[发明专利]一种网络异常行为确定方法、装置、设备及可读存储介质

说明书

本发明公开了一种网络异常行为确定方法，包括：获取网络数据流量，并将网络数据流量包含的每个数据包作为完全图的节点，构建数据完全图；利用kruskal算法将数据完全图优化为最小生成树，并将最小生成树的每个节点作为聚类中心；根据每个聚类中心对网络数据流量包含的所有数据包进行分类，得到每个聚类中心对应的数据元素集合；根据数据元素集合的类型确定网络异常行为，数据元素集合的类型由网络数据流量包含的网络攻击种类确定。该方法提高了网络数据流量的分类效率和准确率，能够准确确定网络异常行为。本发明公开的一种网络异常行为确定装置、设备及可读存储介质，也同样具有上述技术效果。

技术领域

本发明涉及计算机技术领域，更具体地说，涉及一种网络异常行为确定方法、装置、设备及可读存储介质。

背景技术

现阶段，计算机网络已经基本实现全球化，庞大的网络体系方便了信息的交流与传递，但是也对网络黑客提供了更多的便利。如今网络中存在着多种多样的攻击手段，例如：DOS攻击、Probing攻击、R2L攻击和U2R攻击等。

在现有技术中，一般通过聚类算法对网络中的网络数据流量进行分类，以根据分类结果确定其中存在的异常行为。但是现有技术中使用的聚类算法，采用数据点距离平均值选取聚类中心，该方法导致在处理非球状簇聚类时，聚类效果不明显、容易陷入局部最优解问题，从而影响了聚类结果的准确性，降低了网络数据流量的分类效率和准确率，根据此分类结果也无法准确确定网络中的异常行为。

因此，如何提高网络数据流量的分类效率和准确率，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种网络异常行为确定方法、装置、设备及可读存储介质，以提高网络数据流量的分类效率和准确率。

为实现上述目的，本发明实施例提供了如下技术方案：

一种网络异常行为确定方法，包括：

获取目标网络中的网络数据流量，并将所述网络数据流量包含的每个数据包作为完全图的节点，构建数据完全图；

利用kruskal算法将所述数据完全图优化为最小生成树，并将所述最小生成树的每个节点作为聚类中心；

根据每个聚类中心分别对所述网络数据流量包含的所有数据包进行分类，得到每个聚类中心分别对应的数据元素集合；

根据每个数据元素集合的类型确定所述目标网络中的异常行为，数据元素集合的类型由所述网络数据流量包含的网络攻击种类确定。

其中，所述得到每个聚类中心分别对应的数据元素集合之后，还包括：

分别计算每个数据元素集合的类内距离与类间距离的比值，并判断所有数据元素集合的类内距离与类间距离的比值是否均小于预设的第一阈值；

若是，则执行所述根据每个数据元素集合的类型确定所述目标网络中的异常行为的步骤。

其中，当存在不小于所述第一阈值的比值时，还包括：

按照目标公式分别更新每个聚类中心，并执行所述根据每个聚类中心分别对所述网络数据流量包含的所有数据包进行分类，得到每个聚类中心分别对应的数据元素集合的步骤；