[發明專利]一種劫持流量識別方法、裝置及電子設備

有效

• 申請號: 202010922264.8
• 申請日: 2020-09-04
• 公開（公告）號: CN112165456B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 陸遜
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L67/60;G06N3/08;G06N3/04
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許振新

1.一種劫持流量識別方法，包括：

在接收到待識別流量后，獲取與所述待識別流量相關的多個第一訪問主體在第一歷史時段內的訪問數據；

對所述訪問數據進行統計，確定所述多個第一訪問主體下的至少一個統計指標的時間序列，得到多個時間序列，其中，一個時間序列由一個第一訪問主體下的一個統計指標在預設周期內的值按時間順序排列而成，所述第一歷史時段的長度大于或等于多個所述預設周期；

基于所述多個時間序列構建所述待識別流量的特征矩陣；

將所述待識別流量的特征矩陣輸入預設卷積神經網絡，得到所述待識別流量是否屬于劫持流量的評價參數，其中，所述預設卷積神經網絡是基于樣本流量的特征矩陣訓練得到的，所述樣本流量的特征矩陣的構建方式與所述待識別流量的特征矩陣的構建方式一致；

基于所述評價參數，識別所述待識別流量是否屬于劫持流量。

2.根據權利要求1所述的方法，其中，所述基于所述多個時間序列構建所述待識別流量的特征矩陣，包括：

將所述多個時間序列中的一個時間序列作為矩陣中的一行，將所述多個時間序列作為矩陣中的多行，構建所述待識別流量的特征矩陣，其中，同一第一訪問主體下的時間序列屬于同一維度，不同第一訪問主體下的時間序列屬于不同維度，所述待識別流量的特征矩陣為多維矩陣。

3.根據權利要求1所述的方法，在所述將所述待識別流量的特征矩陣輸入預設卷積神經網絡之前，所述方法還包括：

確定多條樣本流量，并獲取與所述樣本流量相關的多個第二訪問主體在第二歷史時段內的訪問數據，得到多組訪問數據，其中，一條樣本流量對應得到一組訪問數據，所述多個第二訪問主體的類型與所述多個第一訪問主體的類型一致，所述第二歷史時段的長度與所述第一歷史時段的長度相同；

對所述多組訪問數據分別進行統計，確定所述多個第二訪問主體下的所述至少一個統計指標的時間序列，以針對所述多組訪問數據得到多組時間序列，其中，一組訪問數據對應得到一組時間序列，一組時間序列中含多個時間序列；

基于所述多組時間序列構建所述多條樣本流量對應的多個特征矩陣；

基于所述多個特征矩陣訓練所述預設卷積神經網絡。

4.根據權利要求3所述的方法，在所述基于所述多個特征矩陣訓練所述預設卷積神經網絡前，所述方法還包括：

分別確定所述多條樣本流量的標簽；

其中，所述基于所述多個特征矩陣訓練所述預設卷積神經網絡，包括：

基于所述多個特征矩陣和所述多條樣本流量的標簽，訓練所述預設卷積神經網絡。

5.根據權利要求4所述的方法，其中，所述分別確定所述多條樣本流量的標簽，包括：

分別基于所述多條樣本流量是否屬于劫持流量，對應確定所述多條樣本流量的標簽。

6.根據權利要求5所述的方法，

一條所述樣本流量的接收時刻在對應的第二歷史時段之后；

所述待識別流量的接收時刻在所述第一歷史時段之后。

7.根據權利要求1-6中任一項所述的方法，所述預設卷積神經網絡包括輸入層、至少一個卷積層、全局平均池化操作和輸出層，其中，所述將所述待識別流量的特征矩陣輸入預設卷積神經網絡，得到所述待識別流量是否屬于劫持流量的評價參數，包括：

將所述待識別流量的特征矩陣輸入所述輸入層；

基于所述至少一個卷積層對所述待識別流量的特征矩陣進行卷積操作和池化操作，并將最后一個卷積層的輸出結果在時間維度上進行全局平均池化操作得到一個向量輸入所述輸出層；

將所述輸出層的輸出作為所述評價參數。

8.根據權利要求7所述的方法，基于所述輸出層的輸出為所述待識別流量是否屬于劫持流量的概率，其中，所述基于所述評價參數，識別所述待識別流量是否屬于劫持流量，包括：

基于所述概率識別所述待識別流量是否屬于劫持流量。