获取流量预测范围的方法、装置、设备及存储介质制造方法及图纸

本申请公开了获取流量预测范围的方法、装置、设备及存储介质，方法包括：获取第一网络设备在第一时间段内的目标连接状态数据；提取该目标连接状态数据的特征，根据该目标连接状态数据的特征对目标连接状态数据进行分类，得到目标连接状态数据的类别。之后，根据目标连接状态数据的类别获取第一网络设备的目标流量预测范围，该目标流量预测范围用于检测第一网络设备在第二时间段内的流量是否异常。通过对第一网络设备的目标连接状态数据进行特征提取及分类，从而得到表征目标连接状态数据的数据分布特点的类别，基于类别获取目标流量预测范围，使得据此进行流量异常检测的结果更加准确，提高了异常检测的准确率。提高了异常检测的准确率。提高了异常检测的准确率。

【技术实现步骤摘要】
获取流量预测范围的方法、装置、设备及存储介质


[0001]本申请涉及通信领域，尤其涉及获取流量预测范围的方法、装置、设备及存储介质。

技术介绍

[0002]通信网络中，网络设备之间的通信状态能够用来定义网络设备的连接状态，如果某个网络设备故障，与该故障的网络设备直接连接的其他网络设备以及经过该故障的网络设备传送的报文都会受到影响。
[0003]例如，数据中心网络(data center network，DCN)中通常包含数以万计的虚拟机(virtual machine，VM)，这些虚拟机之间相互通信，以协同完成各项业务，因而通过VM之间的通信状态能够用来定义VM的连接状态。当某个VM故障后，与该故障的VM直接连接的其他VM以及经过该故障的VM传送的报文都会受到影响，报文传输路径上该故障的VM的连接数也会受到影响。因此，有必要提供一种流量异常检测的有效方式。其中，获取流量预测范围，根据该流量预测范围来检测流量是否异常，便是其中的一种检测方式。在该种检测方式中，如何获取流量预测范围，是检测结果是否准确的关键。
专利
技术实现思路

