[发明专利]一种网络流量基线自学习自适应方法

说明书

本发明提供了一种网络流量基线自学习自适应方法，其包括采集并存储网络流量数据、计算网络流量基线值、确定动态基线临界值和更新基线值和临界值。本发明提供的技术方案在未设定业务流量固定阈值时能给维护人员提供重要的流量异常报警信息，能够有效协助网络管理人员尽早侦测和发现网络中的异常，且能直观反映网络流量数据趋势。

技术领域

本发明涉及网络流量监控方法，具体讲涉及一种网络流量基线自学习自适应方法。

背景技术

网络管理中非常重要且非常基础的一个环节就是网络流量监测，网络流量监测即是通过对网络数据的连续采集来监测网络的流量。网络管理员根据当前的和历史的存储网络及其重要成分的性能的数据数据，就可对网络及其主要成分的性能进行性能管理，通过数据分析获得性能的变化趋势。

在网络流量监测的基础上，管理员可对感兴趣的网络管理对象设置阈值范围以配置网络阈值对象，阈值对象监控实时轮询网络获取定义对象的当前值。若超出阀值的上限和下限则报警，帮助管理员发现网络瓶颈，从而实现一定程度上的故障管理，网络流量监测本身也涉及到安全管理方面的内容。

目前主要采用基于恒定基线阈值检测方法监控网络流量，如果采集的流量数据超过其设定的网络流量恒定基线阈值，则认为流量异常，发出告警通知。基线阈值的选定依赖于网络管理员的经验和对历史观测数据的统计分析，主观选择性较大，且阈值设定的准确度有待提高。恒定阈值检测方法的关键是对阈值的设置，如果基线阈值选取过高，则检测不到较小流量的问题，设定的基线阈值失去意义；如果基线阈值过低，会产生误报警且掩盖真实异常情况。恒定阈值检测方法的缺点是难以设定恰当的阈值，难以发现细微的流量异常。

静态配置预警门限的方法，完全根据经验判断门限值的配置区间，无法适应网络数据变化和结构变化带来的隐形冲击，可能导致误告警，不利于及时高效监控及预警当前网路情况。

现有的检测方法适用于变化不大的网络环境中，而现今网络流量的复杂性和差异性用固定阈值难以发现异常情况。为满足现今复杂网络环境的流量检测，本发明提供了一种网络流量基线自学习自适应方法，检测异常网络流量。

发明内容

为满足现有技术发展的需要，克服现有技术中流量监控不精确的缺点，本发明提供一种网络流量基线自学习自适应方法。

本发明提供的网络流量基线自学习自适应方法，其改进之处在于，所述方法包括：

(1)采集并存储网络流量数据；

(2)计算网络流量基线值；

(3)确定动态基线临界值；

(4)更新基线值和临界值。

进一步的，所述步骤(1)中SNMP管理者用GET方法通过SNMP代理者每5分钟采集一次路由器管理对象信息库MIB的信息；

所述SNMP管理者定时从MIB中读取设备接口组每秒接收字节数ifInIctets和每秒发送字节数ifOutOctets；

进一步的，将采集的原始数据转化为流量速率存储在数据库中，并记录数据的标识字段ID、数据源路由器IP地址RouterIP、路由器端口号Port、路由器端口的出流量速率OutTraffic、路由器端口的入流量速率InTraffic和流量数据采集时刻Time。

进一步的，所述步骤(2)中，提取历史数据中每天相同时刻的流量信息数据，用下式(1)计算网络流量基线值：

其中，x_n是t时刻流量采集数据值，n是采集数据个数。

进一步的，所述步骤(3)中，

(3-1)由网络流量基线值计算采样数据的标准方差σ，如下式(2)所示：