[发明专利]一种BGP稳定性异常检测方法、装置及电子设备

权利要求书

1.一种边界网关协议BGP稳定性异常检测方法，其特征在于，包括：

获取预先保存的基自治域集合；

统计不同时间段内所述基自治域集合中包括的各第一源自治域对应的更新报文的数量；

针对每个第一源自治域，根据该第一源自治域对应的更新报文的数量，通过小波变换分析该第一源自治域在不同时间段内的异常情况；

将所述各第一源自治域对应的异常情况，输入至预先训练的异常预测模型，得到所有源自治域中除第一源自治域之外的各第二源自治域的异常情况，其中，所述异常预测模型是根据所述各第一源自治域的历史异常情况和所述各第二源自治域的历史异常情况训练得到的；

其中，预先保存所述基自治域集合的过程，包括：

获取历史时间段内的更新报文，所述更新报文包括自治域路径和更新时间，并将各所述自治域路径中的最后一跳确定为对应的更新报文的源自治域；

统计历史不同时间段内不同源自治域对应的更新报文的数量；

针对每个源自治域，通过小波变换分析该源自治域在不同时间段内的异常情况；

根据各源自治域异常情况的不同，通过具有噪声的基于密度的聚类方法DBSCAN对各源自治域进行聚类分析，得到多个自治域聚类簇；

通过层次抽样方法，从多个自治域聚类簇中抽样，得到包含多个第一源自治域的基自治域集合。

2.根据权利要求1所述的方法，其特征在于，所述根据该第一源自治域对应的更新报文的数量，通过小波变换分析该第一源自治域在不同时间段内的异常情况，包括：

确定该第一源自治域对应的更新报文的数量对应的变化向量；

通过预设变换参数，对所述变化向量进行小波变换，得到近似系数；

计算所述变化向量和所述近似系数之间的差值，并根据所述差值与预设阈值之间的关系，确定该第一源自治域在不同时间段内的异常情况。

3.根据权利要求1所述的方法，其特征在于，所述异常预测模型的训练过程，包括：

根据基自治域集合中各第一源自治域的历史异常情况，以及所述各第二源自治域的历史异常情况，通过梯度提升决策树GBDT模型，训练得到异常预测模型。

4.根据权利要求1所述的方法，其特征在于，所述统计不同时间段内所述基自治域集合中包括的各第一源自治域对应的更新报文的数量，包括：

获取当前时间段内的更新报文，所述更新报文包括自治域路径和更新时间，并将各所述自治域路径中的最后一跳确定为对应的更新报文的源自治域；

统计当前不同时间段内所述基自治域集合中包括的各第一源自治域对应的更新报文的数量。

5.根据权利要求4所述的方法，其特征在于，所述获取当前时间段内的更新报文，包括：

通过第三方数据平台获取当前时间段内的更新报文；或者，

通过路由软件建立对等peer连接采集当前时间段内的更新报文。