[發明專利]網絡行為數據的監控方法、裝置、存儲介質及電子設備

在審

• 申請號: 202010860054.0
• 申請日: 2020-08-24
• 公開（公告）號: CN112001443A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 黃健;盧鵬
• 申請（專利權）人: 成都衛士通信息產業股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06F11/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 侯珊

1.一種用戶網絡行為數據的監控方法，其特征在于，包括：

采集目標網絡內各個終端的網絡行為數據；

識別每個網絡行為數據的業務類型；

根據每個網絡行為數據的業務類型，提取與每個網絡行為數據對應的特征數據；

通過與每個業務類型對應的目標數據模型對每個業務類型的特征數據進行分析，得到每個特征數據中的異常數據；

根據每個特征數據的異常數據，確定每個網絡行為數據的監控結果。

2.根據權利要求1所述的監控方法，其特征在于，所述采集所述目標網絡內各個終端的網絡行為數據，包括：

通過所述目標網絡的匯聚交換機的鏡像端口，采集所述目標網絡內各個終端的網絡行為數據。

3.根據權利要求1所述的監控方法，其特征在于，所述提取與每個網絡行為數據對應的特征數據之后，還包括：

將所述特征數據作為歷史特征數據存儲至特征數據庫；

判斷上一次訓練所述目標模型的時間至當前時間的時間間隔，是否大于預定時長閾值；

若大于所述預定時長閾值，則對所述特征數據庫內存儲的未訓練的歷史特征數據，通過機器學習算法對所述目標數據模型進行訓練。

4.根據權利要求1所述的監控方法，其特征在于，所述識別每個網絡行為數據的業務類型，包括：

調用DPI流分析引擎對每個網絡行為數據的報文進行分析，確定每個網絡行為數據的目標特征值；

將每個網絡行為數據的目標特征值與DPI特征庫內存儲的與不同業務類型對應的特征值進行匹配，確定每個網絡行為數據的業務類型。

5.根據權利要求4所述的監控方法，其特征在于，若所述DPI特征庫內存儲的與不同業務類型對應的特征值，均與所述目標特征值不匹配，則所述監控方法還包括：

通過DFI流分析引擎將與所述目標特征值對應的網絡行為數據輸入分類模型，確定與所述目標特征值對應的網絡行為數據的業務類型；其中，所述分類模型為對樣本數據采用機器學習分類算法進行訓練所形成的。

6.根據權利要求1至5中任意一項所述的監控方法，其特征在于，所述確定每個網絡行為數據的監控結果之后，還包括：

生成與所述監控結果對應的告警信息，并進行提示。

7.根據權利要求1至5中任意一項所述的監控方法，其特征在于，所述識別每個網絡行為數據的業務類型之后，還包括：

根據各個終端的網絡行為數據的業務類型，生成所述目標網絡的多維分析報告；所述多維分析報告包括在各終端維度下，和/或，各部門維度下，和/或，各區域維度下的：各業務類型的流量使用占用比信息、流量分布情況信息、流量高峰和低谷時間段信息。

8.一種用戶網絡行為數據的監控裝置，其特征在于，包括：

數據采集模塊，用于采集所述目標網絡內各個終端的網絡行為數據；

業務類型識別模塊，用于識別每個網絡行為數據的業務類型；

特征數據提取模塊，用于根據每個網絡行為數據的業務類型，提取與每個網絡行為數據對應的特征數據；

分析模塊，用于通過與每個業務類型對應的目標數據模型對每個業務類型的特征數據進行分析，得到每個特征數據中的異常數據；

監控結果確定模塊，用于根據每個特征數據的異常數據，確定每個網絡行為數據的監控結果。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1-7中任一項所述的監控方法的步驟。

10.一種電子設備，其特征在于，包括：

存儲器，其上存儲有計算機程序；

處理器，用于執行所述存儲器中的所述計算機程序，以實現權利要求1-7中任一項所述的監控方法的步驟。