本申請(qǐng)涉及智能分析領(lǐng)域，且更為具體地，涉及一種基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和普及，網(wǎng)絡(luò)已成為現(xiàn)代社會(huì)不可或缺的基礎(chǔ)設(shè)施，網(wǎng)絡(luò)流量的規(guī)模也呈現(xiàn)指數(shù)級(jí)攀升。無論是職業(yè)任務(wù)、學(xué)術(shù)研究還是休閑娛樂，人們的各類日?；顒?dòng)均高度依賴網(wǎng)絡(luò)，這導(dǎo)致了網(wǎng)絡(luò)流量的復(fù)雜性和多樣性急劇增加。與此同時(shí)，網(wǎng)絡(luò)安全問題也日益凸顯，如網(wǎng)絡(luò)攻擊、非法入侵、數(shù)據(jù)泄露等事件頻繁發(fā)生，對(duì)個(gè)人隱私、企業(yè)安全乃至國(guó)家利益構(gòu)成了嚴(yán)重威脅。因此，實(shí)時(shí)準(zhǔn)確地檢測(cè)和預(yù)測(cè)網(wǎng)絡(luò)的異常流量狀態(tài)，及時(shí)發(fā)現(xiàn)并防御潛在的網(wǎng)絡(luò)安全威脅，成為了當(dāng)前網(wǎng)絡(luò)管理和安全研究的重要課題。

2、傳統(tǒng)的網(wǎng)絡(luò)流量分析方法主要基于簡(jiǎn)單的統(tǒng)計(jì)分析和規(guī)則匹配。然而，這種方法在處理簡(jiǎn)單、靜態(tài)的網(wǎng)絡(luò)流量數(shù)據(jù)時(shí)可能有效，但在面對(duì)大規(guī)模、動(dòng)態(tài)變化的網(wǎng)絡(luò)流量時(shí)，其準(zhǔn)確性和實(shí)時(shí)性均受到嚴(yán)重限制，難以有效應(yīng)對(duì)大規(guī)模網(wǎng)絡(luò)流量的分析和管理。

3、因此，期待一種基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問題，提出了本申請(qǐng)。本申請(qǐng)的實(shí)施例提供了一種基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其通過網(wǎng)絡(luò)嗅探器來實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)流量值，并利用基于深度學(xué)習(xí)的人工智能技術(shù)對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行時(shí)序分析，基于歷史時(shí)間段的網(wǎng)絡(luò)流量時(shí)序特征模式，推理出理想狀態(tài)下當(dāng)前時(shí)間段的網(wǎng)絡(luò)流量時(shí)序特征，進(jìn)而基于推理出的網(wǎng)絡(luò)流量時(shí)序特征與實(shí)際網(wǎng)絡(luò)流量時(shí)序特征之間的對(duì)比分析，從而智能判斷是否存在網(wǎng)絡(luò)異常。這樣，可以提高網(wǎng)絡(luò)流量異常檢測(cè)的準(zhǔn)確性和效率，有效應(yīng)對(duì)大規(guī)模網(wǎng)絡(luò)流量的實(shí)時(shí)分析，增強(qiáng)網(wǎng)絡(luò)安全防御能力。

2、根據(jù)本申請(qǐng)的一個(gè)方面，提供了一種基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其包括：

3、獲取由網(wǎng)絡(luò)嗅探器采集的網(wǎng)絡(luò)流量值的時(shí)間序列；

4、基于預(yù)定時(shí)間尺度對(duì)所述網(wǎng)絡(luò)流量值的時(shí)間序列進(jìn)行序列切分以得到網(wǎng)絡(luò)流量值的時(shí)間子序列的集合，其中，將所述網(wǎng)絡(luò)流量值的時(shí)間子序列的集合中的最后一個(gè)網(wǎng)絡(luò)流量值的時(shí)間子序列作為推理校驗(yàn)網(wǎng)絡(luò)流量值的時(shí)間子序列，將所述網(wǎng)絡(luò)流量值的時(shí)間子序列的集合中的其他網(wǎng)絡(luò)流量值的時(shí)間子序列作為檢測(cè)網(wǎng)絡(luò)流量值的時(shí)間子序列；

5、對(duì)所述檢測(cè)網(wǎng)絡(luò)流量值的時(shí)間子序列的集合進(jìn)行網(wǎng)絡(luò)流量局部時(shí)序關(guān)聯(lián)特征時(shí)域傳播聚合分析以得到網(wǎng)絡(luò)流量時(shí)序聚合表示向量；

6、基于所述網(wǎng)絡(luò)流量時(shí)序聚合表示向量，推理得到先驗(yàn)引導(dǎo)網(wǎng)絡(luò)流量時(shí)序推理表示向量；

7、對(duì)所述推理校驗(yàn)網(wǎng)絡(luò)流量值的時(shí)間子序列進(jìn)行序列編碼以得到推理校驗(yàn)網(wǎng)絡(luò)流量時(shí)序關(guān)聯(lián)隱含特征向量；

8、基于所述推理校驗(yàn)網(wǎng)絡(luò)流量時(shí)序關(guān)聯(lián)隱含特征向量和所述先驗(yàn)引導(dǎo)網(wǎng)絡(luò)流量時(shí)序推理表示向量之間的特征偏移，確定是否存在網(wǎng)絡(luò)異常。

