[发明专利]一种基于服务网格技术的接口流量检测方法

说明书

本发明公开了一种基于服务网格技术的接口流量检测方法，包括如下步骤：S1、将用于训练的流量特征矩阵输入预设的检测学习模型，以得到输出结果；S2、利用损失函数对上述预设的检测学习模型的参数进行重复更新，直至损失函数小于预定阈值，从而得到经过训练的检测学习模型；S3、获取待检测接口的流量数据，并根据流量数据绘制接口访问图像；S4、通过检测学习模型进行监测。本发明能有效的生成表征待检测接口在不同时间段与接口流量之间对应关系的接口访问图像，通过对接口访问图像进行分割，得到图像点的过程所形成的分割路径，基于该分割路径能有效的区分不同图像点之间被孤立的难易程度，从而对接口应时间段内的流量是否异常进行判断。

技术领域

本发明属于网络接口流量检测领域，更具体地说，尤其涉及一种基于服务网格技术的接口流量检测方法。

背景技术

快速发展的IP网络技术促使大量新兴的商业应用、服务涌现。这些新兴的服务以及需求促使用户们对网络带宽、性能、服务质量、安全性提出了更高的要求。汇聚层交换机，需要对大量的用户报文做转发，合理的分配带宽，监控网络数据流显得尤为关键。

通过数据流量的分类、分析可以有效的检测设备状态以及用户信息，根据这些统计信息，网管可以用来规划网络和应用资源来满足客户的需求，同时，可以侦测用户状态，获取到详细的客户所使用的网络和应用资源；实现对数据流的实时识别和分类；防止DOS攻击，病毒和网络蠕虫等，这些数据有助于了解和反馈安全事故，因此，我们提出了一种基于服务网格技术的接口流量检测方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于服务网格技术的接口流量检测方法，监测网络接口数据流量，维护用户计算机网络安全。

为实现上述目的，本发明提供如下技术方案：

一种基于服务网格技术的接口流量检测方法，包括如下步骤：

S1、将用于训练的流量特征矩阵输入预设的检测学习模型，以得到输出结果，利用所述输出结果和用于训练的流量特征矩阵的标签计算相应的损失函数；

S2、利用所述损失函数对上述预设的检测学习模型的参数进行重复更新，直至所述损失函数小于预定阈值，从而得到经过训练的检测学习模型；

S3、获取待检测接口的流量数据，并根据所述流量数据绘制接口访问图像，所述接口访问图像包括所述流量数据中不同时间段与对应接口流量之间所形成的图像点，同时将接口的流量峰值数据转换为相对应的密度分布图；

S4、通过检测学习模型进行监测，若任一图像点对应的指数大于检测学习模型阈值，则判定所述待检测接口在所述图像点对应时间段内的流量是异常流量。

优选的，步骤S3中，所述密度分布图确定相对应的接口流量特征向量，其中所述接口流量特征向量包括对应密度分布图中的波峰个数、波谷个数、n个最大值和n个最小值，其中n为预设的流量分析参数；利用所述接口流量特征向量构建流量特征矩阵；将所述流量特征矩阵输入经过训练的检测学习模型，以识别出指定接口的异常流量。

步骤S3中，所述根据所述流量数据绘制接口访问图像，具体为：

1）根据预设时间间隔对所述流量数据中的时间参数进行分割，得到不同时间段，并分别获取不同日期中相同所述时间段对应的所述接口流量；

2）针对同一所述时间段，将对应获取到的所述接口流量为纵坐标值、所述接口流量对应的日期为横坐标值进行坐标点绘制，得到所述图像点。

优选的，步骤S4检测学习模型进行监测时需要对所述接口访问图像进行分割，直至每个所述图像点均被孤立，得到每个所述图像点对应的分割路径，所述分割路径的长度用于表征孤立对应所述图像点的难易程度。

优选的，所述接口访问图像进行分割具体为：

1）计算所述待检测接口的接口总流量，所述接口总流量为所述待检测接口在不同日期中相同所述时间段之间对应接口流量的和；