[发明专利]一种流量数据增强方法、流量数据分类方法及相关装置

权利要求书

1.一种流量数据增强方法，其特征在于，包括：

获取流量数据样本；

对所述流量数据样本进行归并处理，获得归并处理后的流量数据；

使用所述归并处理后的流量数据对生成对抗网络进行训练，获得生成对抗网络模型；

使用所述生成对抗网络模型生成扩充流量样本；

将所述扩充流量样本与所述归并处理后的流量数据结合，获得增强的流量数据集。

2.根据权利要求1所述的方法，其特征在于，所述生成对抗网络包括：判别器以及生成器；所述使用所述归并处理后的流量数据对生成对抗网络进行训练，包括：

对所述生成器进行预训练，获得预训练后的生成器；

根据所述预训练后的生成器对所述判别器进行预训练，获得预训练后的判别器；

在预训练完成后，迭代执行对抗训练流程，直至所述生成对抗网络收敛；所述对抗训练流程包括：

获取噪声数据和类别标签向量；

使用所述预训练后的生成器对所述噪声数据和所述类别标签向量进行生成运算，获得假数据序列；

获取真数据序列，并使用所述预训练后的判别器对所述假数据序列、所述真数据序列和所述类别标签向量进行判别运算，获得判别结果数据和类别标签数据；

使用所述判别结果数据、所述类别标签数据和所述真数据序列对所述预训练后的生成器和所述预训练后的判别器进行迭代训练。

3.根据权利要求2所述的方法，其特征在于，所述对所述生成器进行预训练，包括：

随机初始化所述生成器和所述判别器的参数；

以所述归并处理后的流量数据为训练数据，使用最大似然估计算法对所述生成器进行预训练，获得所述预训练后的生成器。

4.根据权利要求3所述的方法，其特征在于，所述根据所述预训练后的生成器对所述判别器进行预训练，包括：

使用所述预训练后的生成器生成初始数据；

以所述初始数据为训练数据，以交叉熵函数为损失函数，对所述判别器进行预训练。

5.根据权利要求1所述的方法，其特征在于，所述对所述流量数据样本进行归并处理，包括：

根据预设规则库删除所述流量数据样本中的冗余数据，获得删除冗余后的流量数据；

根据时间戳规则对所述删除冗余后的流量数据进行数据归并处理。

6.根据权利要求1-5任一所述的方法，其特征在于，所述生成对抗网络为辅助分类生成对抗网络AC-GAN。

7.一种流量数据分类方法，其特征在于，包括：

使用如权利要求1-5中任一项所述的方法获得增强的流量数据集；

使用所述增强的流量数据集训练神经网络，获得神经网络模型；

使用所述神经网络模型对待分类流量数据进行分类，获得分类结果。

8.一种流量数据增强装置，其特征在于，包括：

流量数据获取模块，用于获取流量数据样本；

流量数据处理模块，用于对所述流量数据样本进行归并处理，获得归并处理后的流量数据；

对抗模型获得模块，用于使用所述归并处理后的流量数据对生成对抗网络进行训练，获得生成对抗网络模型；

流量样本扩充模块，用于使用所述生成对抗网络模型生成扩充流量样本；

流量数据增强模块，用于将所述扩充流量样本与所述归并处理后的流量数据结合，获得增强的流量数据集。

9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法。

10.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法。