[发明专利]一种网络流量数据的识别方法及设备

权利要求书

1.一种网络流量数据的识别方法，其特征在于，包括：

选取历史流量数据集，采用聚类算法对所述历史流量数据进行聚类，获得所述历史流量数据集的历史域类中心，其中，所述历史域类中心为所述历史流量数据集的聚类中心；

将所述历史域类中心作为待识别的当前流量数据集的参考聚类中心，根据所述参考聚类中心，生成对当前流量数据集的聚类中心进行约束的约束函数，基于所述约束函数对所述当前流量数据集进行聚类，并根据所述聚类结果识别所述当前流量数据集中每个流量数据的类型，所述约束函数用于使所述当前流量数据集的聚类中心接近所述历史域类中心。

2.如权利要求1所述的方法，其特征在于，所述生成的约束函数为：

所述基于所述约束函数对所述当前流量数据集进行聚类，包括：

根据所述约束函数以及聚类算法确定目标函数，所述目标函数为：

其中，C为聚类的类别总数，N表示流量样本的总数，x_j为流量样本，γ是平衡参数且γ∈(0,+∞)，||x_j-v_i||²表示第j个样本与第i个聚类中心之间的距离,β为平衡参数且β∈[0,+∞)，为历史域类中心的第i个聚类中心，v_i为第i类的聚类中心，μ_ij表示第j个样本是第i个类的隶属度；

基于所述目标函数对所述当前流量数据集进行聚类。

3.如权利要求2所述的方法，其特征在于，所述基于所述目标函数对所述当前流量数据集进行聚类，包括：

选取所述当前流量数据的聚类的类别总数C的值，以及分别选取平衡参数γ的值以及β的值；

将C的值、γ的值、β的值以及所述当前流量数据集作为流量样本输入所述目标函数进行聚类，获得所述当前数据集的最优隶属度，所述最优隶属度包括所述当前数据集中每个流量数据的多个隶属度。

4.如权利要求3所述的方法，其特征在于，所述根据所述聚类结果识别所述当前流量数据集中每个流量数据的类型，包括：

根据所述最优隶属度，确定每个流量数据的多个隶属度中大于阈值的目标隶属度；

将每个流量数据归为每个流量数据的目标隶属度对应的类型。

5.如权利要求1-4中任一项所述的方法，其特征在于，所述聚类算法为模糊划分聚类算法或为极大熵聚类算法。

6.一种用于网络流量数据识别的设备，其特征在于，包括：

聚类单元，用于选取历史流量数据集，采用聚类算法对所述历史流量数据进行聚类，获得所述历史流量数据集的历史域类中心，其中，所述历史域类中心为所述历史流量数据集的聚类中心；

识别单元，用于将所述历史域类中心作为待识别的当前流量数据集的参考聚类中心，根据所述参考聚类中心，生成对当前流量数据集的聚类中心进行约束的约束函数，基于所述约束函数对所述当前流量数据集进行聚类，并根据所述聚类结果识别所述当前流量数据集中每个流量数据的类型，所述约束函数用于使所述当前流量数据集的聚类中心接近所述历史域类中心。

7.如权利要求6所述的设备，其特征在于，所述生成的约束函数为：

所述识别单元还用于：

根据所述约束函数以及聚类算法确定目标函数，所述目标函数为：

其中，C为聚类的类别总数，N表示流量样本的总数，x_j为流量样本，γ是平衡参数且γ∈(0,+∞)，||x_j-v_i||²表示第j个样本与第i个聚类中心之间的距离,β为平衡参数且β∈[0,+∞)，为历史域类中心的第i个聚类中心，v_i为第i类的聚类中心，μ_ij表示第j个样本是第i个类的隶属度；

基于所述目标函数对所述当前流量数据集进行聚类。