[发明专利]网站异常流量的识别方法、设备及介质

权利要求书

1.一种网站异常流量的识别方法，其特征在于，所述网站异常流量的识别方法包括：

采集网站流量，并获取采集到的网站流量的流量特征；

将所述流量特征输入预先训练的正向布隆过滤器模型得到第一概率，以及将所述流量特征输入预先训练的反向布隆过滤器模型得到第二概率，其中，所述第一概率为所述网站流量为未知正常流量的概率，所述第二概率为所述网站流量为未知异常流量的概率；

根据所述第一概率及所述第二概率确定所述网站流量是否为异常流量。

2.根据权利要求1所述的网站异常流量的识别方法，其特征在于，所述将所述流量特征输入预先训练的正向布隆过滤器模型得到第一概率，以及将所述流量特征输入预先训练的反向布隆过滤器模型得到第二概率的步骤之前，还包括：

获取训练样本集，其中，所述训练样本集包括历史正常流量及历史异常流量；

根据所述历史正常流量训练所述正向布隆过滤器模型；

根据所述历史异常流量训练所述反向布隆过滤器模型。

3.根据权利要求1所述的网站异常流量的识别方法，其特征在于，所述采集网站流量，并获取采集到的网站流量的流量特征的步骤包括：

获取当前采样频率，并根据所述当前采样频率采集所述网站流量；

获取采集到的网站流量的流量特征。

4.根据权利要求3所述的网站异常流量的识别方法，其特征在于，所述根据所述第一概率及所述第二概率确定所述网站流量是否为异常流量的步骤之后，还包括：

在所述网站流量为正常流量时，若所述当前采样频率大于预设的最小采样频率，则降低所述当前采样频率；

在所述网站流量为异常流量时，若所述当前采样频率小于预设的最大采样频率，则增大所述当前采样频率。

5.根据权利要求3所述的网站异常流量的识别方法，其特征在于，所述获取采集到的网站流量的流量特征的步骤包括：

获取所述网站流量对应的请求报文，并解析所述请求报文；

根据所述请求报文的报头参数确定所述流量特征。

6.根据权利要求1所述的网站异常流量的识别方法，其特征在于，所述根据所述第一概率及所述第二概率确定所述网站流量是否为异常流量的步骤包括：

根据预设权重值、所述第一概率和所述第二概率计算判断系数；

根据所述判断系数与预设判断阈值之间的对比结果，确定所述网站流量是否为异常流量。

7.根据权利要求1所述的网站异常流量的识别方法，其特征在于，所述正向布隆过滤器模型和所述反向布隆过滤器模型接收到所述流量特征时，确定所述流量特征对应的哈希值，并根据所述哈希值确定所述第一概率和所述第二概率。

8.一种网站异常流量的识别设备，其特征在于，所述网站异常流量的识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的网站异常流量的识别程序，所述网站异常流量的识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的网站异常流量的识别方法的步骤。

9.一种网站异常流量的识别设备，其特征在于，所述网站异常流量的识别设备包括：

采集模块，用于采集网站流量，并获取采集到的网站流量的流量特征；

确定模块，用于将所述流量特征输入预先训练的正向布隆过滤器模型得到第一概率，以及将所述流量特征输入预先训练的反向布隆过滤器模型得到第二概率，其中，所述第一概率为所述网站流量为未知正常流量的概率，所述第二概率为所述网站流量为未知异常流量的概率；

识别模块，用于根据所述第一概率及所述第二概率确定所述网站流量是否为异常流量。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有网站异常流量的识别程序，所述网站异常流量的识别程序被处理器执行时实现如权利要求1至7中任一项所述的网站异常流量的识别方法的步骤。