一种网络流量时空特征提取和异常检测的方法及装置制造方法及图纸

本发明专利技术提出了一种网络流量时空特征提取和异常检测的方法及装置，其中，本发明专利技术的网络流量时空特征提取和异常检测的方法包括：S1)：基于历史网络流量数据建立网络模型；S2)：对所述网络模型进行压缩以建立压缩后的模型；S3)：基于所述压缩后的模型对网络流量数据提取特征并进行异常检测。

A method and device of network traffic temporal and spatial feature extraction and anomaly detection

【技术实现步骤摘要】
一种网络流量时空特征提取和异常检测的方法及装置
本专利技术涉及一种网络流量监测领域，特别涉及一种网络流量时空特征提取和异常检测的方法及装置。
技术介绍
随着计算机网络技术的高速发展，网络已经覆盖社会生活的方方面面。当代的计算机网络架构，是建立在TCP/IP协议的基础上的，由于TCP/IP协议的开放性，计算机病毒的传播也越来越成为人们的困扰，网络安全问题迫在眉睫。网络空间的信息传输和信息交互式以网络流量为载体的，流量数据中包含着大量有价值的信息。通过分析网络流量来判断网络状态，对有效地预防网络攻击行为、维护网络空间安全具有重要意义。作为一种网络态势感知的重要技术支持，网络流量的异常检测近年来受到越来越多的关注。网络流量异常是指对网络正常使用造成不良影响的网络流量模式，流量异常主要由两种原因构成，一是性能原因，二是安全原因。迄今为止，针对安全原因引起的异常，网络流量异常检测的方法可分为以下四类：基于统计、基于聚类、基于信息论、基于分类。基于统计类的网络流量分类，基本思想是不同种类的应用产生的流量特性有所区别。一般的流量特征可以分为两类，一类本文档来自技高网...

【技术保护点】
1.一种网络流量时空特征提取和异常检测的方法，其特征在于，所述方法包括：/nS1)：基于历史网络流量数据建立网络模型；/nS2)：对所述网络模型进行压缩以建立压缩后的模型；/nS3)：基于所述压缩后的模型对网络流量数据提取特征并进行异常检测。/n

【技术特征摘要】
1.一种网络流量时空特征提取和异常检测的方法，其特征在于，所述方法包括：
S1)：基于历史网络流量数据建立网络模型；
S2)：对所述网络模型进行压缩以建立压缩后的模型；
S3)：基于所述压缩后的模型对网络流量数据提取特征并进行异常检测。


2.如权利要求1所述的网络流量时空特征提取和异常检测的方法，其特征在于，步骤S1)包括：
S11)：将所述历史网络流量数据转换为二维图像；
S12)基于ConvLSTM的深度学习网络，并利用转换的二维图像进行训练，以输出所述网络模型。


3.如权利要求2所述的网络流量时空特征提取和异常检测的方法，其特征在于，所述ConvLSTM的由以下公式进行计算：
it＝σ(Wxi*Xt+Whi*Ht-1+WcioCt-1+bi)；
ft＝σ(Wxf*Xt+Whf*Ht-1+WcfoCt-1+bf)；
Ct＝ftoCt-1+itotanh(Wxc*Xt+Whc*Ht-1+bc)
ot＝σ(Wxo*Xt+Who*Ht-1+WcooCt+bo)；
Ht＝ototanh(Ct)；
其中，it、ft、Ct、ot以及Ht分别表征inputgate,forgetgate,cell,outputgate,hidden模块，*表示卷积。


4.如权利要求2所述的网络流量时空特征提取和异常检测的方法，其特征在于，在步骤S11)之前还包括：训练数据以获得所述历史网络流量数据。

【专利技术属性】
技术研发人员：刘冬梅，刘军，张书林，王颖，姜辉，王乔木，柳杨，李学明，赵永利，
申请(专利权)人：国家电网有限公司信息通信分公司，北京邮电大学，
类型：发明
国别省市：北京;11