[發明專利]一種基于LSTM的網絡流量預測方法

有效

• 申請號: 201810845915.0
• 申請日: 2018-07-27
• 公開（公告）號: CN109194498B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 李千目;侯君;張子辰
• 申請（專利權）人: 南京理工大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;G06N3/08;G06N3/04
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 薛云燕

本發明公開了一種基于LSTM的網絡流量預測方法，方法為：利用封包嗅探工具抓取網絡流量數據，在路由節點上部署封包嗅探工具，抓取網絡流量數據，將單位時間內所有封包作為一個樣本，每個樣本中的所有封包分開保存；進行數據預處理，提取特征，并標注標簽，提取的特征包括總封包數、出境/入境封包比例、出境/入境封包總長度、出境/入境封包平均長度、出境/入境封包長度方差、總/平均傳輸時間；使用LSTM對數據進行建模；使用模型預測新的數據，得到網絡流量的預測值。本方法將長短時記憶模型與人工神經網絡相結合，提升了網絡流量的預測精確度。

技術領域

本發明涉及網絡流量預測技術領域，特別是一種基于LSTM的網絡流量預測方法。

背景技術

當前，基于TCP/IP技術的互聯網飛速發展，新的網絡技術不斷出現，網絡基礎設施的規模不斷擴大，網絡交互日益活躍。網絡作為工作，生活和學習的重要工具，已經在交通、醫療、互聯網服務、教育等多方面影響公眾的生活，成為日常社會中越來越重要的組成部分。在互聯網飛速發展的背后，愈加復雜的網絡環境也給網絡研究人員提出了越來越多的問題。其中，一個非常重要的問題在于，作為網絡的服務提供商或者網絡的管理人員，如何有效地通過對網絡流信息的獲取和分析，來了解、管理、檢測、優化現有的網絡環境。

面對如此復雜的網絡環境，對于網絡流量分析的研究就應運而生了。網絡流量是所有網絡行為的載體，它是記錄和反映互聯網發展的重要依據，幾乎所有網絡相關的活動都是與網絡流量相聯系。作為網絡行為的重要組成部分，通過對網絡流量數據的抓取和分析，可以間接掌握網絡的行為。根據既定的網絡協議，多種不相同的網絡服務、網絡行為都可以格式化為統一的網絡流量格式，讓網絡管理者可以從更高的角度來了解和管理網絡。通過對網絡流量的統計，研究者可以了解到過去網絡中用戶的使用情況，實現業務統計、網絡計費等功能；通過應用網絡流量的預測，能更好的規劃網絡資源，保證網絡的服務正常，并且通過識別網絡流量中的惡意流量，更好地保護正常業務不受影響。

近幾年來，基于特征提取和機器學習的自動分類技術在網絡流量識別領域逐漸得到重視。常見的網絡流量分類算法基于一種假設：常規流量分別具有某種相似的、異于其他流量的統計特征，使用機器學習的網絡流量分類技術大多是基于網絡流量中若干特征的提取，比如說數據包傳輸的間隔、數據包大小、端口號等等，將這些特征作為一些分類器的輸入，例如樸素貝葉斯、決策樹或者人工神經網絡，來進行網絡流量的分類。2005年Moore等人從數據流中提取出248個統計特征(如流數據包平均達到時間等)，并將樸素貝葉斯模型及其改進算法用于網絡流分類之中，得到很好的分類結果。這些方法的訓練過程通常是離線并且耗時較多的，但在分類過程中效率較高，可以達到實時進行，該方法與上面的方法一樣，需要網絡專家先從網絡數據中提取大量的特征信息，極度依賴專家經驗，難以讓學習模型準確地自動從網絡流量數據中提取有用的特征。

發明內容

本發明的目的在于提供一種基于LSTM的網絡流量預測方法，從而提升網絡流量的預測精確度。

實現本發明目的的技術解決方案為：一種基于LSTM的網絡流量預測方法，包括以下步驟：

步驟1，利用封包嗅探工具抓取網絡流量數據；

步驟2，進行數據預處理，提取特征，并標注標簽；

步驟3，使用LSTM對數據進行建模；

步驟4，使用模型預測新的數據，得到網絡流量的預測值。

進一步地，步驟1中所述的利用封包嗅探工具抓取網絡流量數據，具體如下：

在路由節點上部署封包嗅探工具，抓取網絡流量數據，將單位時間內所有封包作為一個樣本，每個樣本中的所有封包分開保存。

進一步地，步驟2中所述的進行數據預處理，提取特征，并標注標簽，具體如下：

提取的特征包括：

(1)總封包數