[發明專利]一種基于循環預測和學習的網絡流量異常檢測方法

有效

• 申請號: 201910169662.4
• 申請日: 2019-03-06
• 公開（公告）號: CN109768995B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 趙博;張小敏;段軍紅;張華峰;閆曉斌;張馴;張小東;袁暉;趙金雄;李志茹;魏峰;黨倩;李方軍;宋曦;尚聞博;孫碧穎;張文軒;楊凡;高麗娜
• 申請（專利權）人: 國網甘肅省電力公司電力科學研究院;國網甘肅省電力公司;國網甘肅省電力公司信息通信公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24
• 代理公司: 成都智言知識產權代理有限公司 51282
• 代理人: 李龍

1.一種基于循環預測和學習的網絡流量異常檢測方法，其特征在于，如下步驟：

S1、基于第一個連續時間段，采集各時間周期內特征指標的采樣值，對時間序列進行平滑修正，其中，采樣值為一個時間周期內獲得網絡流量中一個特征指標的值，代表該特征指標在該時間周期內的數值，連續時間段為連續的L個時間周期；

S2、根據第一個連續時間段和平滑修正后的采樣值，通過預測算法，獲得第二個連續時間段內特征指標的預測值，其中，第二個連續時間段是指第L+1至第L+L；

S3、基于預測值和采集的第二個連續時間段內特征指標的采樣值計算每個時間周期內指標的預測偏差率，根據所有預測偏差率得到預測偏差率正負極值；

S4、根據待判斷的連續時間周期內特征指標的預測偏差率和步驟S3得到的預測偏差率正負極值進行異常判斷；

所述步驟S1的具體步驟為：

S1.1、基于連續的L個時間周期，采集各時間周期內同一特征指標的采樣值構成時間序列X＝{X₁，X₂，...，X_L}；

S1.2、對時間序列X＝{X₁，X₂，...，X_L}進行平滑修正，具體過程為：

S1.21、對時間序列X中的所有采樣值取中位數，即中值，記為MID；

S1.22、定義“正常最大值”為VAR，取初始值為MID，即VAR＝MID；

S1.23、取出時間序列X中的所有采樣值，按照從小到達進行重新排序，獲得排序后的時間序列S＝{S₁，S₂，...，S_L}；

S1.24、按照從小到大的順序，依次對時間序列S中的每個成員S_k進行分析，計算其與MID的差值，如果S_k-MID＞0，而且S_k-MID＜VAR×3，則取VAR＝S_k；k＝1，2，…，L：

S1.25、對時間序列X中的所有采樣值進行檢查和平滑，針對時間序列X中的采樣值X_k，計算其與VAR的差值，如果X_k-VAR＞0，則修改X_k的值，取X_k＝max(X_k-1，VAR)；k＝1，2，…，L。

2.根據權利要求1所述的一種基于循環預測和學習的網絡流量異常檢測方法，其特征在于，所述步驟S1中各個時間周期內能采集一個特征指標或多個特征指標的采樣值。

3.根據權利要求1所述的一種基于循環預測和學習的網絡流量異常檢測方法，其特征在于，所述步驟S2中根據第一個連續時間段和平滑修正后的采樣值，通過LSTM算法，獲得第二個連續時間段內、同一特征指標的預測值構成的時間序列Y′＝Y_L+1，Y_L+2，...，Y_L+L。