9、與現(xiàn)有技術(shù)相比，本申請(qǐng)?zhí)峁┑囊环N基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其通過網(wǎng)絡(luò)嗅探器來實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)流量值，并利用基于深度學(xué)習(xí)的人工智能技術(shù)對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行時(shí)序分析，基于歷史時(shí)間段的網(wǎng)絡(luò)流量時(shí)序特征模式，推理出理想狀態(tài)下當(dāng)前時(shí)間段的網(wǎng)絡(luò)流量時(shí)序特征，進(jìn)而基于推理出的網(wǎng)絡(luò)流量時(shí)序特征與實(shí)際網(wǎng)絡(luò)流量時(shí)序特征之間的對(duì)比分析，從而智能判斷是否存在網(wǎng)絡(luò)異常。這樣，可以提高網(wǎng)絡(luò)流量異常檢測(cè)的準(zhǔn)確性和效率，有效應(yīng)對(duì)大規(guī)模網(wǎng)絡(luò)流量的實(shí)時(shí)分析，增強(qiáng)網(wǎng)絡(luò)安全防御能力。

技術(shù)特征：

1.一種基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，對(duì)所述檢測(cè)網(wǎng)絡(luò)流量值的時(shí)間子序列的集合進(jìn)行網(wǎng)絡(luò)流量局部時(shí)序關(guān)聯(lián)特征時(shí)域傳播聚合分析以得到網(wǎng)絡(luò)流量時(shí)序聚合表示向量，包括：

3.根據(jù)權(quán)利要求2所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，將所述檢測(cè)網(wǎng)絡(luò)流量局部時(shí)序隱含關(guān)聯(lián)特征向量的集合輸入基于節(jié)點(diǎn)能量衰減機(jī)制的節(jié)點(diǎn)特征傳播網(wǎng)絡(luò)以得到所述網(wǎng)絡(luò)流量時(shí)序聚合表示向量，包括：

4.根據(jù)權(quán)利要求3所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，基于所述檢測(cè)網(wǎng)絡(luò)流量局部時(shí)序隱含關(guān)聯(lián)特征向量的集合中的各個(gè)檢測(cè)網(wǎng)絡(luò)流量局部時(shí)序隱含關(guān)聯(lián)特征向量的最大值、平均值和方差，來計(jì)算所述各個(gè)檢測(cè)網(wǎng)絡(luò)流量局部時(shí)序隱含關(guān)聯(lián)特征向量的節(jié)點(diǎn)能量統(tǒng)計(jì)范式值以得到節(jié)點(diǎn)能量統(tǒng)計(jì)范式值的序列，包括：

5.根據(jù)權(quán)利要求4所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，基于所述節(jié)點(diǎn)傳播空間跨度值的序列和所述歷史節(jié)點(diǎn)能量統(tǒng)計(jì)范式值的序列，確定所述檢測(cè)網(wǎng)絡(luò)流量局部時(shí)序隱含關(guān)聯(lián)特征向量的集合中的其他各個(gè)檢測(cè)網(wǎng)絡(luò)流量局部時(shí)序隱含關(guān)聯(lián)特征向量的節(jié)點(diǎn)能量傳播衰減系數(shù)值以得到節(jié)點(diǎn)能量傳播衰減系數(shù)值的序列，包括：

6.根據(jù)權(quán)利要求5所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，基于所述網(wǎng)絡(luò)流量時(shí)序聚合表示向量，推理得到先驗(yàn)引導(dǎo)網(wǎng)絡(luò)流量時(shí)序推理表示向量，包括：

7.根據(jù)權(quán)利要求6所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，對(duì)所述推理校驗(yàn)網(wǎng)絡(luò)流量值的時(shí)間子序列進(jìn)行序列編碼以得到推理校驗(yàn)網(wǎng)絡(luò)流量時(shí)序關(guān)聯(lián)隱含特征向量，包括：

8.根據(jù)權(quán)利要求7所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，基于所述推理校驗(yàn)網(wǎng)絡(luò)流量時(shí)序關(guān)聯(lián)隱含特征向量和所述先驗(yàn)引導(dǎo)網(wǎng)絡(luò)流量時(shí)序推理表示向量之間的特征偏移，確定是否存在網(wǎng)絡(luò)異常，包括：

9.根據(jù)權(quán)利要求8所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，還包括訓(xùn)練步驟：對(duì)所述基于雙向門控循環(huán)單元的序列編碼器、所述基于節(jié)點(diǎn)能量衰減機(jī)制的節(jié)點(diǎn)特征傳播網(wǎng)絡(luò)和所述基于解碼器的網(wǎng)絡(luò)流量時(shí)序推理器進(jìn)行訓(xùn)練。

10.根據(jù)權(quán)利要求9所述的基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其特征在于，所述訓(xùn)練步驟，包括：

技術(shù)總結(jié)
本申請(qǐng)公開了一種基于自適應(yīng)響應(yīng)大規(guī)模模型的網(wǎng)絡(luò)流量分析方法，其通過網(wǎng)絡(luò)嗅探器來實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)流量值，并利用基于深度學(xué)習(xí)的人工智能技術(shù)對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行時(shí)序分析，基于歷史時(shí)間段的網(wǎng)絡(luò)流量時(shí)序特征模式，推理出理想狀態(tài)下當(dāng)前時(shí)間段的網(wǎng)絡(luò)流量時(shí)序特征，進(jìn)而基于推理出的網(wǎng)絡(luò)流量時(shí)序特征與實(shí)際網(wǎng)絡(luò)流量時(shí)序特征之間的對(duì)比分析，從而智能判斷是否存在網(wǎng)絡(luò)異常。這樣，可以提高網(wǎng)絡(luò)流量異常檢測(cè)的準(zhǔn)確性和效率，有效應(yīng)對(duì)大規(guī)模網(wǎng)絡(luò)流量的實(shí)時(shí)分析，增強(qiáng)網(wǎng)絡(luò)安全防御能力。

技術(shù)研發(fā)人員：李丁丁,楊瑩,黨芳芳,閆麗景,李帥,郭少勇,宋一凡,劉晗,李曉慶,王浩
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)河南省電力公司信息通信分公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21