[发明专利]网络流量的人工合成方法和装置

权利要求书

1.一种网络流量的人工合成方法，其特征在于，包括：

从真实流量中提取第一真实流量组成参数序列和第二真实流量组成参数序列；

根据所述第一真实流量组成参数序列生成第一人工流量组成参数序列；

对所述第一真实流量组成参数序列和所述第二真实流量组成参数序列进行自相关性学习，获取第一流量组成参数与第二流量组成参数之间的关系系数，并根据所述第一人工流量组成参数序列和所述关系系数生成第二人工流量组成参数序列；

根据所述第一人工流量组成参数序列和所述第二人工流量组成参数序列合成人工流量。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一真实流量组成参数序列和所述第二真实流量组成参数序列进行自相关性学习，获取第一流量组成参数与第二流量组成参数之间的关系系数包括：

根据所述第一真实流量组成参数序列和所述第二真实流量组成参数序列确定自动学习网络模型的结构；

根据所述自动学习网络模型建立第一流量组成参数与第二流量组成参数之间的关系模型；

根据所述关系模型、所述第一真实流量组成参数序列和所述第二真实流量组成参数序列生成所述第一流量组成参数与所述第二流量组成参数之间的关系系数。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一真实流量组成参数序列生成第一人工流量组成参数序列包括：

根据所述第一真实流量组成序列分析多分形小波模型的参数；

根据所述多分形小波模型的参数，利用多分形小波模型生成第一人工流量组成参数序列。

4.根据权利要求2所述的方法，其特征在于，所述第一流量组成参数为单位时间内的包个数，所述第二流量组成参数为单位时间内的包流量；或者，所述第一流量组成参数为单位时间内的包流量，所述第二流量组成参数为单位时间内的包个数；或者，所述第一流量组成参数为包间隔时间，所述第二流量组成参数为包大小；或者，所述第一流量组成参数为包大小，所述第二流量组成参数为包间隔时间。

5.根据权利要求2所述的方法，其特征在于，所述自动学习网络模型包括人工神经网络模型、模糊人工神经网络模型和回归模型。

6.一种网络流量的人工合成装置，其特征在于，包括：

提取模块，用于从真实流量中提取第一真实流量组成参数序列和第二真实流量组成参数序列；

第一生成模块，用于根据所述第一真实流量组成参数序列生成第一人工流量组成参数序列；

获取模块，用于对所述第一真实流量组成参数序列和所述第二真实流量组成参数序列进行自相关性学习，获取第一流量组成参数与第二流量组成参数之间的关系系数；

第二生成模块，用于根据所述第一人工流量组成参数序列和所述关系系数生成第二人工流量组成参数序列；

合成模块，用于根据所述第一人工流量组成参数序列和所述第二人工流量组成参数序列合成人工流量。

7.根据权利要求6所述的装置，其特征在于，所述获取模块包括：

结构确定单元，用于根据所述第一真实流量组成参数序列和所述第二真实流量组成参数序列确定自动学习网络模型的结构；

模型建立单元，用于根据所述自动学习网络模型建立第一流量组成参数与第二流量组成参数之间的关系模型；

关系生成单元，用于根据所述关系模型、所述第一真实流量组成参数序列和所述第二真实流量组成参数序列生成所述第一流量组成参数与所述第二流量组成参数之间的关系系数。

8.根据权利要求6或7所述的装置，其特征在于，所述第一生成模块包括：

分析单元，用于根据所述第一真实流量组成序列分析多分形小波模型的参数；

序列生成单元，用于根据所述多分形小波模型的参数，利用多分形小波模型生成第一人工流量组成参数序列。

9.根据权利要求7所述的装置，其特征在于，所述第一流量组成参数为单位时间内的包个数，所述第二流量组成参数为单位时间内的包流量；或者，所述第一流量组成参数为单位时间内的包流量，所述第二流量组成参数为单位时间内的包个数；或者，所述第一流量组成参数为包间隔时间，所述第二流量组成参数为包大小；或者，所述第一流量组成参数为包大小，所述第二流量组成参数为包间隔时间。

10.根据权利要求7所述的装置，其特征在于，所述自动学习网络模型包括人工神经网络模型、模糊人工神经网络模型和回归模型。