[發明專利]異常流量數據識別方法、裝置、介質及電子設備

有效

• 申請號: 201811303640.4
• 申請日: 2018-11-02
• 公開（公告）號: CN109639633B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 孫家棣;馬寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

本發明涉及信息安全領域，揭示了一種異常流量數據識別方法、裝置、介質及電子設備。該方法包括：對于包含多個流量數據樣本的樣本集，根據樣本集中的各流量數據樣本的自變量和對應的因變量，使用邏輯斯蒂函數擬合從自變量得到因變量的函數；基于擬合后函數確定與異常流量識別指標對應的權重；基于所述權重確定候選流量數據負樣本的異常流量識別指標值的加權和；如果所述加權和大于加權和閾值，則將該候選流量數據負樣本識別為異常流量數據。此方法下，充分考慮了多個異常流量識別指標在識別異常流量數據過程中重要性的不同，立足于網絡安全實現防范入侵，提高了識別異常流量的準確性。

技術領域

本發明涉及信息通信領域，特別涉及一種異常流量數據識別方法、裝置、介質及電子設備。

背景技術

在人類進入互聯網時代，特別是移動互聯網時代之后，在資本的助推下，互聯網企業獲客成本顯著增加，競爭加劇。在流量為王的時代，互聯網企業為了獲取更多用戶經常采取發放優惠券、抵扣紅包等形式的推廣手段，然而這些優惠福利有可能被部分投機者或者黑產從業者利用規則漏洞或者技術手段“薅羊毛”，不僅沒有達到推廣效果，反而給相關互聯網企業造成了損失。互聯網企業被“薅羊毛”的一個典型特征是短時間內有大量的異常流量訪問。

在現有技術的實現中，對異常流量識別是基于用戶行為埋點和SDK (softwaredevelopment kit)確定路徑重復度、設備前后端埋點占比、IP訪問次數、IP訪問賬號數等異常流量識別指標與相應的閾值的大小關系來實現的，這些異常流量識別指標的異常流量識別指標值中只要有一個大于與之相應的閾值，就認為該流量是異常的。

現有技術的缺陷在于，有些流量的某個異常流量識別指標值雖然超過了相應的閾值，但該流量數據是異常流量數據可能性低；有些流量的某個異常流量識別指標值雖然超過了相應的閾值，該流量數據是異常流量數據可能性高。因此每個異常流量識別指標在識別異常流量數據時的重要程度不同，現有技術在實現時無法準確評價每個異常流量識別指標在識別異常流量數據時的重要程度，從而不能基于多個異常流量識別指標綜合對一個流量數據進行判斷，識別異常流量數據的準確率低。

發明內容

為了解決相關技術中存在的識別異常流量數據的準確率低的技術問題，本發明提供了一種異常流量數據識別方法、裝置、介質及電子設備。

根據本申請的一方面，提供了一種異常流量數據識別方法，所述方法包括：

對于包含多個流量數據樣本的樣本集，根據樣本集中的各流量數據樣本的自變量和對應的因變量，使用邏輯斯蒂函數擬合從自變量得到因變量的函數，所述樣本集中流量數據樣本的多個異常流量識別指標值為自變量，該流量數據樣本是否是異常流量數據為因變量；

基于擬合后函數確定與異常流量識別指標對應的權重；

基于所述權重確定候選流量數據負樣本的異常流量識別指標值的加權和，所述候選流量數據負樣本是根據預定規則得到的從中產生異常流量數據的樣本；

如果所述加權和大于加權和閾值，則將該候選流量數據負樣本識別為異常流量數據。

在一個實施例中，所述候選流量數據負樣本是根據如下步驟獲得：

獲取所有用戶的流量數據作為流量數據集合，所述流量數據集合包括凈化后白名單流量數據和非凈化后白名單流量數據，白名單流量數據是為事先甄別出的、為異常流量數據的可能性低于第一閾值的流量數據，所述凈化后白名單流量數據為事先甄別出的、為異常流量數據的可能性低于第二閾值的流量數據，第二閾值低于第一閾值，非凈化后白名單流量數據是數據流量集合中所述凈化后白名單流量數據以外的流量數據；

從所述流量數據集合任取一異常流量識別指標；

獲取與所述異常流量識別指標對應的異常流量識別指標閾值；