基于深度学习的工控网络流量预测方法、装置制造方法及图纸

本申请提供的一种基于深度学习的工控网络流量预测方法、装置、计算机设备和存储介质，所述方法包括：获取预设时段内的历史流量包数据；根据所述预设时段内的历史流量包数据和预先建立的模型进行训练，得到流量预测模型；获取待预测时刻；将所述待预测时刻输入所述流量预测模型，得到所述待预测时刻的流量预测值。本申请的方法可以实现预测值的便捷、准确率高以及稳定性高。

【技术实现步骤摘要】
基于深度学习的工控网络流量预测方法、装置
本申请涉及工控网络流量监测
，尤其涉及一种基于深度学习的工控网络流量预测方法、装置、计算机设备和存储介质。
技术介绍
与传统的信息安全相比，工控系统安全有其独特之处。工控系统初始采用的一般都是专用系统，其操作系统、通信协议也与一般的系统有很大差别，相较于开放的互联网环境，工控系统则比较独立，工业控制系统设计之初也是为了完成各种实时控制功能，并没有考虑到安全防护的问题。但随着计算机和网络技术的发展，随着“两化融”、“互联网+”的趋势到来，传统的工业控制系统网络安全(简称工控安全)问题已成为企业及国家安全面临的严峻挑战，受到越来越多的企业及政府关注，工业控制系统在经历很长一段时间的封闭状态之后已经开始发展起来，工控系统通过网络互联使自己暴露在互联网上，从而导致系统本身很容易遭到来自企业管理网或互联网的病毒、木马、黑客的攻击，并且将会导致工控系统所控制的关键基础设施、重要系统等存在巨大的安全风险和隐患。再加上工业网络通常采用传输控制协议/因特网互联协议(TransmissionControlProtoc本文档来自技高网...

【技术保护点】
1.一种基于深度学习的工控网络流量预测方法，其特征在于，所述方法包括：/n获取预设时段内的历史流量包数据；/n根据所述预设时段内的历史流量包数据和预先建立的模型进行训练，得到流量预测模型；/n获取待预测时刻；/n将所述待预测时刻输入所述流量预测模型，得到所述待预测时刻的流量预测值。/n

【技术特征摘要】
1.一种基于深度学习的工控网络流量预测方法，其特征在于，所述方法包括：
获取预设时段内的历史流量包数据；
根据所述预设时段内的历史流量包数据和预先建立的模型进行训练，得到流量预测模型；
获取待预测时刻；
将所述待预测时刻输入所述流量预测模型，得到所述待预测时刻的流量预测值。


2.根据权利要求1所述的基于深度学习的工控网络流量预测方法，其特征在于，所述获取预设时段内的历史流量包数据包括：
按照预设频率采集多个网络设备的PCAP流量包；
对所述多个网络设备的PCAP流量包进行统计，确定PCAP包中固定时间间隔的总流量包数目；
根据所述总流量包和预设流量基线，确定预设时段内的历史流量包数据。


3.根据权利要求2所述的基于深度学习的工控网络流量预测方法，其特征在于，所述根据所述PCAP包中固定时间间隔的总流量包数目和预设流量基线，确定预设时段内的历史流量包数据包括：
若所述PCAP包中固定时间间隔的总流量包数目小于或等于所述预设流量基线，则将所述总流量包的流量数据作为预设时段内的历史流量包数据。


4.根据权利要求3所述的基于深度学习的工控网络流量预测方法，其特征在于，所述根据所述预设时段内的历史流量包数据和预先建立的模型，得到流量预测模型包括：
将所述预设时段内的历史流量包数据按比例分成训练集和验证集；
根据...

【专利技术属性】
技术研发人员：刘红利，刘臻，闫印强，
申请(专利权)人：长扬科技北京有限公司，
类型：发明
国别省市：北京;11