[发明专利]阈值学习方法、装置、设备及计算机可读存储介质

权利要求书

1.一种阈值学习方法，其特征在于，包括：

在纵向学习周期内持续获取目标IP地址的网络流量，所述纵向学习周期包括M天，所述M天中的每一天包括N个横向学习周期，M＞1，N＞1；

对于所述N个横向学习周期中的每一横向学习周期，根据所述M天分别获取到的属于该横向学习周期的M组网络流量，确定该横向学习周期对应的流量推荐阈值的目标参考值；

根据所述N个横向学习周期各自对应的目标参考值，确定所述N个横向学习周期各自对应的流量推荐阈值；

所述根据所述M天分别获取到的属于该横向学习周期的M组网络流量，确定该横向学习周期对应的流量推荐阈值的目标参考值，包括：

对于所述M天分别获取到的属于该横向学习周期的M组网络流量，选择每组网络流量中的最大流量值，并将所选择的M个最大流量值，作为该横向学习周期对应的M个初始参考值；

从该横向学习周期对应的M个初始参考值中选择一个初始参考值，并基于所选择的初始参考值，确定该横向学习周期对应的流量推荐阈值的目标参考值；

所述从该横向学习周期对应的M个初始参考值中选择一个初始参考值，包括：

将该横向学习周期对应的M个初始参考值，与其它横向学习周期的各个初始参考值进行比较，根据比较结果从该横向学习周期对应的M个初始参考值中选择一个初始参考值。

2.根据权利要求1所述的方法，其特征在于，所述根据比较结果从该横向学习周期对应的M个初始参考值中选择一个初始参考值，包括：

在该横向学习周期对应的M个初始参考值中，确定小于或等于选定参考值的P个初始参考值，并从P个初始参考值中选择一个最大的初始参考值；

其中，所述选定参考值为其它横向学习周期对应的各个初始参考值中的最大值的n1倍，M≥P，n1＞1。

3.根据权利要求1所述的方法，其特征在于，所述基于所选择的初始参考值，确定该横向学习周期对应的流量推荐阈值的目标参考值，包括：

将所选择的初始参考值的n2倍，作为该横向学习周期对应的流量推荐阈值的目标参考值，其中，n2＞1。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

在所述纵向学习周期之后的每一横向学习周期，持续获取所述目标IP地址的网络流量；

对于该横向学习周期中的每一学习子周期，根据该学习子周期内学习到的流量推荐阈值的目标参考值，确定是否对该横向学习周期当前对应的流量推荐阈值的目标参考值进行更新。

5.根据权利要求4所述的方法，其特征在于，所述根据该学习子周期内学习到的流量推荐阈值的目标参考值，确定是否对该横向学习周期当前对应的流量推荐阈值的目标参考值进行更新，包括：

若该学习子周期内学习到的目标参考值小于或等于该横向学习周期当前对应的目标参考值，则使该横向学习周期当前对应的目标参考值保持不变；

若该学习子周期内学习到的目标参考值属于预设数值范围，则利用该学习子周期内学习到的目标参考值，更新该横向学习周期当前对应的目标参考值，其中，所述预设数值范围的上线值为该横向学习周期当前对应的目标参考值的n3倍，所述预设数值范围的下线值为该横向学习周期当前对应的目标参考值的n4倍，n3＞n4＞1。