[发明专利]异常报文识别方法及装置

权利要求书

1.一种异常报文识别方法，其特征在于，包括：

获取报文数据，并确定所述报文数据对应的处理服务器；

将所述报文数据加入到所述处理服务器对应的当天的整日报文数据集中；

根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型识别出所述报文数据是否为异常报文，其中，所述分类模型为以所述处理服务器对应的历史的整日报文数据集作为训练数据并采用预设的分类算法训练得出的，所述当天的整日报文数据集以及所述历史的整日报文数据集均根据预设的多个时间区间分为多个数据子集，每个数据子集对应一个数据项，所述数据项包含一个时间特征值以及一个数据列，所述时间特征值由对应的数据子集的时间区间来确定，所述时间特征值具体为时间区间对应的序号，所述数据列由对应的数据子集包含的所有报文数据来确定；所述预设的多个时间区间具体为将一整天时间进行连续划分得到的多个连续的时间区间，每个时间区间的大小均等于预设值。

2.根据权利要求1所述的异常报文识别方法，其特征在于，所述根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型中识别出所述处理服务器的异常报文，包括：

根据所述当天的整日报文数据集的数据项以及所述处理服务器对应的训练好的分类模型中识别出所述处理服务器的异常报文。

3.根据权利要求1所述的异常报文识别方法，其特征在于，还包括：

获取各处理服务器各自对应的训练数据，其中，所述训练数据为历史的整日报文数据集；

根据所述训练数据以及所述预设的分类算法训练出各处理服务器各自对应分类模型。

4.根据权利要求3所述的异常报文识别方法，其特征在于，所述根据所述训练数据以及所述分类算法训练出各处理服务器各自对应分类模型，包括：

根据所述训练数据以及预设的损失函数得到损失函数的值；

根据Softmax分类器对所述损失函数的值进行归一化处理；

使用梯度下降算法优化所述损失函数，进行训练模型。

5.根据权利要求1所述的异常报文识别方法，其特征在于，所述报文数据包括：报文收/发时间、端口信息、编码类型、报文时长、报文大小、报文协议、路由信息、报文状态以及报文类型中的至少一个。

6.一种异常报文识别装置，其特征在于，包括：

报文数据获取单元，用于获取报文数据，并确定所述报文数据对应的处理服务器；

数据写入单元，用于将所述报文数据加入到所述处理服务器对应的当天的整日报文数据集中；

异常报文识别单元，用于根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型识别出所述报文数据是否为异常报文，其中，所述分类模型为以所述处理服务器对应的历史的整日报文数据集作为训练数据并采用预设的分类算法训练得出的，所述当天的整日报文数据集以及所述历史的整日报文数据集均根据预设的多个时间区间分为多个数据子集，每个数据子集对应一个数据项，所述数据项包含一个时间特征值以及一个数据列，所述时间特征值由对应的数据子集的时间区间来确定，所述数据列由对应的数据子集包含的所有报文数据来确定。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序在计算机处理器中执行时实现如权利要求1至5任意一项所述的方法。