[发明专利]一种通信网络中网络流量异常的实时检测方法

权利要求书

1.一种通信网络中网络流量异常的实时检测方法，其特征在于：包括以下步骤：

步骤1：将网络流量作为一个时间序列信号，构建一个流量矩阵；

步骤2：进行主成分分解，将网络流量分解为主成分和非主成分，其中主成分表示网络流量的主要特征，非主成分表示网络流量的次要特征；

步骤3：利用经验模式分解将网络流量划分为不同的固有模态函数分量，每个固有模态函数分量反映了网络流量中的真实隐藏信息，并且每个固有模态函数分量是相互正交的，即通过经验模式分解将网络流量转换成正交的固有模式的功能组件；

步骤4：根据主成分分析和经验模式分解的结果，进行异常流量检测。

2.根据权利要求1所述的通信网络中网络流量异常的实时检测方法，其特征在于：所述步骤1中网络流量的时间序列信号为长度是N＝n²，n为一个整数，网络流量中含有K个主成分；将该网络流量构建成式(1)所示的流量矩阵；

$Y={\left\{y_{uv}\right\}}_{n\×n}=\left\{\begin{array}{cccc}y\left(1\right)& y\left(2\right)& \mathrm{...}& y\left(n\right)\\ y(n+1)& y(n+2)& \mathrm{...}& y\left(2n\right)\\ .& .& & .\\ .& .& \mathrm{...}& .\\ .& .& & .\\ y({\left(n-1\right)}^2+1)& y({\left(n-1\right)}^2+2)& \mathrm{...}& y\left(n^2\right)\end{array}\right\}---\left(1\right)$

其中，u＝1，2，…，n，v＝1，2，…，n；

所述步骤2中的主成分分解过程具体包括以下步骤：

步骤2.1：根据主成分分析理论，对网络流量执行主成分分解，将式(1)所示矩阵分解为式(2)；

Y＝{y_uv}_n×n＝UDV^T (2)

其中，U表示YY^T的本征矢量矩阵，V表示Y^TY的本征矢量矩阵，D为n×n的非负对角矩阵；

步骤2.2：选择网络流量中的K个主成分，将式(2)转化为式(3)，用来描述网络流量的特征；

Y_p＝{y_uv，p}_n×n＝V′D′U′ (3)

其中，Y_p表示根据式(3)由K个主成分分量构成的网络流量矩阵Y的主成分分量，下标p代表principal的首字母而表示主成分分解结果；U′、V′和D′分别为选择K个主成分后U、V和D所对应的相应分量，V′和D′描述了网络流量的主要特征；

步骤2.3：根据式(3)，对式(1)进行逆变换，得到如式(4)所示的新的时间序列；

${\tilde{y}}_p=\left\{{\tilde{y}}_p\left(t\right)\right|t=1,2,...,N\}=\{y_{11,p},y_{12,p},...,y_{1n,p},...,y_{nn,p}\}---\left(4\right)$

其中，表示网络流量中的主成分，体现网络流量中的主要特征；y_uv，p表示的第(u-1)×n+v个元素；

步骤2.4：另一个时间序列表示网络流量中的非主成分，体现网络流量中的次要特征，如式(5)所示；

${\tilde{y}}_{np}=\left\{{\tilde{y}}_{np}\left(t\right)\right|t=1,2,...,N\}=\tilde{y}-{\tilde{y}}_p---\left(5\right)$

因此，网络流量被分解为两个部分和