【技术实现步骤摘要】
本专利技术涉及物联网，具体是一种智能物联网异常流量预测系统。
技术介绍
1、智能物联网是指将物联网技术与人工智能技术相结合，实现对各种设备和系统的智能感知、智能分析和智能决策的一种网络体系。智能物联网在传统物联网的基础上，进一步提高了数据处理、分析和应用的能力，使得各个领域的智能化水平得到大幅提升。智能物联网的应用广泛，涉及诸如工业生产、智能家居、智慧城市、医疗健康、交通物流等多个领域。
2、随着互联网的普及和物联网技术的发展，网络规模的不断扩大，网络应用类型的多样化以及各种网络病毒和网络攻击手法的出现，网络管理和维护面临着巨大的挑战，网络流量变得越来越复杂，异常流量的出现可能导致网络性能下降，甚至引发网络安全问题。现有的异常流量检测方法多依赖于人工设定阈值或基于规则的方法，人们通常根据预先设定的阈值来进行报警，通过实时监测网络信息来分析网络是否发生故障，显然这是一种事后响应的方式，这些方法容易受到人为因素和复杂网络环境的影响，准确性较低，实时性不足；因此，通过对正在使用的流量进行实时监测，并对未来的异常流量进行预测，具有重要的理论和现实意义。
3、如何利用物联网技术对网络数据进行采集并处理，获得特征数据图和特征矩阵，并进行分析，获得速率异常节点和容纳量异常节点，根据所获得的特征矩阵对速率异常节点和容纳量异常节点进行预测告警，获得异常预测点，是我们需要解决的问题；为此，现提供一种智能物联网异常流量预测系统。
技术实现思路
1、本专利技术的目的可以通过以下技术
2、一种智能物联网异常流量预测系统，包括控制中心，所述控制中心连接有数据采集模块、数据处理模块、网络分析模块和预测告警模块；
3、所述数据采集模块采集网络数据的过程包括：
4、采集端口用于采集物联网中的网络数据，所述采集端口连接有若干抓包点；
5、通过抓包点对网络数据进行前向捕获，获得数据包信息和时间戳，所述数据包信息包括数据包大小、源ip地址、目标ip地址和协议类型。
6、对获得的网络数据进行处理的过程包括：
7、设置时间窗口，根据所获得的时间窗口和数据包大小获得数据包均值，根据所获得的数据包均值和数据包大小获得标准均值，根据所获得的数据包大小、数据包均值和标准均值获得均一数值；
8、根据所获得的数据包信息和时间戳获得数据包速率，根据所获得的数据包速率和均一数值获得数据容纳量。
9、获得特征数据图的过程包括：
10、根据所获得的时间戳，建立时间关于数据包速率和数据容纳量的二维直角坐标系；
11、根据所获得的数据包速率和数据容纳量分别生成对应的速率变化曲线和容纳量变化曲线，并将所获得的速率变化曲线和容纳量变化曲线上传至二维直角坐标系中，获得数据曲线图；
12、根据所获得的数据曲线图获取数据包信息，将源ip地址、目标ip地址以及协议类型对应的时间戳与数据曲线图中的时间进行匹配，获得匹配节点，将含有匹配节点的数据曲线图标记为特征数据图。
13、对获得的源ip地址、目标ip地址以及协议类型分别进行特征编码，获得特征源向量、特征目标向量以及特征协议向量，所述特征编码的过程包括：
14、对获得的源ip地址、目标ip地址和协议类型进行符值分配，获得源地址符值、目标地址符值和协议符值，并根据所获得的源地址符值、目标地址符值和协议符值创建二进制向量，获得源地址向量、目标地址向量和协议向量；
15、对获得的源地址向量、目标地址向量和协议向量分别进行初始化，获得初始源向量、初始目标向量和初始协议向量；
16、对初始源向量、初始目标向量和初始协议向量分别进行特征标识，获得特征源向量、特征目标向量和特征协议向量；
17、对获得的特征源向量、特征目标向量以及特征协议向量进行向量组合，获得特征矩阵。
18、对获得的特征数据图进行分析的过程包括：
19、在特征数据图中对速率变化曲线和容纳量变化曲线进行长度划分，获得输入速率序列和输入容纳量序列，并设置原始隐藏序列；
20、设置输入端、输出端和停留端，通过输入端上传输入速率序列和输入容纳量序列并进行信息提取，获得输入序列；
21、通过停留端对所获得的输入序列和原始隐藏序列进行序列结合，获得更新隐藏序列；
