[發明專利]一種服務器的分類方法及分類系統

有效

• 申請號: 201711218716.9
• 申請日: 2017-11-28
• 公開（公告）號: CN107967488B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 陳迅
• 申請（專利權）人: 網宿科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京華智則銘知識產權代理有限公司 11573
• 代理人: 田建濤

1.一種服務器的分類方法，其特征在于，所述方法包括：

獲取訓練樣本集，所述訓練樣本集中包括訓練服務器對應的特征向量樣本，所述特征向量樣本根據所述訓練服務器的訪問數據確定，所述特征向量樣本與所述訓練服務器所屬的服務器類型相關聯；其中，所述特征向量樣本中包括所述訓練服務器的頻率點特征，所述頻率點特征通過對單位時間內統計的連接數量進行傅里葉變換得到；

利用所述訓練樣本集對預設分類器進行訓練，以使得訓練后的預設分類器對輸入的特征向量樣本處理得到的分類結果與所述輸入的特征向量樣本關聯的服務器類型一致；

獲取目標服務器的訪問數據，并基于所述訪問數據構建所述目標服務器的目標特征向量；

將所述目標特征向量輸入所述訓練后的預設分類器中，得到所述目標服務器對應的分類結果。

2.根據權利要求1所述的方法，其特征在于，獲取目標服務器的訪問數據包括：

在傳輸層記錄與所述目標服務器建立的連接，并采集所述連接上產生的訪問數據。

3.根據權利要求1所述的方法，其特征在于，基于所述訪問數據構建所述目標服務器的目標特征向量包括：

預先確定所述目標特征向量中包含的向量分量；

基于所述訪問數據，確定所述向量分量的特征值，并通過所述向量分量的特征值構成所述目標特征向量。

4.根據權利要求3所述的方法，其特征在于，基于所述訪問數據，確定所述向量分量的特征值包括：

根據所述訪問數據，統計所述目標服務器被訪問的端口號以及各個所述端口號的被訪問次數；

按照被訪問次數從大到小的順序對各個所述端口號進行排序，并篩選出排名前N的N個目標端口號；其中，N為大于或者等于1的整數；

確定所述目標端口號的被訪問次數在各個所述端口號的被訪問次數的總和中的比值；

將所述N個目標端口號以及各個所述目標端口號對應的比值作為向量分量的特征值。

5.根據權利要求3所述的方法，其特征在于，基于所述訪問數據，確定所述向量分量的特征值包括：

從所述訪問數據中讀取與所述目標服務器建立的各條連接的上行流量和下行流量；

基于讀取的所述上行流量和下行流量，分別確定上行流量統計值和下行流量統計值；其中，所述上行流量統計值中包括上行流量最大值、上行流量最小值、上行流量平均值、上行流量中位數、上行流量標準差中的至少一種；所述下行流量統計值中包括下行流量最大值、下行流量最小值、下行流量平均值、下行流量中位數、下行流量標準差中的至少一種；

將所述上行流量統計值和下行流量統計值作為向量分量的特征值。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

從讀取的所述上行流量和所述下行流量中分別篩選出數值最大的前M個目標上行流量和前M個目標下行流量，并統計各個所述目標上行流量和目標下行流量分別在上行總流量和下行總流量中的比值；其中，M為大于或者等于1的整數；

將各個所述目標上行流量、各個所述目標下行流量、各個所述目標上行流量在上行總流量中的比值以及各個所述目標下行流量在下行總流量中的比值作為向量分量的特征值。

7.根據權利要求3所述的方法，其特征在于，基于所述訪問數據，確定所述向量分量的特征值包括：

從所述訪問數據中讀取與所述目標服務器建立的各條連接的持續時間；

基于讀取的所述持續時間，確定持續時間統計值；其中，所述持續時間統計值中包括持續時間最大值、持續時間最小值、持續時間平均值、持續時間中位數、持續時間標準差中的至少一種；

將所述持續時間統計值作為向量分量的特征值。

8.根據權利要求3所述的方法，其特征在于，基于所述訪問數據，確定所述向量分量的特征值包括：

根據所述訪問數據，確定與所述目標服務器建立的各條連接的時延；

計算所述時延對應的時延統計值，所述時延統計值包括時延最大值、時延最小值、時延平均值、時延中位數、時延標準差中的至少一種；

將所述時延統計值作為向量分量的特征值。