[發明專利]一種異常流量數據的檢測方法及系統

有效

• 申請號: 201810444291.1
• 申請日: 2018-05-10
• 公開（公告）號: CN108737406B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 王小娟;張勇;金磊;陳旭;由靖文;陳墨;宋梅
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明實施例提供一種異常流量數據的檢測方法及系統。方法包括：將待檢測流量數據包中的任一條流量數據的特征輸入至訓練好的自動編碼器模型或主成分分析模型中，以獲取任一條流量數據對應的評分；若評分大于預設異常門限，則判定任一條流量數據為異常流量數據。本發明實施例提供的方法及系統，通過采用非監督式機器學習聚類算法中的主成分分析法和自動編碼器進行異常流量數據的檢測，可以對網絡中的流量數據進行在線或者離線的檢測，具有更加廣泛的應用。并且，利用機器學習算法去檢測網絡中的異常流量數據，可以避免人為篩選過程中因自身原因造成的高篩選誤差，使網絡提前采取相應的行為從而降低網絡遭受攻擊和用戶隱私泄露的概率。

技術領域

本發明實施例涉及網絡安全技術領域，尤其涉及一種異常流量數據的檢測方法及系統。

背景技術

當今網絡技術發展迅猛，網絡每天都會產生數億兆級別的流量，網絡流量檢測關系著網絡安全和用戶隱私安全等多方面問題，因而越來越受到人們的關注。網絡異常流量檢測是網絡安全領域中一個非常重要且熱門的研究方向。網絡異常流量檢測是指從大量混合的網絡流量數據中把具有網絡攻擊行為的異常流量分離出來以區別于正常行為的流量數據。

網絡安全中的異常流量檢測要求檢測系統能夠快速準確地檢測出網絡中的異常流量，同時保證能夠對在線流量實時檢測尤為重要。針對目前現有的異常流量檢測方法，其很難進行在線檢測，同時當網絡發生新的攻擊行為時，現有的異常流量檢測方法很難將其檢測出來。

發明內容

本發明實施例提供一種異常流量數據的檢測方法及系統，用以解決現有技術中無法快速準確地檢測出網絡中的異常流量數據且無法對在線流量數據進行實時檢測的缺陷，提高了異常流量數據檢測的效率和準確率，并能夠對在線流量數據進行實時檢測。

本發明實施例提供一種異常流量數據的檢測方法，包括：

將待檢測流量數據包中的任一條流量數據的特征輸入至訓練好的自動編碼器模型或主成分分析模型中，以獲取所述任一條流量數據對應的評分；

若所述評分大于預設異常門限，則判定所述任一條流量數據為異常流量數據。

本發明實施例提供一種異常流量數據的檢測系統，包括：

特征輸入模塊，用于將待檢測流量數據包中的任一條流量數據的特征輸入至訓練好的自動編碼器模型或主成分分析模型中，以獲取所述任一條流量數據對應的評分；

異常流量數據判定模塊，用于若所述評分大于預設異常門限，則判定所述任一條流量數據為異常流量數據。

本發明實施例提供一種異常流量數據的檢測設備，包括存儲器和處理器，所述處理器和所述存儲器通過總線完成相互間的通信；所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行上述的方法。

本發明實施例提供一種非暫態計算機可讀存儲介質，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行上述的方法。

本發明實施例提供的一種異常流量數據的檢測方法及系統，通過采用非監督式機器學習聚類算法中的主成分分析法和自動編碼器進行異常流量數據的檢測，可以對網絡中的流量數據進行在線或者離線的檢測，具有更加廣泛的應用。并且，利用機器學習算法去檢測網絡中的異常流量數據，可以避免人為篩選過程中因自身原因造成的高篩選誤差，使網絡提前采取相應的行為從而降低網絡遭受攻擊和用戶隱私泄露的概率。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明一種異常流量數據的檢測方法實施例流程圖；