[发明专利]数据识别方法及装置、存储介质及电子设备

权利要求书

1.一种网络流量的数据识别方法，其特征在于，包括：

获取待识别特征数据，应用预先训练得到的识别模型对所述待识别特征数据进行识别，所述待识别特征数据包括按照目的IP、源IP、目的端口、源端口以及协议类型不同分为不同的数据流；

其中，所述待识别特征数据的识别过程，包括：将所述待识别特征数据输入至所述识别模型中，得到所述识别模型的隐含层输出的与所述待识别特征数据对应的输出向量；

确定所述输出向量分别与预先设置的各个已知分类类型的中心向量的特征距离；

将各个所述特征距离及预先构建的威布尔分布参数集合中与各个所述特征距离一一对应的威布尔分布参数输入至威布尔函数中，以确定所述待识别特征数据分别与每个所述已知分类类型对应的概率值；

依据各个所述概率值调整各个所述已知分类类型的分类权重及预先设置的未知分类类型的分类权重，其中包括：基于各个所述概率值的大小，确定各个已知分类类型对应的分类权重的调整值；依据所述调整值减少各个所述已知分类类型对应的分类权重，并将所述调整值添加至预先设置的未知分类类型对应的分类权重；

基于已调整的各个所述已知分类类型的分类权重及已调整的所述未知分类类型的分类权重，确定所述待识别特征数据的识别结果，所述识别结果为网络应用的类型；

其中，所述识别模型的构建过程，包括：

将已获取的各个训练特征数据依次输入至预先训练的神经网络模型中，得到所述神经网络模型的隐含层输出的与各个所述训练特征数据对应的各个初始输出向量；

对各个所述初始输出向量进行分类，得到各个预先设置的已知分类类型分别对应的初始输出向量集合；

确定各个所述初始输出向量集合分别对应的特征距离集合；

其中，各个所述特征距离集合包含与其对应的初始输出向量集合的各个输出向量与该初始输出向量集合对应的中心向量的特征距离；

在各个所述特征距离集合中选取符合预设条件的多个特征距离，并依据已选取的特征距离拟合威布尔函数，以确定各个所述已知分类类型分别对应的威布尔参数；

在所述神经网络模型中添加用于表示未知分类类型的输出节点，并为所述表示未知分类的输出节点分配初始分类权重；

将已添加所述输出节点的神经网络模型确定为识别模型。

2.根据权利要求1所述的方法，其特征在于，所述在各个所述特征距离集合中选取符合预设条件的多个特征距离，包括：

依据各个所述特征距离集合中各个特征距离的大小，对各个所述特征距离集合中的各个所述特征距离进行排序；

依据各个特征距离由大至小的顺序在各个所述特征距离集合中选取预设数目的特征距离。

3.根据权利要求1所述的方法，其特征在于，基于已调整的各个已知分类类型的分类权重及已调整的未知分类类型的分类权重确定所述待识别特征数据的识别结果，包括：

基于已调整的各个所述已知分类类型的分类权重的大小及已调整的所述未知分类类型的分类权重大小，将已调整的各个所述已知分类类型的分类权重及已调整的所述未知分类类型的分类权重进行排序，得到排序结果；

基于所述排序结果在已调整的各个所述已知分类类型的分类权重及已调整的所述未知分类类型的分类权重中确定目标分类权重；

将所述目标分类权重对应的分类类型确定为识别结果。