System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及网络安全,特别是涉及一种流量控制方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着网络安全技术的发展,目前的网络环境分为内部网络和外部网络,其中内部网络中可以包括多个网络节点,当外部网络需要和内部网络进行通信时,需要进行身份验证的等操作,以防止外部网络的信息对内部网络节点发起攻击等行为。然而,内部网络中的各个网络节点之间存在网络通信,内部网络节点之间的通信同样存在被网络攻击的风险。因此,保证内部网络通信时各节点收发的流量安全是维持内部网络安全的重要措施。目前缺少针对内部网络中各节点间通信的安全措施,导致内部网络的各节点之间通信安全降低。
2、因此,目前在内部网络中各节点之间的通信存在安全性低的缺陷。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高网络通信安全性的流量控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种流量控制方法,所述方法包括:
3、监测网络集群中节点间的流量数据;
4、根据监测得到的所述节点间的当前流量数据和所述节点间的历史流量数据,得到所述节点间对应的多个周期流量数据序列;所述多个周期流量数据序列包括多个周期下的多个流量数据对应的多个序列;
5、将所述多个周期流量数据序列输入经训练的流量预测模型,由所述流量预测模型将每个周期流量数据序列中的流量数据堆叠为二维数据,根据每个二维数据预测每个周期在未来预设时间段对应
6、根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信。
7、在其中一个实施例中,所述根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信,包括:
8、若所述流量预测数据序列表征所述节点间在所述未来预设时间段中第一时间段无流量数据,则关闭所述节点间在所述第一时间段的通信。
9、在其中一个实施例中,所述根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信,包括:
10、若所述流量预测数据序列表征所述节点间在所述未来预设时间段中第二时间段存在流量数据,则开启所述节点间在所述第二时间段的通信,使所述节点间在所述第二时间段的通信的带宽与所述流量预测数据序列中第二时间段的流量预测数据的数据量相匹配。
11、在其中一个实施例中,所述开启所述节点间在所述第二时间段的通信之后,还包括:
12、根据监测得到的所述节点间在所述第二时间段的流量数据,得到所述节点间在所述第二时间段的流量数据的数据量;
13、确定所述节点间在所述第二时间段的流量数据的数据量与所述流量预测数据序列中第二时间段的流量数据的数据量的差值;
14、若所述差值大于预设差值阈值,则发出流量异常告警信息。
15、在其中一个实施例中,所述流量预测模型中包括多层神经网络单元;
16、所述由所述流量预测模型将每个周期流量数据序列中的流量数据堆叠为二维数据,根据每个二维数据预测每个周期在未来预设时间段对应的流量数据预测结果,包括:
17、将所述多层神经网络单元中的首层神经网络单元,作为当前待输入的神经网络单元;
18、针对每个周期流量数据序列,将周期流量数据序列作为当前待处理的流量数据序列;
19、由所述流量预测模型将所述当前待处理的流量数据序列输入当前待输入的神经网络单元,通过所述神经网络单元将该周期流量数据序列中的流量数据堆叠为二维数据,根据所述二维数据预测该周期流量数据序列在未来预设时间段对应的流量数据预测向量,将所述流量数据预测向量转换为一维数据,得到子流量数据预测结果;
20、将当前待输入的神经网络单元的下一层神经网络单元作为新的当前待输入的神经网络单元,将所述子流量数据预测结果以及所述子流量数据预测结果对应的当前待处理的流量数据序列作为新的当前待处理的流量数据序列,输入所述新的当前待输入的神经网络单元,返回所述由所述流量预测模型将当前待处理的流量数据序列输入当前待输入的神经网络单元的步骤,直至所述多层神经网络单元均被已被输入;
21、根据最后一层神经网络单元输出的子流量数据预测结果,得到所述周期流量数据序列在未来预设时间段对应的流量数据预测结果。
22、在其中一个实施例中,所述流量预测模型中包括编码器和解码器;所述融合多个周期对应的多个流量数据预测结果后输出流量预测数据序列,包括:
23、根据所述多个周期对应的多个流量数据预测结果的加权和,得到融合后的流量数据预测结果;
24、由所述流量数据预测模型中的编码器和解码器基于所述融合后的流量数据预测结果,输出所述节点间在未来预设时间段对应的流量预测数据序列。
25、在其中一个实施例中,所述根据监测得到的所述节点间的当前流量数据和所述节点间的历史流量数据,得到所述节点间对应的多个周期流量数据序列,包括:
26、根据所述节点间的当前流量数据和历史流量数据,得到待处理的流量数据序列;
27、根据卡尔曼平滑算法对所述待处理的流量数据序列进行平滑处理,得到平滑处理后的流量数据序列;
28、按照多个周期对所述平滑处理后的流量数据序列进行切分,得到多个周期流量数据序列。
29、第二方面,本申请提供了一种流量控制装置,所述装置包括:
30、监测模块,用于监测网络集群中节点间的流量数据;
31、确定模块,用于根据监测得到的所述节点间的当前流量数据和所述节点间的历史流量数据,得到所述节点间对应的多个周期流量数据序列;所述多个周期流量数据序列包括多个周期下的多个流量数据对应的多个序列;
32、输入模块,用于将所述多个周期流量数据序列输入经训练的流量预测模型,由所述流量预测模型将每个周期流量数据序列中的流量数据堆叠为二维数据,根据每个二维数据预测每个周期在未来预设时间段对应的流量数据预测结果,融合多个周期对应的多个流量数据预测结果后输出流量预测数据序列;所述流量预测数据序列包括所述节点间在所述未来预设时间段的流量数据;
33、控制模块,用于根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信。
34、第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
35、第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
36、第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
37、上本文档来自技高网...
【技术保护点】
1.一种流量控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信,包括:
4.根据权利要求3所述的方法,其特征在于,所述开启所述节点间在所述第二时间段的通信之后,还包括:
5.根据权利要求1所述的方法,其特征在于,所述流量预测模型中包括多层神经网络单元;
6.根据权利要求1至5任一项所述的方法,其特征在于,所述流量预测模型中包括编码器和解码器;所述融合多个周期对应的多个流量数据预测结果后输出流量预测数据序列,包括:
7.根据权利要求1所述的方法,其特征在于,所述根据监测得到的所述节点间的当前流量数据和所述节点间的历史流量数据,得到所述节点间对应的多个周期流量数据序列,包括:
8.一种流量控制装置,其特征在于,所述装置包括:
9.一种计算机设备,包括存储器和处理器,所述存
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种流量控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述流量预测数据序列,控制所述节点间在所述未来预设时间段的通信,包括:
4.根据权利要求3所述的方法,其特征在于,所述开启所述节点间在所述第二时间段的通信之后,还包括:
5.根据权利要求1所述的方法,其特征在于,所述流量预测模型中包括多层神经网络单元;
6.根据权利要求1至5任一项所述的方法,其特征在于,所述流量预测模型中包括编码器和解码器;所述融合多个周期对应的多个流量数据预测结果后输出流量预测数据序列,包括...
【专利技术属性】
技术研发人员:景寅洛,陈文华,蒋春元,陈鸿杰,李志龙,
申请(专利权)人:中国电信股份有限公司技术创新中心,
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。