[发明专利]可动态预测的数据流量检测分类方法及装置

权利要求书

1.一种可动态预测的数据流量检测分类方法，其特征在于，应用于服务器，所述方法包括：

获取用于数据流量检测分类的多源异构大数据，并对所述多源异构大数据进行分析，获得训练样本；

对所述训练样本按照标签类型进行分流，并计算分流后的每个训练样本的流会话特征矢量以及回归模型预测矢量；

将所述每个训练样本的流会话特征矢量、回归模型预测矢量和标签输入到数据流量检测分类模型中进行训练，得到训练后的目标数据流量检测分类模型；

根据所述目标数据流量检测分类模型对待分类多源异构数据流量进行检测分类；

获取用于数据流量检测分类的多源异构大数据，并对所述多源异构大数据进行分析，获得训练样本的步骤，包括：

获取用于数据流量检测分类的多源异构大数据；

对所述多源异构大数据的有向带权图进行建模，通过所述有向带权图的顶点表示实体属性，通过所述有向带权图的边表示实体属性之间的关系，所述实体属性用于表示所述多源异构大数据中每个数据节点的元数据对象，所述实体属性之间的关系用于表示元数据关系，每个所述元数据对象作为数据库中的一个数据字段；

将所述有向带权图生成的元数据对象作为元数据对象词典，将所述有向带权图中每个元数据对象的前驱关系和后继关系未关联于所述元数据对象词典中的候选元数据关系进行剔除，获得合法元数据关系；

将所述有向带权图生成的每个元数据对象和每个元数据对象对应的合法元数据关系作为所述训练样本；

计算分流后的每个训练样本的流会话特征矢量以及回归模型预测矢量的步骤，包括：

计算分流后的每个训练样本的状态转移表列，对所述每个训练样本的状态转移表列进行空间压缩，将所述状态转移表列划分成多个互不相交的子集，针对每一个子集使用不同的字母表重编码进行编码操作，得到每一个子集的编码特征信息；

通过所述标签类型对应的状态转移边对所述每一个子集的编码特征信息中相似的编码特征信息进行合并，得到分流后的每个训练样本的流会话特征矢量；

对分流后的每个训练样本的流会话特征矢量进行回归模型分析，得到分流后的每个训练样本的回归模型预测矢量。

2.根据权利要求1所述的可动态预测的数据流量检测分类方法，其特征在于，将所述有向带权图中每个元数据对象的未关联于所述元数据对象词典中的候选元数据关系的前驱关系和后继关系进行剔除，获得合法元数据关系的步骤，包括：

判断所述有向带权图中每个元数据对象的前驱关系和后继关系是否所述元数据对象词典中的至少一个候选元数据关系匹配；

当任意一个元数据对象的前驱关系和后继关系不与所述元数据对象词典中的至少一个候选元数据关系匹配时，剔除该元数据对象的前驱关系和后继关系，获得合法元数据关系。

3.根据权利要求1所述的可动态预测的数据流量检测分类方法，其特征在于，通过所述标签类型对应的状态转移边对所述每一个子集的编码特征信息中相似的编码特征信息进行合并，得到分流后的每个训练样本的流会话特征矢量的步骤，包括：

通过所述标签类型对应的状态转移边识别所述每一个子集的编码特征信息中的状态转移矩阵；

获取存在相同状态转移参数的目标状态转移矩阵，并将所述目标状态转移矩阵所对应的编码特征信息确定为相似的编码特征信息；

对所述每一个子集的编码特征信息中相似的编码特征信息进行合并，得到分流后的每个训练样本的流会话特征矢量。