[发明专利]一种基于机器学习的日常访问模型实现方法及系统

权利要求书

1.一种基于机器学习的日常访问模型实现方法，其特征在于，包括步骤：

A、设置流量自我学习的时间范围；

B、设置流量自我学习的网络终端范围与被访问的业务系统列表；

C、采集流量并分析流量；

D、形成流量分析结果；

E、创建流量模型的异常访问规则；

F、根据分析结果结合异常访问规则生成流量模型，通过所述流量模型对网络访问进行持续监控。

2.根据权利要求1所述的基于机器学习的日常访问模型实现方法，其特征在于，所述步骤C具体包括：

C1、通过蓝盾设备进行流量采集，并将采集到的流量原文保存为pcap格式；

C2、对pcap格式的流量原文进行数据分析，得到pcap分析输出结果。

3.根据权利要求2所述的基于机器学习的日常访问模型实现方法，其特征在于，所述步骤D包括：

根据所述pcap分析输出结果，形成包括源IP、目标IP、目标端口及访问时间的流量分析结果。

4.根据权利要求1所述的基于机器学习的日常访问模型实现方法，其特征在于，所述异常访问规则的规则字段包括：时间总长度、访问总次数及端口。

5.根据权利要求1所述的基于机器学习的日常访问模型实现方法，其特征在于，所述流量模型以目标IP为维度，聚合源IP、端口及源IP访问目标IP某端口的总次数。

6.一种基于机器学习的日常访问模型实现系统，其特征在于，包括：

第一设置模块，用于设置流量自我学习的时间范围；

第二设置模块，用于设置流量自我学习的网络终端范围与被访问的业务系统列表；

采集分析模块，用于采集流量并分析流量；

分析结果形成模块，用于形成流量分析结果；

规则创建模块，用于创建流量模型的异常访问规则；

模型生成模块，用于根据分析结果结合异常访问规则生成流量模型，通过所述流量模型对网络访问进行持续监控。

7.根据权利要求6所述的基于机器学习的日常访问模型实现方法，其特征在于，所述采集分析模块具体包括：

采集单元，用于通过蓝盾设备进行流量采集，并将采集到的流量原文保存为pcap格式；

分析单元，用于对pcap格式的流量原文进行数据分析，得到pcap分析输出结果。

8.根据权利要求7所述的基于机器学习的日常访问模型实现方法，其特征在于，所述分析结果形成模块具体包括：

分析结果形成单元，用于根据所述pcap分析输出结果，形成包括源IP、目标IP、目标端口及访问时间的流量分析结果。

9.根据权利要求6所述的基于机器学习的日常访问模型实现方法，其特征在于，所述异常访问规则的规则字段包括：时间总长度、访问总次数及端口。

10.根据权利要求6所述的基于机器学习的日常访问模型实现方法，其特征在于，所述流量模型以目标IP为维度，聚合源IP、端口及源IP访问目标IP某端口的总次数。