22、对获得的更新隐藏序列进行信息预留，获得存档信息；
23、在输出端将所获得的存档信息与更新隐藏序列进行信息结合，获得终端序列；
24、获取终端序列在特征数据图中对应的输入速率序列的匹配节点和输入容纳量序列的匹配节点，并分别标记为速率异常节点和容纳量异常节点。
25、对速率异常节点和容纳量异常节点进行预测告警的过程包括：
26、根据所获得的特征矩阵构建参数矩阵，并获取特征矩阵的数目；
27、基于时间窗口对获得的特征矩阵进行组合，获得特征矩阵集；
28、根据所获得的特征矩阵的数目设置循环监测层和循环预测层；
29、在循环监测层中将所获得的参数矩阵与特征矩阵集进行滑动采集，获得变动向量集；
30、将获得的变动向量集与特征矩阵进行匹配对应，获得变动源地址、变动目标地址以及变动协议特征；
31、获取变动源地址、变动目标地址以及变动协议特征分别对应的时间戳，并标记为变动源节点、变动目标节点以及变动协议节点；
32、在循环预测层中将获得的速率异常节点和容纳量异常节点与变动源节点、变动目标节点以及变动协议节点进行匹配对应，获得异常预测点。
33、与现有技术相比，本专利技术的有益效果是：通过对采集的网络数据进行处理，获得数据包速率和数据容纳量，并根据数据包速率和数据容纳量构建特征数据图；对获得的源ip地址、目标ip地址以及协议类型分别进行特征编码，获得特征源向量、特征目标向量以及特征协议向量，并进行向量组合，获得特征矩阵；
34、对获得的特征数据图进行长度划分，获得输入速率序列和输入容纳量序列，通过输入端、输出端和停留端对输入速率序列和输入容纳量序列进行处理，获得终端序列，获取终端序列在特征数据图中的匹配节点，并分别标记为速率异常节点和容纳量异常节点；
35、在循环监测层中将所获得的参数矩阵与特征矩阵集进行滑动采集，获得变动向量集，将获得的变动向量集与特征矩阵进行匹配对应，获得变动源节点、变动目标节点以及变动协议节点，并将速率异常节点和容纳量异常节点与变动源节点、变动目标节点以及变动协议节点匹配对应，获得异常预测点；
36、通过对异常流量的检测和预测，大大提高工作效率，及时发现并阻止潜在的攻击行为，提高网络安全性能。
本文档来自技高网...【技术保护点】
1.一种智能物联网异常流量预测系统，包括控制中心，其特征在于，所述控制中心连接有数据采集模块、数据处理模块、网络分析模块和预测告警模块；
2.根据权利要求1所述的一种智能物联网异常流量预测系统，其特征在于，所述数据采集模块采集网络数据的过程包括：
3.根据权利要求2所述的一种智能物联网异常流量预测系统，其特征在于，对获得的网络数据进行处理的过程包括：
4.根据权利要求3所述的一种智能物联网异常流量预测系统，其特征在于，获得特征数据图的过程包括：
5.根据权利要求4所述的一种智能物联网异常流量预测系统，其特征在于，对获得的源IP地址、目标IP地址以及协议类型分别进行特征编码，获得特征源向量、特征目标向量以及特征协议向量，所述特征编码的过程包括：
6.根据权利要求5所述的一种智能物联网异常流量预测系统，其特征在于，对获得的特征数据图进行分析的过程包括：
7.根据权利要求6所述的一种智能物联网异常流量预测系统，其特征在于，对速率异常节点和容纳量异常节点进行预测告警的过程包括：
【技术特征摘要】
1.一种智能物联网异常流量预测系统，包括控制中心，其特征在于，所述控制中心连接有数据采集模块、数据处理模块、网络分析模块和预测告警模块；
2.根据权利要求1所述的一种智能物联网异常流量预测系统，其特征在于，所述数据采集模块采集网络数据的过程包括：
3.根据权利要求2所述的一种智能物联网异常流量预测系统，其特征在于，对获得的网络数据进行处理的过程包括：
4.根据权利要求3所述的一种智能物联网异常流量预测系统，其特征在于，获得特征数据图的过程...
【专利技术属性】
技术研发人员：李佩，余小青，滕小飞，
申请(专利权)人：东莞本凡网络技术有限公司，
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。