[发明专利]一种基于组合模型的自适应网络性能预警方法

说明书

本发明公开了一种基于组合模型的自适应网络性能预警方法。该方法为：首先使用灰色Verhulst‑马尔科夫‑GRU模型进行网络短时流量预测：使用灰色Verhulst‑马尔科夫模型进行网络短时流量预测；将灰色Verhulst‑马尔科夫模型的预测结果和实际流量的误差组成一个新的时间序列；将误差的时间序列放入GRU中进行训练；将灰色Verhulst‑马尔科夫模型的结果和GRU神经网络的结果相加，获得最终流量预测值；然后计算实际流量与预测流量的调整偏离度，设定阈值，最后对比流量预测值和阈值上下限的大小，产生三级报警。本发明能够有效地发现网络中的异常，提高了网络性能预警的准确率。

技术领域

本发明涉及网络安全领域，特别是一种基于组合模型的自适应网络性能预警方法。

背景技术

网络性能预警是网络监控的重要组成部分，通过提前预测网络短时流量，根据实际流量和设定的阈值产生不同程度的预警，能够预防网络异常的出现并预先做好相应的准备，保证网络服务质量。其中，阈值的设定显得尤为重要。动态的设定阈值，基础在于设定阈值和基线。基线指的是正常网络流量的预设值，阈值则是用于区分异常流量和正常流量的界限。当实际采集的网络流量值处于阈值的范围之外，则可以判断流量异常并提出预警、告警。传统的基线设定方法，是根据网管人员的工作经验来判断异常，但随着网络环境越来越复杂，可能影响到网络性能的因素不断增加。

传统的阈值预设方法是静态阈值方法，网管人员预设一个上下范围，当流量值处于这个范围之外时，自动产生预警，但在现代网络环境中，不同时间段的网络使用情况各不相同，不同时间段设定的阈值也应该不断变化，并且当正常用户发送数据流造成流量值产生波动时，可能会将用户的正常网络行为误判为网络异常，并且发出预警。

发明内容

本发明的目的在于提供一种能够有效地发现网络中的异常，提高网络性能预警准确率的网络性能预警方法。

实现本发明目的的技术解决方案为：一种基于组合模型的自适应网络性能预警方法，包括下步骤：

步骤1、使用灰色Verhulst-马尔科夫-GRU模型进行网络短时流量预测；

步骤2、计算实际流量与预测流量的调整偏离度，设定阈值；

步骤3、对比流量预测值和阈值上下限的大小，产生3σ三级报警。

进一步地，步骤1所述的使用灰色Verhulst-马尔科夫-GRU模型进行网络短时流量预测，具体如下：

步骤1.1、使用灰色Verhulst-马尔科夫模型进行网络短时流量预测；

步骤1.2、将灰色Verhulst-马尔科夫模型的预测结果和实际流量的误差组成一个新的时间序列；

步骤1.3、将误差的时间序列放入GRU中进行训练；

步骤1.4、将灰色Verhulst-马尔科夫模型的结果和GRU神经网络的结果相加，获得最终流量预测值。

进一步地，步骤2中所述的计算实际流量与预测流量的调整偏离度，具体如下：

设流量的历史时间序列为x₁,x₂,...,x_t,...x_T，T为时刻总数，取正整数n＜T，为t时刻灰色马尔科夫-GRU模型预测出的网络流量估计值，基于方差分析法的调整偏离度s_t计算公式为：

进一步地，步骤3所述的对比流量预测值和阈值上下限的大小，产生3σ三级报警，具体如下：

设定y₁,y₂,...,y_t为采集到的t时刻前的历史数据，s_t为通过方差分析法计算出的调整偏离度，则有：