[發明專利]流量識別系統及方法、服務器

在審

• 申請號: 202010988680.8
• 申請日: 2020-09-18
• 公開（公告）號: CN112134876A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 李姣姣;吳君軼;李藝偉
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中國移動通信集團有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/851;H04L12/24;G06N3/08;G06N3/06;G06N3/04;G06K9/62
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

本發明實施例涉及網絡安全技術領域，公開了一種流量識別系統及方法、服務器。流量識別系統，包括：相互連接的流采集器與切片模塊；流采集器用于采集來源于網絡設備的待識別的流量數據，并將流量數據發送到切片模塊；切片模塊用于提取接收到的流量數據中的各流量的特征數據，并將各流量的特征數據輸入到卷積神經網絡模型中，得到各流量所屬的初步分類；切片模塊還用于將各初步分類下的流量分別輸入到雙向循環神經網絡模型，得到各流量所屬的最終分類。本發明中，結合了卷積神經網絡模型對高維的流量數據的高處理能力與雙向循環神經網絡模型能夠關聯流量的歷史數據與未來數據進行預測的特點，提高了流量識別的準確度。

技術領域

本發明實施例涉及網絡安全技術領域，特別涉及一種流量識別系統及方法、服務器。

背景技術

隨著互聯網業務、物聯網業務的快速發展，未來移動通信將面臨千倍數據流量增長和千億設備級別的聯網需求。5G作為新一代移動通信技術發展的方向，將在提升移動互聯網用戶業務體驗的基礎上，進一步滿足未來物聯網應用的海量需求，與工業、醫療、交通等行業深度融合，實現真正的“萬物互聯”。

隨著5G網絡的場景化落地，以及客戶運營向網絡邊緣遷移，必將帶來更加復雜的網絡安全風險。目前，基于5G場景下的分布式拒絕服務器(DistributedDenialofService，簡稱DDOS)攻擊的流量識別方法中，存在以下缺陷：需要依賴歷史攻擊庫的更新，否則會導致識別的準確率較低，并且智能化程度較低；基于自組織網絡的流量識別方法中，SON本身容易被竊聽，全性得不到保證；在利用以設備為鍵值的哈希表來進行異常數據流記錄時，計算復雜度較高。

發明內容

本發明實施方式的目的在于提供一種流量識別系統及方法、服務器，先利用卷積神經網絡模型進行流量的初次分類，然后在利用雙向循環神經網絡模型進行二次分類，結合了卷積神經網絡模型對高維的流量數據的高處理能力與雙向循環神經網絡模型能夠關聯流量的歷史數據與未來數據進行預測的特點，提高了流量識別的準確度；并且，可以自動的進行流量數據中流量的特征提取與流量的分類，智能化程度高，無需人工干預。

為解決上述技術問題，本發明的實施方式提供了一種流量識別系統，包括：相互連接的流采集器與切片模塊；流采集器用于采集來源于網絡設備的待識別的流量數據，并將流量數據發送到切片模塊；切片模塊用于提取接收到的流量數據中的各流量的特征數據，并將各流量的特征數據輸入到卷積神經網絡模型中，得到各流量所屬的初步分類；切片模塊還用于將各初步分類下的流量分別輸入到雙向循環神經網絡模型，得到各流量所屬的最終分類。

本發明的實施方式還提供了一種流量識別方法，包括：采集來源于網絡設備的待識別的流量數據；提取接收到的流量數據中的各流量的特征數據，并將各流量的特征數據輸入到卷積神經網絡模型中，得到各流量所屬的初步分類；將各初步分類下的流量分別輸入到雙向循環神經網絡模型，得到各流量所屬的最終分類。

本發明的實施方式還提供了一種服務器，包括：至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行上述的流量識別方法。

本發明實施方式相對于現有技術而言，提供了一種流量識別系統，其包括相互連接的流采集器與切片模塊；流采集器能夠采集來源于網絡設備的待識別的流量數據，并將采集到的流量數據發送到切片模塊，切片模塊則能夠從該流量數據提取接收到的流量數據中的各流量的特征數據，并將各流量的特征數據輸入到卷積神經網絡模型中，得到各流量所屬的初步分類，再將各初步分類下的流量分別輸入到雙向循環神經網絡模型，得到各流量所屬的最終分類。即首先利用卷積神經網絡模型進行流量的初次分類，然后在利用雙向循環神經網絡模型進行二次分類，結合了卷積神經網絡模型對高維的流量數據的高處理能力與雙向循環神經網絡模型能夠關聯流量的歷史數據與未來數據進行預測的特點，提高了流量識別的準確度；并且，可以自動的進行流量數據中流量的特征提取與流量的分類，智能化程度高，無需人工干預。