本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获取流量预测范围的方法，其特征在于，所述方法包括：获取第一网络设备在第一时间段内的目标连接状态数据；提取所述目标连接状态数据的特征；根据所述目标连接状态数据的特征对所述目标连接状态数据进行分类，得到所述目标连接状态数据的类别，所述目标连接状态数据的类别用于表征所述目标连接状态数据的数据分布特点；根据所述目标连接状态数据的类别获取所述第一网络设备的目标流量预测范围，所述目标流量预测范围用于检测所述第一网络设备在第二时间段内的流量是否异常，所述第一时间段早于所述第二时间段。2.根据权利要求1所述的方法，其特征在于，所述目标连接状态数据的类别为平稳类、周期类和随机类中的至少一种类别。3.根据权利要求1或2所述的方法，其特征在于，所述目标连接状态数据包括目标连接数目的时间序列，所述目标连接数目的时间序列根据以第一参考时长为单位对所述第一时间段进行划分的各个子时间段内，目标地址为所述第一网络设备的连接数目得到，所述目标地址为源网际协议IP或目的IP。4.根据权利要求3所述的方法，其特征在于，所述获取第一网络设备在第一时间段内的目标连接状态数据，包括：获取所述第一网络设备与多个第二网络设备之间在第一时间段内的原始连接状态数据；提取所述原始连接状态数据中的三元组数据，所述三元组数据包括源IP、目的IP和时间，所述时间为所述源IP对应的网络设备与目的IP对应的网络设备之间的连接时间；以第一参考时长为单位，对所述三元组数据进行聚合，得到多个三元组数据集合，所述第一时间段的长度是所述第一参考时长的整数倍；对于任一三元组数据集合，确定目标地址为所述第一网络设备的连接数目，根据所述目标地址为所述第一网络设备的连接数目得到目标连接数目的时间序列。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标地址为所述第一网络设备的连接数目得到目标连接数目的时间序列，包括：对所述目标地址为所述第一网络设备的连接数目进行预处理，根据预处理结果得到所述目标连接数目的时间序列。6.根据权利要求5所述的方法，其特征在于，所述对所述目标地址为所述第一网络设备的连接数目进行预处理，根据预处理结果得到所述目标连接数目的时间序列，包括：响应于所述目标地址为所述第一网络设备的连接数目中包括空值连接数目，且空值连接数目未超过阈值，对所述空值连接数目进行填充，将填充之后的连接数目的时间序列作为所述目标连接数目的时间序列。7.根据权利要求1-6任一所述的方法，其特征在于，所述目标连接状态数据的特征包括平稳系数和周期因子，所述平稳系数用于反映所述目标连接状态数据的平稳性，所述周期因子用于反映所述目标连接状态数据的周期性；所述根据所述目标连接状态数据的特征对所述目标连接状态数据进行分类，得到所述目标连接状态数据的类别，包括：
根据所述目标连接状态数据的平稳系数和周期因子，对所述目标连接状态数据进行分类，得到所述目标连接状态数据的类别。8.根据权利要求7所述的方法，其特征在于，所述平稳系数包括第一平稳系数和第二平稳系数，所述根据所述目标连接状态数据的平稳系数和周期因子对所述目标连接状态数据进行分类之前，还包括：对第一均值序列求标准差，得到所述第一平稳系数，所述第一均值序列以第二参考时长为单位，对所述目标连接状态数据求均值得到；以第二参考时长为单位，对所述目标连接状态数据求标准差，得到标准差序列，对所述标准差序列再求标准差，得到所述第二平稳系数。9.根据权利要求7或8所述的方法，其特征在于，所述根据所述目标连接状态数据的平稳系数和周期因子对所述目标连接状态数据进行分类之前，还包括：对第二均值序列进行分解，得到季节周期项和残差项，所述第二均值序列以第三参考时长为单位，对所述目标连接状态数据求均值得到；将所述残差项的标准差与所述季节周期项的极值求商，得到所述目标连接状态数据的周期因子，所述季节周期项的极值基于所述季节周期项中的最大值与最小值得到。10.根据权利要求8或9所述的方法，其特征在于，所述根据所述目标连接状态数据的平稳系数和周期因子对所述目标连接状态数据进行分类，得到所述目标连接状态数据的类别，包括：响应于所述目标连接状态数据满足第一条件，则所述目标连接状态数据的类别为平稳类，所述第一条件为所述第一平稳系数小于第一平稳参数，且所述第二平稳系数小于第二平稳参数；响应于所述目标连接状态数据满足第二条件，则所述目标连接状态数据的类别为周期类，所述第二条件为所述周期因子小于周期因子参数；响应于所述目标连接状态数据不满足所述第一条件和第二条件，则所述目标连接状态数据的类别为随机类。11.根据权利要求10所述的方法，其特征在于，所述根据所述目标连接状态数据的类别获取所述第一网络设备的目标流量预测范围，包括：响应于所述目标连接状态数据的类别为平稳类，利用多重箱线图和置信概率L1中的至少一个进行范围预测，得到所述第一网络设备的目标流量预测范围。12.根据权利要求10所述的方法，其特征在于，所述根据所述目标连接状态数据的类别获取所述第一网络设备的目标流量预测范围，包括：响应于所述目标连接状态数据的类别为随机类，利用多重箱线图和置信概率L2中的至少一个进行范围预测，得到所述第一网络设备的目标流量预测范围。13.根据权利要求10所述的方法，其特征在于，所述根据所述目标连接状态数据的类别获取所述第一网络设备的目标流量预测范围，包括：响应于所述目标连接状态数据的类别为周期类，利用时间序列模型进行范围预测，根据预测结果得到所述第一网络设备的目标流量预测范围。14.根据权利要求1-13任一所述的方法，其特征在于，所述根据所述目标连接状态数据的类别获取所述第一网络设备的目标流量预测范围之后，还包括：
根据所述目标流量预测范围，统计所述第一网络设备在所述第二时间段内的指定时间段的异...

【专利技术属性】
技术研发人员：王苗苗，张浩，谢于明，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：