[发明专利]网络流量特征序列生成模型的训练方法、生成方法及装置

权利要求书

1.一种网络流量特征序列生成模型的训练方法，其特征在于，该方法包括以下步骤：

获取指定多个网络设备的真实网络流量，并以数据包序列的形式记录为第一设定格式文件；

采用预设工具提取各网络设备之间所述网络流量的特征序列并记录为第二设定格式文件，所述特征序列包括基础特征、数据包特征、时间特征和恶意流量特征；

获取生成对抗网络初始模型，所述生成对抗网络初始模型包括生成器和判别器，所述生成器为单层门控那个循环单元，所述判别器为双层门控循环单元；以各网络设备之间仿真网络流量的特征序列作为状态空间，以要生成的所述仿真网络流量的特征序列作为动作空间，通过所述生成器建立所述状态空间到所述动作空间的映射更新动作空间，将所述动作空间添加至所述状态空间以更新状态空间，从所述判别器获取所述仿真网络流量的特征序列的期望评估作为奖励，通过强化学习的方式生成仿真网络流量的特征序列；所述判别器用于计算所述仿真网络流量或真实网络流量的特征序列对应的期望评估，并进行真伪判断；

基于生成对抗交替训练所述生成器和所述判别器，基于生成对抗损失对所述生成器和所述判别器进行迭代更新，将迭代更新得到的所述生成器作为网络流量特征序列生成模型。

2.根据权利要求1所述的网络流量特征序列生成模型的训练方法，其特征在于，获取指定的多个网络设备的网络流量，并以数据包序列的形式记录为第一设定格式文件，包括：

部署tcpdump网络流量监控软件，收集指定多个网络设备的真实网络流量，所述网络设备包括边界网关、交换机、路由器和用户终端设备；所述第一设定格式文件为PCAP格式文件。

3.根据权利要求1所述的网络流量特征序列生成模型的训练方法，其特征在于，采用预设工具提取各网络设备之间所述网络流量的基础特征、数据包特征、时间特征和恶意流量特征并记录为第二设定格式文件，包括：

采用Argus工具和Bro-IDS工具提取各网络设备之间所述网络流量的基础特征、数据包特征、时间特征和恶意流量特征；所述第二设定格式文件为CSV格式文件。

4.根据权利要求1所述的网络流量特征序列生成模型的训练方法，其特征在于，基于生成对抗损失对所述生成器和所述判别器进行迭代更新，包括：

所述生成器采用Adam作为优化器，并采用Wasserstein损失作为损失函数进行参数更新迭代。

5.根据权利要求1所述的网络流量特征序列生成模型的训练方法，其特征在于，基于生成对抗损失对所述生成器和所述判别器进行迭代更新，包括：

所述判别器采用Adagrad作为优化器进行迭代，并采用对所述仿真网络流量或真实网络流量的特征序列的判别损失进行参数更新迭代。

6.根据权利要求1所述的网络流量特征序列生成模型的训练方法，其特征在于，所述生成器采用蒙特卡洛学习的形式。

7.根据权利要求6所述的网络流量特征序列生成模型的训练方法，其特征在于，所述基础特征至少包括所述网络流量的源节点信息、目标节点信息和传输协议；所述数据包特征至少包括源到目标数据包计数和平均大小、目标到源数据包计数和平均大小、源到目标丢失的包数量以及目标到源丢失的包数量；所述时间特征至少包括源节点的抖动时长、目标节点的抖动时长、数据包存活时间、数据包传输时延、数据包传输起始时间和终止时间；所述恶意流量特征至少包括恶意流量的类型标签。

8.一种网络流量特征序列生成方法，其特征在于，包括：

获取关于仿真网络流量空白的初始特征序列；

将所述初始特征序列组作为状态参数输入如权利要求1至7任意一项所述网络流量特征序列生成模型的训练方法中的网络流量特征序列生成模型，以输出期望生成的所述仿真网络流量的更新特征序列，将所述更新特征序列添加至所述初始特征序列形成新的状态参数，重复操作以得到仿真网络流量的仿真特征序列。