[发明专利]一种网络流量识别方法及装置

权利要求书

1.一种网络流量识别方法，其特征在于，所述方法包括：

基于获取到的待识别流量的连续特征，采用多元相关分析将所述连续特征映射成像素值，得到连续流量图；

基于获取到的所述待识别流量的离散特征，采用独热编码和实体嵌入将所述离散特征映射成像素值，得到离散流量图；

将所述连续流量图输入卷积神经网络得到连续流量图值，所述卷积神经网络用于对所述连续特征进行高阶组合；

将所述离散流量图输入因子分解机，得到离散流量图值，所述因子分解机用于对所述离散特征进行低阶组合；

将所述连续流量图值和所述离散流量图值输入归一化指数函数，获得所述待识别流量的类型；

所述基于获取到的所述待识别流量的离散特征，采用独热编码和实体嵌入将所述离散特征映射成像素值，得到离散流量图的步骤，包括：

采用实体嵌入对所述离散特征中第一类特征进行向量化处理，得到第一处理后特征值，所述第一类特征为取值数量大于预设取值数量阈值的离散特征；

采用独热编码对所述离散特征中第二类特征进行编码处理，得到第二处理后特征值，所述第二类特征为取值数量小于等于所述预设取值数量阈值的离散特征；

将所述第一处理后特征值和所述第二处理后特征值分别映射至灰度图中像素点的取值范围之间，得到每一离散特征对应的像素值；

利用所述每一离散特征对应的像素值，生成所述离散流量图。

2.根据权利要求1所述的方法，其特征在于，所述基于获取到的待识别流量的连续特征，采用多元相关分析将所述连续特征映射成像素值，得到连续流量图的步骤，包括：

将所述待识别流量的每一连续特征输入标准差标准化函数，得到标准化后的连续特征；

计算每两个标准化后的连续特征之间的相关性；

根据所述每两个标准化后的连续特征间的相关性，确定所述连续特征对应的相关性矩阵；

将所述相关性矩阵中每一元素的值映射至灰度图中像素点的取值范围之间，得到所述相关性矩阵中每一元素对应的像素值；

利用所述相关性矩阵中每一元素对应的像素值，生成所述连续流量图。

3.根据权利要求2所述的方法，其特征在于，所述计算每两个标准化后的连续特征之间的相关性的步骤，包括：

利用以下公式，计算每两个标准化后的连续特征间的相关性：

其中，r_i，j为连续特征x_i标准化后的取值与连续特征x_j标准化后的取值间的相关性，x_{normalization_i}为所述连续特征x_i标准化后的取值，x_{normalization_j}为连续特征x_j标准化后的取值，p为所述待识别流量的连续特征的总数量。

4.根据权利要求1所述的方法，其特征在于，所述采用实体嵌入对所述离散特征中第一类特征进行向量化处理，得到第一处理后特征值的步骤，包括：

根据每一第一类特征的取值数量，计算所述每一第一类特征的向量维度；

获取所述每一第一类特征的取值在所述向量维度上的向量元素值；

对所述每一第一类特征对应的向量元素值进行标准化处理，得到标准化后的向量元素值，所述标准化后的向量元素值在灰度图中像素点的取值范围之间，所述标准化后的向量元素值为所述第一处理后特征值。