一种基于协同图编码器的人机交互流量预测方法技术

本发明专利技术涉及公共网络中的人机交互流量预测技术领域，且公开了一种基于协同图编码器的人机交互流量预测方法，包括以下步骤：步骤S1：网络日志数据采集；步骤S2：数据预处理；步骤S3：构建同构超图数据结构；步骤S4：开发超图同构自编码器模型；步骤S5：网络流量预测；通过设有步骤S3与步骤S4，有利于通过采用协同图编码器技术，建立双通道机制协同编码网络数据，并对网络流量数据进行预测，避免传统方法中检测效果差、建模困难、时序性差等问题；能够有效提提高人机过程中下网络流量的预测，提高网络的防护能力，同时结合普通图卷积网络建模，更好的保留网络的全局特征信息。

【技术实现步骤摘要】

本专利技术涉及公共网络中的人机交互流量预测，更具体地涉及一种基于协同图编码器的人机交互流量预测方法。

技术介绍

1、人机交互流量预测是网络规划管理的一个重要研究方向，主要是通过对网络通道流量、访问信息等来预测未来的人机交互过程中产生的网络流量。随着互联网技术的快速发展，网络的分布趋于集中化、分布化、复杂化等特点。尤其是人机交互过程中网络流量预测存在实时性要求高、变动快、难以预测等特点，难以有效的预测网络规划和人机交互过程中网络流之间的关联关系，因此，如何有效地预测网络流量是人机交互过程中网络流预测的关键问题。

2、现有的网流量预测方法主要包括以下几种：1）简单数据分析：基于收集到的历史网络数据，检测明显的网络特征，如ip访问数量、访问字节数等，同时利用识别已知的人机交互网络规划模式；2）模式识别：通过收集的交互过程中网络日志数据，利用历史日志数据建立预测模型，使用传统的机器学习算法如决策树、gbdt等算法去预测不同网络模式下的流量预测，但这种方法难以有效的去对网络结构进行有效的建模，从而影响网络流量预测的效果；3）深度学习：利用深度学习模型，尤本文档来自技高网...

【技术保护点】

1.一种基于协同图编码器的人机交互流量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于协同图编码器的人机交互流量预测方法，其特征在于：所述网络日志数据为网络中产生的访问日志数据，主要包括访问ip的源地址、目的地址、端口号以及传输的字节数的IP会话的详细信息。

3.根据权利要求2所述的一种基于协同图编码器的人机交互流量预测方法，其特征在于：所述步骤S2将数据按照时间序列进行划分，时间片划分区间为5min，即以每5min时间区间长度切分网络日志数据，每个5min区间内会包含n个访问ip信息。

4.根据权利要求3所述的一种基于协同图编码...

【技术特征摘要】

1.一种基于协同图编码器的人机交互流量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于协同图编码器的人机交互流量预测方法，其特征在于：所述网络日志数据为网络中产生的访问日志数据，主要包括访问ip的源地址、目的地址、端口号以及传输的字节数的ip会话的详细信息。

3.根据权利要求2所述的一种基于协同图编码器的人机交互流量预测方法，其特征在于：所述步骤s2将数据按照时间序列进行划分，时间片划分区间为5min，即以每5min时间区间长度切分网络日志数据，每个5min区间内会包含n个访问ip信息。

4.根据权利要求3所述的一种基于协同图编码器的人机交互流量预测方法，其特征在于：所述超图神经网络中每一个访问的ip实体表示为超图中的顶点，ip访问的时间序列链记录为超图的一条超边；构造超图顶点集合对超图的每一个顶点初始化编码特征，构造超边集合，自定义超边的权重计算方式，为超边赋予权重值。

5.根据权利要求4所述的一种基于协同图编码器的人机交互流量预测方法，其特征在于：所述超图同构自编码器包括编码器与解码器，核心部分为改进后的超图神经网络；通过消息传递机制和聚合函数更新超图顶点嵌入和超边特征，训练完成后，超图自编码器的低维稠密隐藏层向量是需要的超图顶点特征向量，通过...

【专利技术属性】
技术研发人员：程德生，钱刚，吴朝阳，刘喆，王艳锦，纪轩宇，
申请(专利权)人：杭州中软安人网络通信股份有限公司，
类型：发明
国别省市：