[发明专利]一种网络流量感知方法及系统

权利要求书

1.一种网络流量感知方法，其特征在于，包括步骤：

获取每组网络流量的各类特征，将同组网络流量的各类特征的多个特征值整理合成为一个图样，以图样为训练数据根据设置的规则进行机器学习；

根据任一组待识别网络流量对应的图样，通过机器学习判断该图样对应的网络流量类型。

2.如权利要求1所述的网络流量感知方法，其特征在于：

建立一个网络流量特征图样的模板，所述模板填充特征值后的实例为一组网络流量对应的图样；

所述模板为一个点阵，每一行包括2ⁿ个特征值，且n＞3，每类特征通过至少一行特征值表示，当一类特征的特征值不为整行时，通过填充码将该行补齐。

3.如权利要求1所述的网络流量感知方法，其特征在于，所述机器学习通过独立的机器学习子系统进行，以图样为训练数据根据设置的规则进行机器学习包括：

接收外部输入的规则和训练数据，通过训练和自我学习生成新的训练数据，每条训练数据包括一组网络流量的图样和对应的网络流量类型，选取最优的图样和对应的网络流量类型作为知识存入知识库。

4.如权利要求3所述的网络流量感知方法，其特征在于，所述通过机器学习判断该组网络流量的网络流量类型包括：根据待识别网络流量的图样，从知识库中得到所有与该图样对应的网络流量类型作为结果，根据设置从结果中选择与该图样最接近的一个或几个对应的网络流量类型作为输出。

5.如权利要求3所述的网络流量感知方法，其特征在于：所述设置的规则包括输入信息、决策信息和状态信息，输入信息为网络流量、网络流量的特征或图样，决策信息包括网络流量类型，状态信息表示图样识别为某种网络流量类型的准确率。

6.一种网络流量感知系统，其特征在于，包括：

图样生成模块，其用于获取每组网络流量的各类特征，将同组网络流量的各类特征的多个特征值整理合成为一个图样；

流量感知子系统，其用于为机器学习子系统提供规则、训练数据和输入信息；

机器学习子系统，其用于以图样为训练数据根据设置的规则进行机器学习，还用于根据一组待识别网络流量对应的图样，判断该组网络流量的网络流量类型。

7.如权利要求6所述的网络流量感知系统，其特征在于：所述图样生成模块包括特征获取单元和图样生成单元，特征获取单元用于获取每组网络流量的各类特征，图样生成单元用于将同组网络流量的各类特征的多个特征值整理合成为一个图样；

所述特征获取单元和图样生成单元均位于流量感知子系统，流量感知子系统输出图样给机器学习子系统；

或者，特征获取单元设置于流量感知子系统，图样生成单元设置于机器学习子系统，流量感知子系统输出特征给机器学习子系统；

或者，特征获取单元和图样生成单元均位于机器学习子系统，流量感知子系统输出网络流量给机器学习子系统。

8.如权利要求7所述的网络流量感知系统，其特征在于：所述图样生成单元建立一个网络流量特征图样的模板，所述模板填充特征值后的实例为一组网络流量对应的图样；

所述模板为一个点阵，每一行包括2ⁿ个特征值，且n＞3，每类特征通过至少一行特征值表示，当一类特征的特征值不为整行时，通过填充码将该行补齐。

9.如权利要求7所述的网络流量感知系统，其特征在于：所述机器学习子系统根据图样进行机器学习包括：

流量感知子系统通过接口向机器学习子系统输入规则和训练数据，机器学习子系统通过训练和自我学习生成新的训练数据，每条训练数据包括一组网络流量的图样和对应的网络流量，选取最优的图样和对应网络流量类型作为知识存入知识库；

所述机器学习子系统根据待识别网络流量的图样，从知识库中得到所有与该图样对应的网络流量类型作为结果，根据设置从结果中选择与该图样最接近的一个或几个对应的网络流量类型作为输出。

10.如权利要求7所述的网络流量感知系统，其特征在于：所述流量感知子系统设置的规则包括输入信息、决策信息和状态信息，输入信息为网络流量、网络流量的特征或图样，决策信息包括网络流量类型，状态信息表示图样识别为某种网络流量类型的准确率。