网络流量检测模型的建模方法、防护方法及相关设备技术

本公开实施例提供了一种网络流量检测模型的建模方法、应用程序的防护方法、装置、计算机设备、可读存储介质及程序，涉及计算机技术领域。该方法包括：获取网络流量的日志数据；将所述网络流量的日志数据进行标注；将标注后的所述网络流量的日志数据向量化以获得所述网络流量的日志数据词向量矩阵；根据所述网络流量的日志数据词向量矩阵确定神经网络的层数；将所述词向量矩阵作为输入对所述神经网络进行训练以完成网络流量检测模型的建模，以使所述网络流量检测模型具备根据日志数据识别故障的能力。本公开实施例提供的方案建立的网络流量检测模型，能够根据日志数据对故障进行检测的网络流量检测模型。测的网络流量检测模型。测的网络流量检测模型。

【技术实现步骤摘要】
网络流量检测模型的建模方法、防护方法及相关设备


[0001]本公开涉及计算机
，尤其涉及一种网络流量检测模型的建模方法、应用程序的防护方法、装置、计算机设备、可读存储介质及程序。

技术介绍

[0002]目前，云计算、区块链和第六代移动通信等新技术的发展带动了海量的服务器新需求，服务器也朝着集约化一体化管理演进。虚拟化的服务器资源带来了更高效的资源利用率，但也为故障检测带来了很大困难，过于复杂的内部结构让开发人员很难迅速调试和测试。因此，如何通过智能化技术快速判断故障发生的时间和类型是未来十分意义的研究方向。

技术实现思路

[0003]本公开实施例提供了一种网络流量检测模型的建模方法、应用程序的防护方法、装置、计算机设备、可读存储介质及程序，涉及计算机
，建立的网络流量检测模型，能够根据日志数据对故障进行检测的网络流量检测模型。
[0004]本公开实施例提供了一种网络流量检测模型的建模方法，包括：获取网络流量的日志数据；将所述网络流量的日志数据进行标注；将标注后的所述网络流量的日志数据向量化以获得所述网络流量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络流量检测模型的建模方法，其特征在于，包括：获取网络流量的日志数据；将所述网络流量的日志数据进行标注；将标注后的所述网络流量的日志数据向量化以获得所述网络流量的日志数据词向量矩阵；根据所述网络流量的日志数据词向量矩阵确定神经网络的层数；将所述词向量矩阵作为输入对所述神经网络进行训练以完成网络流量检测模型的建模，以使所述网络流量检测模型具备根据日志数据识别故障的能力。2.根据权利要求1所述的方法，其特征在于，根据所述网络流量的日志数据词向量矩阵确定神经网络的层数包括：将所述网络流量的日志数据词向量矩阵进行傅里叶变换以获取所述词向量矩阵的频谱图；根据所述频谱图获取第一线性值；根据所述第一线性值通过线性整流函数ReLU获取所述神经网络的层数。3.根据权利要求2所述的方法，其特征在于，根据所述频谱图获取第一线性值包括：根据所述频谱图获取最大频率和70频谱功率谱范围；将所述最大频率和所述70频谱功率谱范围代入第一线性函数以获得所述第一线性值。4.根据权利要求3所述的方法，其特征在于，还包括：根据具体实践获得不同训练情形下所述神经网络的最佳层数；获取不同训练情形下词向量矩阵对应的最大频率和70频谱功率谱范围；根据不同训练情形下所述神经网络的最佳层数和所述ReLU进行反向传播，以获取所述第一线性函数；其中，所述第一线性函数的变量为最大频率和70频谱功率谱范围。5.根据权利要求1所述的方法，其特征在于，还包括：根据所述网络流量的日志数据的类别为所述神经网络的全连接层赋予不同日志类别的注意力权重。6.根据权利要求5所述的方法，其特征在于，根据所述网络流量的日志数据的类别为所述神经网络的全连接层赋予不同日志类别的注意力权重包括：将所述网络流量的日志数据进行类别标注；将类别标注完的所述网络流量的日志数据用随机森林提升树特征选择法获取不同类别的信息增益率；根据不同类别的信息增益率确定相应类别的注意力权重值。7.一种应用程序的防护方法，其特征在于，包括：获取用户程序的访问日志数据；将所述访问日志数据转换成词向量矩阵；将所述访问日志数据的词向量矩阵输入至通过训练的网络流量检测模型进行检测；在所述网络流量检测模型检测为正常访问日志时，允许所述用户程序访问；在...

【专利技术属性】
技术研发人员：熊奕洋，董石磊，李凯，谭华，张学智，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：