[發明專利]異常流量檢測方法、裝置、存儲介質以及電子設備

在審

• 申請號: 202111370704.4
• 申請日: 2021-11-18
• 公開（公告）號: CN114143049A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 楊康;王碩;姜娜;孫澤懿
• 申請（專利權）人: 北京明略軟件系統有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06F16/36;G06N3/04
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 杜欣

1.一種異常流量檢測方法，其特征在于，包括：

獲取用戶目標時間段內的網站訪問數據；

篩選所述網站訪問數據，得到篩選數據，其中所述篩選數據包括所述用戶的id字段，網站ip地址，所述id字段訪問所述網站ip地址的訪問時間和訪問次數，所述id字段為所述用戶的ip地址；

根據所述篩選數據構建所述id字段的訪問知識圖譜；

利用目標神經網絡模型識別所述訪問知識圖譜的特征，得到所述id字段在所述目標時間段內訪問所述網站ip地址所產生的流量是正常流量或異常流量的目標結果。

2.根據權利要求1所述的方法，其特征在于，所述根據所述篩選數據構建所述id字段的訪問知識圖譜包括：

使用所述id字段作為所述訪問知識圖譜的中心節點的字段；

使用所述網站ip地址作為所述中心節點的關聯節點；

使用所述訪問時間和所述訪問次數作為所述中心節點到對應的所述關聯節點的邊屬性。

3.根據權利要求1所述的方法，其特征在于，所述利用目標神經網絡模型識別所述訪問知識圖譜的特征，得到所述id字段在所述目標時間段內訪問所述網站ip地址所產生的流量是正常流量或異常流量的目標結果包括：

由所述目標神經網絡模型識別所述訪問知識圖譜，得到所述訪問知識圖譜的圖譜特征；

對所述圖譜特征進行識別，得到識別結果，其中，所述識別結果用于指示所述id字段訪問所述網站ip地址的行為正常或異常；

根據所述識別結果，確定所述目標結果。

4.根據權利要求3所述的方法，其特征在于，所述由所述目標神經網絡模型識別所述訪問知識圖譜，得到所述訪問知識圖譜的圖譜特征包括：

將所述訪問知識圖譜中每一個關聯節點映射為第一維度的特征向量；

統一所述訪問知識圖譜中每一個邊屬性的特征維度為第二維度；

將所述訪問知識圖譜中每一個邊屬性的特征維度映射為一個所述第一維度乘所述第二維度的特征矩陣；

將所述特征矩陣與所述訪問知識圖譜中每一個關聯節點的特征向量相乘，得到所述訪問知識圖譜中每一個關聯節點的第一隱藏向量；

將所述第一隱藏向量進行非線性變換后再拼接，得到所述id字段的第二隱藏向量；

將所述第二隱藏向量確定為所述圖譜特征。

5.根據權利要求3所述的方法，其特征在于，所述對所述圖譜特征進行識別，得到識別結果包括：

將所述圖譜特征輸入到全連接層，映射到第三維度；

通過全連接層輸出所述id字段訪問所述網站ip地址的行為正常或異常的識別結果。

6.根據權利要求3所述的方法，其特征在于，所述根據所述識別結果，確定所述目標結果包括：

在所述識別結果為正常的情況下，則所述目標結果為所述id字段在所述目標時間段內訪問的所述網站ip地址所產生的所有流量皆為正常流量；

在所述識別結果為異常的情況下，則所述目標結果為所述id字段在所述目標時間段內訪問的所述網站ip地址所產生的所有流量皆為異常流量。

7.一種異常流量檢測裝置，其特征在于，包括：

獲取模塊，用于獲取用戶目標時間段內的網站訪問數據；

篩選模塊，用于篩選所述網站訪問數據，得到篩選數據，其中所述篩選數據包括所述用戶的id字段，網站ip地址，所述id字段訪問所述網站ip地址的訪問時間和訪問次數，所述id字段為所述用戶的ip地址；

構建模塊，用于根據所述篩選數據構建所述id字段的訪問知識圖譜；

識別模塊，用于利用目標神經網絡模型識別所述訪問知識圖譜的特征，得到所述id字段在所述目標時間段內訪問所述網站ip地址所產生的流量是正常流量或異常流量的目標結果。