[发明专利]异常流量识别方法、装置、电子设备及存储介质

说明书

本申请涉及一种异常流量识别方法、装置、电子设备及存储介质，该方法包括：获取网络流量时间序列，网络流量时间序列用于表征目标业务在预设时间长度中，每个单位时段所接入的网络流量数据；对网络流量时间序列进行预处理，从预处理所生成的网络流量时序数据集中获取目标时序数据，目标时序数据用于表征网络流量时间序列的异常数据；利用长短期记忆神经网络预测模型对目标时序数据进行处理，获得与目标时序数据对应的预测时序数据；基于预测时序数据和目标时序数据的误差值，确定异常流量识别结果。通过本申请，解决异常流量识别困难、误报率高的问题。

技术领域

本申请涉及智能分析技术领域，尤其涉及一种异常流量识别方法、装置、电子设备及存储介质。

背景技术

随着计算机网络的日益发展，网络规模扩大，创新性的应用模式和需求的不断涌现，使的相关技术中对异常流量的监控越来越困难。

相关技术中，对接入相关系统的业务的流量的监控采用基于简单的规则作流量监控，但因业务流量具有：呈现振荡状、流量变化周期性不尽相同及业务数量庞大，存在无法捕捉部分异常激增的流量的情况，同时，相关技术中的异常流量的监测，存在较高的误报率，易将正常的流量波动识别为异常变化的流量。

针对相关技术中异常流量识别困难、误报率高的问题，尚未存在有效的解决方案。

发明内容

本申请提供了一种异常流量识别方法、装置、电子设备及存储介质，以至少解决相关技术中异常流量识别困难、误报率高的问题。

第一方面，本申请提供了一种异常流量识别方法，包括：获取网络流量时间序列，其中，所述网络流量时间序列用于表征目标业务在预设时间长度中，每个单位时段所接入的网络流量数据；对所述网络流量时间序列进行预处理，并从预处理所生成的网络流量时序数据集中获取目标时序数据，其中，所述目标时序数据用于表征所述网络流量时间序列的异常数据；利用长短期记忆神经网络预测模型对所述目标时序数据进行处理，获得与所述目标时序数据对应的预测时序数据；基于所述预测时序数据和所述目标时序数据的误差值，确定异常流量识别结果。

第二方面，本申请提供了一种异常流量识别装置，包括：

获取模块，用于获取网络流量时间序列，其中，所述网络流量时间序列用于表征目标业务在预设时间长度中，每个单位时段所接入的网络流量数据；

预处理模块，用于对所述网络流量时间序列进行预处理，并从预处理所生成的网络流量时序数据集中获取目标时序数据，其中，所述目标时序数据用于表征所述网络流量时间序列的异常数据；

处理模块，用于利用长短期记忆神经网络预测模型对所述目标时序数据进行处理，获得与所述目标时序数据对应的预测时序数据；

确定模块，用于基于所述预测时序数据和所述目标时序数据的误差值，确定异常流量识别结果。

第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的异常流量识别方法的步骤。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的异常流量识别方法的步骤。