[发明专利]一种流量分类方法及电子设备

权利要求书

1.一种流量分类方法，其特征在于，包括：

获得网络流量中的数据流统计特征；

获得所述网络流量中的数据包特征；

利用网络流量分类模型基于所述流量统计特征以及数据包特征确定网络流量分类结果，其中，所述网络流量分类模型由卷积神经网络训练形成。

2.根据权利要求1所述的方法，其特征在于，所述获得所述网络流量中的数据包特征包括：

获得所述网络流量中每条数据流中的应用层数据包特征。

3.根据权利要求2所述的方法，其特征在于，所述获得所述网络流量中每条数据流中的应用层数据包特征包括：

在所述数据流由起始至终止的过程中，若获得的对应所述数据流的数据包特征的序列参数满足预设序列参数要求，则将所述数据包特征输入至所述卷积神经网络中。

4.根据权利要求1所述的方法，其特征在于，所述利用网络流量分类模型基于所述流量统计特征以及数据包特征确定网络流量分类结果包括：

网络流量分类模型基于获得的每个数据包特征确定出至少一个用于表征所述数据包特征类别的数据包类别特征；

网络流量分类模型基于所述数据包类别特征以及数据流统计特征确定出所述网络流量分类结果。

5.根据权利要求4所述的方法，其特征在于，当所述数据包类别特征为多个时，所述基于所述数据包类别特征以及数据流统计特征确定出所述网络流量分类结果包括：

将所述数据流统计特征分别与每个所述数据包类别特征结合形成多个一维数组；

基于所述多个一维数据分别形成多个分类子结果；

基于多个所述分类子结果确定所述网络流量分类结果。

6.根据权利要求5所述的方法，其特征在于，所述基于多个所述分类子结果确定所述网络流量分类结果包括：

统计每个所述子结果用于表征的类别；

基于统计结果中各类别统计数量中的最大值确定所述网络流量分类结果。

7.根据权利要求5所述的方法，其特征在于，所述子结果为一维数据组，其维数至少与预设的流量类别数量相同，且所述数据组中各维数据均包含表征唯一的流量类别成为最终网络流量分类结果的概率数据；

所述基于多个所述分类子结果确定所述网络流量分类结果包括：

统计各子结果中表征同一网络流量分类结果的概率数据；

基于统计结果确定数值最大的数据元素所表征的流量类别为所述网络流量分类结果。

8.根据权利要求1所述的方法，其特征在于，所述数据流统计特征至少包括每条数据流中的总数据包数量、平均数据包大小、上行数据包数量、上行数据包总大小、下行数据包数量、下行数据包总大小、数据流持续时间、相邻数据包间的平均时间间隔、数据流平均速率、上行数据流速率、下行数据流速率中的一种或多种。

9.一种电子设备，其特征在于，包括：

第一获得装置，其用于获得网络流量中的数据流统计特征；

第二获得装置，其用于获得所述网络流量中的数据包特征；

网络流量分类模型，其由卷积神经网络训练形成，用于根据获得的所述流量统计特征以及数据包特征确定网络流量分类结果。

10.根据权利要求9所述的电子设备，其特征在于，还包括：

预处理装置，其至少用于基于获得的所述数据包特征中确定出所述网络流量中每条数据流中的应用层数据包特征。