[发明专利]基于特征迁移的设备异常检测、训练方法、系统和装置

权利要求书

1.一种基于特征迁移的设备异常检测模型训练方法，其特征在于，所述方法包括：

获取第一样本流量集合及第二样本流量集合，其中，所述第一样本流量集合中的各样本数据流均标记有设备异常标签，所述第二样本流量集合中的各样本数据流没有标记设备异常标签，针对任一样本数据流，该样本数据流的设备异常标签表示该样本数据流对应的设备的异常情况；

利用所述第一样本流量集合中的样本数据流及设备异常标签，分别对统计特征检测模型、字符特征检测模型及图像特征检测模型进行训练，其中，统计特征表示相应样本数据流的数据统计特征，字符特征表示相应样本数据流的应用层字符特征，图像特征表示相应样本数据流的数据空间特征；

分别利用当前的统计特征检测模型、当前的字符特征检测模型及当前的图像特征检测模型，对第二样本流量集合中的样本数据流标记设备异常标签；

利用由当前的统计特征检测模型标记设备异常标签的样本数据流，分别对当前的字符特征检测模型及当前的图像特征检测模型进行训练；利用由当前的字符特征检测模型标记设备异常标签的样本数据流，分别对当前的统计特征检测模型及当前的图像特征检测模型进行训练；利用由当前的图像特征检测模型标记设备异常标签的样本数据流，分别对当前的字符特征检测模型及当前的统计特征检测模型进行训练；得到训练后的统计特征检测模型、训练后的字符特征检测模型以及训练后的图像特征检测模型。

2.根据权利要求1所述的方法，其特征在于，所述利用所述第一样本流量集合中的样本数据流及设备异常标签，分别对统计特征检测模型、字符特征检测模型及图像特征检测模型进行训练，包括：

在所述第一样本流量集合中选取一个未选取过的样本数据流；

提取当前选取的样本数据流的统计特征、字符特征以及图像特征；

将当前选取的样本数据流的统计特征输入到统计特征检测模型中得到第一预测结果，根据当前的第一预测结果及当前选取的样本数据流的设备异常标签，调整统计特征检测模型的参数；

将当前选取的样本数据流的字符特征输入到字符特征检测模型中得到第二预测结果，根据当前的第二预测结果及当前选取的样本数据流的设备异常标签，调整字符特征检测模型的参数；

将当前选取的样本数据流的图像特征输入到图像特征检测模型中得到第三预测结果，根据当前的第三预测结果及当前选取的样本数据流的设备异常标签，调整图像特征检测模型的参数；

返回执行步骤：在所述第一样本流量集合中选取一个未选取过的样本数据流，直至所述第一样本流量集合中不存在未选取过的样本数据流。

3.根据权利要求2所述的方法，其特征在于，所述提取当前选取的样本数据流的统计特征、字符特征以及图像特征，包括：

提取当前选取的样本数据流指定统计项目，得到当前选取的样本数据流的统计特征，其中，所述指定统计项目包括以下项目中的至少一项：样本数据流的数据包数量、数据包大小的均值、数据包大小的中位数、数据包大小的最大值、数据包大小的最小值、空载荷数据包数量、数据包大小小于预设字节数的数据包数量、数据包大小小于预设字节数的数据包数量占比、持续时长、第一个数据包大小、平均数据包大小、平均数据包传输速率、数据包平均到达时间；

提取当前选取的样本数据流中各数据包的应用层字符段，并将各应用层字符段进行拼接，得到当前选取的样本数据流的字符特征；

截取当前选取的样本数据流的字符特征中预设数量个字符，并将所截取的字符排列成T×T的二维矩阵，得到该当前选取的样本数据流的图像特征。