[发明专利]流量识别方法、装置、电子设备和存储介质

权利要求书

1.一种流量识别方法，其特征在于，包括：

对目标服务的流量进行监测，计算目标服务的流量均值比率；

若计算得到的流量均值比率超过第一阈值，则确定流量突增时刻；

获取与所述流量突增时刻对应的用户数据，并基于图半监督方法筛选出所述用户数据中的异常用户数据；

根据所述异常用户数据确定异常用户，将异常用户的流量识别为异常流量；

该方法还包括：

根据公式计算召回率；

其中，A为召回率，m为已拦截的异常流量，n为已拦截的异常流量中，命中白名单用户的流量；在计算实时召回率时，k为识别出的异常流量；在计算离线召回率时，k为估计的异常流量；

所述基于图半监督方法筛选出所述用户数据中的异常用户数据包括：

根据基准数据以及所述用户数据计算各用户数据的异常程度，将异常程度大于第二阈值的用户数据标记为初步异常用户数据；

将所述初步异常用户数据构造成图，将构造的图划分为多个子群组；

根据预设的检验规则对各子群组进行判断，确定异常群组；所述预设的检验规则与子群组的特征相对应，所述特征包括如下的一种或多种：个体数量，个体异常程度，整体异常程度；

将所述异常群组对应的初步异常用户数据作为所述异常用户数据。

2.如权利要求1所述的方法，其特征在于，

所述基准数据包括根据统计得到的白名单用户对所述目标服务的各接口的访问次数；

所述用户数据包括用户对所述目标服务的各接口的访问次数；

所述根据基准数据以及所述用户数据计算各用户数据的异常程度包括：

通过公式计算各用户行为数据的异常程度；

其中，x_i表示用户数据中，用户x访问第i个接口的次数，X表示用户x访问所有接口的次数和；y_i表示基准数据中，用户y访问第i个接口的次数，Y是用户y访问所有接口的次数和。

3.如权利要求1所述的方法，其特征在于，所述将构造的图划分为多个子群组包括：

通过对构造的图求其连通子图，得到多个子群组，

或者，

根据标签传播算法对构造的图进行计算，得到多个子群组。

4.如权利要求1所述的方法，其特征在于，该方法还包括：

若计算得到的流量均值比率低于第三阈值，则确定流量突降时刻，根据所述流量突增时刻和所述流量突降时刻确定流量异常时段；

估计流量异常时段的正常流量，根据所述流量异常时段的实际流量和所述正常流量计算得到估计的异常流量。

5.如权利要求4所述的方法，其特征在于，所述计算目标服务的流量均值比率包括：

根据公式计算t时刻的流量均值比率，其中，N为经验参数，z_t为所述目标服务在t时刻的实际流量数值，r(t)是t时刻的流量均值比率；

所述估计流量异常时段的正常流量包括：

根据所述目标服务在流量突增时刻和流量突降时刻时的实际流量数值确定一条基础直线；

根据所述流量突增时刻前N分钟、所述流量突降时刻后N分钟和所述流量异常时段的流量均值比率分别拟合得到与各时段对应的流量波动曲线，选择三条流量波动曲线中波动最平稳的一条作为模拟波动曲线；

根据所述模拟波动曲线和所述基础直线进行插值计算，得到流量异常时段的正常流量曲线。

6.一种流量识别装置，其特征在于，包括：

流量监测单元，用于对目标服务的流量进行监测，计算目标服务的流量均值比率；

异常数据筛选单元，用于当计算得到的流量均值比率超过第一阈值时，确定流量突增时刻，获取与所述流量突增时刻对应的用户数据，基于图半监督方法筛选出所述用户数据中的异常用户数据；

异常流量识别单元，用于根据所述异常用户数据确定异常用户，将异常用户的流量识别为异常流量；

可选地，该装置还包括：

召回率计算单元，用于根据公式计算召回率；

其中，A为召回率，m为已拦截的异常流量，n为已拦截的异常流量中，命中白名单用户的流量；在计算实时召回率时，k为识别出的异常流量；在计算离线召回率时，k为估计的异常流量。