分类器按照预设的分类算法对各个源领域流量特征进行运算；依据对各个源领域流量特征运算得到的结果确定各个源领域网络流量所对应的流量类型；将各个所述源领域网络流量所确定的流量类型与其对应的所述类型标签进行比较，并将比较得到的结果依据预设的第一函数进行运算，得到所述流量分类器的第一损失参数，依据所述第一损失参数调整所述流量分类器中的各个流量类型分类参数。4.根据权利要求2或3任意一项所述的方法，其特征在于，获得所述预先训练完成的目标领域特征提取器，包括：构建第二训练模型，所述第二训练模型包括目标领域特征提取器，域分类器和所述第一训练模型中已训练完成的所述源领域特征提取器；获取预设数据集中各个源领域网络流量样本和各个目标领域网络流量样本；将所述各个源领域网络流量样本输入至所述源领域特征提取器中，以及将所述各个目标领域网络流量样本输入至所述目标领域特征提取器中，得到所述与每个所述源领域网络流量样本对应的源领域流量特征和与每个所述目标领域网络流量样本对应的目标领域流量特征；将各个流量特征输入所述域分类器，所述各个流量特征为所述各个源领域流量特征和所述各个目标领域流量特征，触发所述域分类器对所述各个流量特征进行领域分类，得到所述各个流量特征的分类结果，依据各个所述分类结果计算得到与所述第二训练模型对应的第二损失参数和第三损失参数，并依据所述第二损失参数调整所述目标领域特征提取器中的各个提取参数和依据所述第三损失参数调整所述域分类器中的各个域分类参数；实时判断所述第二训练模型对应的第二损失参数是否满足预设的第二收敛条件，和预设的第三损失参数是否满足预设的第三收敛条件，当所述第二损失参数满足预设的第二收敛条件且所述第三损失参数满足预设的第三收敛条件时，输出已训练完成的目标特征提取器。5.根据所述权利要求4所述的方法，其特征在于，所述将各个流量特征输入所述域分类器，触发所述域分类器对所述各个流量特征进行领域分类，得到所述各个流量特征的分类结果，包括：将所述各个流量特征输入至所述域分类器中，触发所述域分类器依据预设的分类算法对所述各个流量特征进行运算，得到各个流量特征的运算结果，依据所述各个运算结果确定对应流量特征的领域类别，得到各个流量特征的分类结果，并确定各个所述流量特征对应...

【专利技术属性】
技术研发人员：陈双武，李檀，杨坚，吴枫，张勇东，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34