[發明專利]一種異常流量的檢測方法、系統、電子設備及存儲介質

有效

• 申請號: 202011112722.8
• 申請日: 2020-10-16
• 公開（公告）號: CN112333155B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 晏海龍
• 申請（專利權）人: 濟南浪潮數據技術有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/08;G06N3/04;G06V10/764;G06K9/62;G06V10/82;G06K9/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郄晨芳

1.一種異常流量的檢測方法，其特征在于，包括：

獲取待檢測流量，并將所述待檢測流量轉換為十進制的目標數據；

將所述目標數據中每一字節的值作為灰度值，生成三通道圖像數據；

將所述三通道圖像數據輸入異常流量檢測模型，并根據所述異常流量檢測模型的輸出結果判斷所述待檢測流量是否為異常流量；

其中，所述待檢測流量為一個或多個目標主機接收或發送的流量；所述三通道圖像數據包含的信息量是單通道灰度圖像數據量的三倍；所述異常流量檢測模型為基于FasterRCNN目標檢測網絡的模型，所述Faster RCNN目標檢測網絡為使用歸一化進行深度學習的卷積神經網絡；

所述將所述目標數據中每一字節的值作為灰度值，生成三通道圖像數據，包括：

將所述目標數據中每一字節的值作為灰度值；

在三通道圖像中選取數據存儲區域，并將所述目標數據中每一字節的值作為所述數據存儲區域中像素點的灰度值；

將三通道圖像中除所述數據存儲區域外的其他區域中像素點的灰度值設置為0，將所述三通道圖像的灰度值分布信息作為三通道圖像數據。

2.根據權利要求1所述異常流量的檢測方法，其特征在于，將所述待檢測流量轉換為十進制的目標數據，包括：

將所述待檢測流量劃分為多個數據塊；其中，每一所述數據塊對應的字節數為8；

將每一所述數據塊轉換為十進制數字，將所述十進制數字按照所述數據塊的順序排列得到所述目標數據。

3.根據權利要求2所述異常流量的檢測方法，其特征在于，在將所述待檢測流量劃分為多個數據塊之前，還包括：

判斷所述待檢測流量的字節數是否為8的整數倍；

若否，則通過在所述待檢測流量的末位補0，以使補0后待檢測流量的字節數為8的整數倍。

4.根據權利要求1所述異常流量的檢測方法，其特征在于，所述數據存儲區域中的像素點數大于或等于所述目標數據的字節數，所述數據存儲區域的像素點與所述目標數據中的字節一一對應。

5.根據權利要求1所述異常流量的檢測方法，其特征在于，在將所述三通道圖像數據輸入異常流量檢測模型之前，還包括：

將異常流量樣本轉換為三通道圖像數據樣本，將所述三通道圖像數據樣本按照預設比例劃分為訓練集和測試集；

利用所述訓練集和測試集訓練初始模型得到異常流量檢測模型。

6.根據權利要求1至5任一項所述異常流量的檢測方法，其特征在于，在根據所述異常流量檢測模型的輸出結果判斷所述待檢測流量是否為異常流量之后，還包括：

將所述待檢測流量的檢測結果寫入日志文件；

若判定所述待檢測流量為異常流量，則向管理平臺發送提示信息。

7.一種異常流量的檢測系統，其特征在于，包括：

進制轉換模塊，用于獲取待檢測流量，并將所述待檢測流量轉換為十進制的目標數據；

圖像數據生成模塊，用于將所述目標數據中每一字節的值作為灰度值，生成三通道圖像數據；

判斷模塊，用于將所述三通道圖像數據輸入異常流量檢測模型，并根據所述異常流量檢測模型的輸出結果判斷所述待檢測流量是否為異常流量；

其中，所述待檢測流量為一個或多個目標主機接收或發送的流量；所述三通道圖像數據包含的信息量是單通道灰度圖像數據量的三倍；所述異常流量檢測模型為基于FasterRCNN目標檢測網絡的模型，所述Faster RCNN目標檢測網絡為使用歸一化進行深度學習的卷積神經網絡；

所述圖像數據生成模塊用于：

將所述目標數據中每一字節的值作為灰度值；

在三通道圖像中選取數據存儲區域，并將所述目標數據中每一字節的值作為所述數據存儲區域中像素點的灰度值；

將三通道圖像中除所述數據存儲區域外的其他區域中像素點的灰度值設置為0，將所述三通道圖像的灰度值分布信息作為三通道圖像數據。