【技术实现步骤摘要】
本专利技术属于网络行为具象化的领域，具体涉及一种网络流量检测方法、系统、设备及存储介质。
技术介绍
1、基于机器学习的网络流量分析技术大多是基于网络流的分析，对于网络流的分析，可以防止接收到异常网络流从而造成损失。
2、相关技术中，基于机器学习的网络流量分析技术通常采用构建分析模型，通过在分析模型中将收集的数据进行标注，在获取到网络流后与分析模型中收集的数据进行比较，以此确定网络流量是否异常。
3、针对上述相关技术，上述采用的构建分析模型标准网络流数据，不仅收集数据标注成本大，而且需要人工分析原始网络数据，无法适应大规模网络流量数据的分析。
技术实现思路
1、本专利技术要解决的技术问题为，为了在一段时间内能够对大规模网络流量数据的分析，本申请提供一种网络流量检测方法、系统、设备及存储介质。
2、本申请提供的一种网络流量检测方法采用如下的技术方案：
3、一种网络流量检测方法，包括：
4、获取预设时间段内的网络流量；
5、对所述网络流量进行预处理，得到所述网络流量的网络行为特征；
6、基于自编码器结构获取网络流模型；
7、基于所述网络流模型以及所述网络行为特征，得到所述网络流量的网络行为；
8、基于所述网络行为，生成谱向量；
9、基于所述谱向量，检测异常网络流量。
10、可选的，所述基于自编码器结构获取网络流模型包括：
11、获取良性数据；p>
12、基于所述良性数据训练所述自编码器，得到网络流模型。
13、可选的，所述基于所述网络流模型以及所述网络行为特征，得到所述网络流量的网络行为包括：
14、基于所述网络行为特征和所述网络流模型，得到编码数据；
15、基于所述编码数据和所述网络行为特征，得到所述网络流量的网络行为。
16、可选的，所述网络行为包括内容谱线和异常谱线，所述基于所述重构数据和所述网络行为特征，得到所述网络流量的网络行为包括：
17、基于所述编码数据，得到重构数据；
18、根据所述重构数据、所述网络行为特征和异常谱公式，得到重构误差；
19、基于所述重构误差，得到所述异常谱线；
20、所述异常谱公式为：其中，ψ为解码器，φ为编码器，为复合函数；
21、根据网络行为特征，提取特征成分；
22、基于所述特征成分投影至一维数据流形中，得到所述内容谱线。
23、可选的，所述基于所述网络行为，生成谱向量包括：
24、获取所述预设时间段内的内容谱线和异常谱线，得到流谱；
25、将所述流谱离散化，得到谱向量。
26、可选的，所述基于所述谱向量，检测异常网络流量包括：
27、获取所述异常谱的异常特征向量；
28、基于所述异常特征向量和待检测向量，获取异常得分；
29、基于所述异常得分，检测所述异常网络流量。
30、可选的，所述基于所述异常特征向量和所述待检测向量，获取异常得分包括：
31、获取异常得分公式
32、基于所述异常特征向量和所述异常得分公式，得到所述异常得分；
33、所述异常得分公式为其中v为所述待检测向量，c表示簇中心，c表示簇中心的集合。
34、一种网络流量检测系统，包括：
35、获取模块，用于获取预设时间段内的网络流量；
36、处理模块，用于对所述网络流量进行预处理，得到所述网络流量的网络行为特征；
37、模型获取模块，用于基于自编码器结构获取网络流模型；
38、网络行为获取模块，用于基于所述网络流模型以及所述网络行为特征，得到所述网络流量的网络行为；
39、生成模块，用于基于所述网络行为，生成谱向量；
40、检测模块，用于基于所述谱向量，检测异常网络流量。
41、一种终端设备，包括存储器、处理器，所述存储器储存有能够在处理器上运行的计算机程序，所述处理器加载并执行所述计算机程序时，采用了一种网络流量检测方法。
42、本申请提供一种计算机可读存储介质，采用如下的技术方案：
43、一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，采用了上述的一种网络流量检测方法。
44、本专利技术的有益效果是：通过将预设时间段内的网络流量通过谱向量的方式具象化，可以在一定时间内对大规模网络流量数据进行分析，并且可以分析出有威胁的网络流量数据，防止有威胁的网络流量入侵后对用户造成不必要的损失。
本文档来自技高网...【技术保护点】
1.一种网络流量检测方法，其特征是，包括：
2.如权利要求1所述的一种网络流量检测方法，其特征是，所述基于自编码器结构获取网络流模型包括：
3.如权利要求1所述的一种网络流量检测方法，其特征是，所述基于所述网络流模型以及所述网络行为特征，得到所述网络流量的网络行为包括：
4.如权利要求3所述的一种网络流量检测方法，所述网络行为包括内容谱线和异常谱线，所述基于所述编码数据和所述网络行为特征，得到所述网络流量的网络行为包括：
5.如权利要求4所述的一种网络流量检测方法，其特征是，所述基于所述网络行为，生成谱向量包括：
6.如权利要求5所述的一种网络流量检测方法，其特征是，所述基于所述谱向量，检测异常网络流量包括：
7.如权利要求6所述的一种网络流量检测方法，其特征是，所述基于所述异常特征向量和所述待检测向量，获取异常得分包括：
8.一种网络流量检测系统，其特征是，包括：
9.一种终端设备，包括存储器和处理器，其特征是，所述存储器储存有能够在处理器上运行的计算机程序，所述处理器加载并执行所述
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征是，所述计算机程序被处理器加载并执行时，采用了权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种网络流量检测方法，其特征是，包括：
2.如权利要求1所述的一种网络流量检测方法，其特征是，所述基于自编码器结构获取网络流模型包括：
3.如权利要求1所述的一种网络流量检测方法，其特征是，所述基于所述网络流模型以及所述网络行为特征，得到所述网络流量的网络行为包括：
4.如权利要求3所述的一种网络流量检测方法，所述网络行为包括内容谱线和异常谱线，所述基于所述编码数据和所述网络行为特征，得到所述网络流量的网络行为包括：
5.如权利要求4所述的一种网络流量检测方法，其特征是，所述基于所述网络行为，生成谱向量包括：
6.如权利要求5所述的一种网络...
【专利技术属性】
技术研发人员：杨璐铭，王勇军，柳林，付绍静，施江勇，黄俊杰，解培岱，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。