[发明专利]流量分类模型建立及流量分类方法、装置、设备和服务器

说明书

本发明实施例提供了一种流量分类模型建立及流量分类方法、装置、设备和服务器，通过获取样本流量集，提取样本流量集中各样本流量的行为特征向量，并计算每两个样本流量的行为特征向量之间的距离，根据每两个样本流量的行为特征向量之间的距离及局部密度参数，将样本流量集中与任意的第一样本流量的行为特征向量之间的距离小于截断距离的其他样本流量归为与第一样本流量同簇，基于针对各样本流量划分的簇，建立流量分类模型。通过本方案，使得基于针对各样本流量划分的簇建立的流量分类模型更为合理，并且在使用该流量分类模型进行流量分类时，能够提高流量分类结果的准确率。

技术领域

本发明涉及计算机网络技术领域，特别是涉及一种流量分类模型建立及流量分类方法、装置、设备和服务器。

背景技术

近年来，随着互联网的高速发展，互联网中流量的种类日益增加。网络管理者通常需要使用网络流量分类技术来区分各种应用和协议的流量，再根据特定的要求来限制特定类型的流量或阻断有害应用的流量。

常用的建立流量分类模型的方法为密度聚类法，将样本流量集中每个样本流量的邻域内所包含的样本流量的数目与预设的密度阈值进行比较，如果某一个样本流量的邻域内所包含的样本流量的数目大于或等于密度阈值，则以该样本流量为聚类中心创建簇，基于针对各样本流量创建的簇，建立分类模型。

传统的流量分类模型建立方法中，只要一个样本流量满足以该样本流量为圆心、半径为预设的密度半径的范围内包含的样本流量的数目大于或等于密度阈值，就确定该样本流量为聚类中心，但是，密度半径是人为根据经验设定的，一旦密度半径设定的不合理，极易将不同类型的样本流量划分到同一簇内，使得建立的流量分类模型不合理，最终导致流量分类结果的准确率较低。

发明内容

本发明实施例的目的在于提供一种流量分类模型建立及流量分类方法、装置、设备和服务器，以提高流量分类模型的合理性和流量分类结果的准确率。具体技术方案如下：

第一方面，本发明实施例提供了一种流量分类模型建立方法，所述方法包括：

获取样本流量集，所述样本流量集中包括多个样本流量；

提取所述多个样本流量中各样本流量的行为特征向量，并计算每两个样本流量的行为特征向量之间的距离；

根据所述每两个样本流量的行为特征向量之间的距离及局部密度参数，将所述样本流量集中与第一样本流量的行为特征向量之间的距离小于截断距离的其他样本流量归为与所述第一样本流量同簇，所述局部密度参数包括所述截断距离，所述第一样本流量为所述样本流量集中的任一样本流量；

基于针对所述各样本流量划分的簇，建立流量分类模型。

第二方面，本发明实施例提供了一种流量分类方法，所述方法包括：

获取待分类流量的行为特征向量；

将所述待分类流量的行为特征向量输入预先建立的流量分类模型，得到所述待分类流量的类型；

其中，所述流量分类模型为根据样本流量集中每两个样本流量的行为特征向量之间的距离及局部密度参数，将所述样本流量集中与第一样本流量的行为特征向量之间的距离小于截断距离的其他样本流量归为与所述第一样本流量同簇建立的，所述局部密度参数包括所述截断距离，所述第一样本流量为所述样本流量集中的任一样本流量。

第三方面，本发明实施例提供了一种流量分类模型建立装置，所述装置包括：

获取模块，用于获取样本流量集，所述样本流量集中包括多个样本流量；

计算模块，用于提取所述多个样本流量中各样本流量的行为特征向量，并计算每两个样本流量的行为特征向量之间的距离；