[发明专利]一种流量类别检测方法、装置及设备

说明书

本申请提供一种流量类别检测方法、装置及设备，该方法包括：获取M个类别的数据流对应的多个流量特征向量，M为大于1的正整数；针对每个流量特征向量，确定该流量特征向量对应的覆盖比例矩阵；基于所有流量特征向量对应的覆盖比例矩阵，对所有流量特征向量进行聚类，得到多个聚类组，每个聚类组均包括多个流量特征向量；基于每个聚类组对应的重叠属性，对该聚类组内的各流量特征向量对应的类别进行数据预处理，得到各流量特征向量对应的目标类别；基于流量特征向量和流量特征向量对应的目标类别，训练得到目标分类模型；其中，所述目标分类模型用于检测待处理数据对应的实际类别。通过本申请的技术方案，有效提升类别的识别正确率。

技术领域

本申请涉及通信技术领域，尤其涉及一种流量类别检测方法、装置及设备。

背景技术

随着科学技术的不断进步，类别种类越来越多，在网络带宽有限的情况下，需要保证重要类别的稳定性，即对不同类别进行带宽限制。例如，在工作环境中，语音类别的数据流应该给予更高优先级，使语音类别占用更多的网络带宽，而游戏类别的数据流应该给予更低优先级，使游戏类别占用更少的网络带宽。

为了实现上述功能，需要基于类别识别技术来分析数据流的类别，继而对不同类别的数据流进行带宽限制。为了分析数据流的类别，则可以采用DPI（Deep PacketInspection，深度包检测）技术或者DFI（Deep/Dynamic Flow Inspection，深度/动态流检测）技术。DPI技术是基于数据流的载荷内容分析数据流的类别，而DFI技术是基于数据流的流量特征分析数据流的类别。

由于DPI技术需要基于数据流的载荷内容分析数据流的类别，即需要对数据包的载荷内容进行解析，导致类别的识别效率很差。DFI技术虽然不需要对数据包的载荷内容进行解析，但是，由于不同类别的数据流的流量特征会存在重叠，从而导致无法准确识别数据流的类别。比如说，视频直播的数据流的流量特征与VoIP语音的数据流的流量特征存在重叠，那么，无法基于流量特征区分出数据流是视频直播的数据流，还是VoIP语音的数据流。

发明内容

有鉴于此，本申请提供了一种流量类别检测方法、装置及设备，用以解决现有技术中，无法准确识别数据流的类别的问题。

第一方面，本申请提供一种流量类别检测方法，所述方法包括：

获取M个类别的数据流对应的多个流量特征向量，M为大于1的正整数；

针对每个流量特征向量，确定该流量特征向量对应的覆盖比例矩阵；

基于所有流量特征向量对应的覆盖比例矩阵，对所有流量特征向量进行聚类，得到多个聚类组，每个聚类组均包括多个流量特征向量；

基于每个聚类组对应的重叠属性，对该聚类组内的各流量特征向量对应的类别进行数据预处理，得到各流量特征向量对应的目标类别；

基于流量特征向量和流量特征向量对应的目标类别，训练得到目标分类模型；其中，所述目标分类模型用于检测待处理数据对应的实际类别。

第二方面，本申请提供一种流量类别检测装置，所述装置包括：

获取模块，用于获取M个类别的数据流对应的多个流量特征向量；

确定模块，用于针对每个流量特征向量，确定该流量特征向量对应的覆盖比例矩阵；

聚类模块，用于基于所有流量特征向量对应的覆盖比例矩阵，对所有流量特征向量进行聚类，得到多个聚类组，每个聚类组均包括多个流量特征向量；

处理模块，用于基于每个聚类组对应的重叠属性，对该聚类组内的各流量特征向量对应的类别进行数据预处理，得到各流量特征向量对应的目标类别；

训练模块，用于基于流量特征向量和流量特征向量对应的目标类别，训练得到目标分类模型；所述目标分类模型用于检测待处理数据对应的实际类别。