一种网络流量异常检测方法及系统与流程

技术特征：
1.一种网络流量异常检测方法，其特征在于，包括以下步骤：s1、建立cnn模型，并将建立的cnn模型布置到各个网络环境中，同时获取不同网络环境中每一时间段t的实时网络流量数据；s2、将cnn模型所在网络环境中获取到的每一时间段t的网络流量数据进行平均，得到时间段t内网络流量数据的平均值，并将该平均值作为cnn模型的权重；s3、将cnn模型所在网络环境中获取到的每一时间段t的实时网络数据作为cnn模型的输入数据样本集，进行网络流量的数倍，同时对输入数据样本集进行记录；s4、在通过图表绘制算法将不同网络环境中每一时间段t的网络流量情况绘制成图表，并将绘制完成的图表进行存储；s5、接入待检测的网络环境，并获取当前网络每一时间段t的网络流量数据，然后将获取到的网络流量数据与步骤s3记录的输入数据样本集进行对比，并匹配到与输入数据样本集对应的网络流量情况图表；s6、将匹配到到的网络流量情况图表与当前待检测网络环境的网络流量情况图表进行对比，若两者之间每一时间段t的网络流量数据之间的差距不大于用户预设的阈值，则判断当前时间段网络没有出现异常，反之，出现异常，并将异常信息反馈给用户。2.根据权利要求1所述的网络流量异常检测方法，其特征在于：所述步骤s2中，去掉每一时间段t网络流量数据中的最大和最小值，并将其余网络流量数据值作为有效值求和，取其平均数作为cnn模型的权重。3.根据权利要求1所述的网络流量异常检测方法，其特征在于：所述步骤s4中，图表的绘制过程为如下：s4.1、找到每一时间段t中的初始时间点t0和结束时间点t1，然后进行遍历，大于初始时间点t0以及小于结束时间点t1的所有时间点均为该时间段t中的时间点；s4.2、先将时间段从小到大进行排布，再将获取到的每一时间段t中的所有流量数据小到大进行排布；s4.3、将每一时间段t中的时间点作为横轴，将流量数据作为纵轴，通过时间点和流量数据的定位即可实现图表的绘制。4.根据权利要求1所述的网络流量异常检测方法，其特征在于：所述步骤s6中，用户预设的阈值为10％。5.一种网络流量异常检测系统，其特征在于：包括cnn模型模块，图表绘制模块，流量监测模块和信息告警模块；通过cnn模型对不同的网络环境进行学习，并利用图表绘制模块将学习的结果形成图表进行存储；当接入到待检测网络环境中后，所述流量监测模块自动对当前网络环境进行检测，并匹配与当前网络环境最为接近的学习结果，对当前网络环境的流量情况进行检测，并将检测结果与学习结果对比，即可实现网络流量异常的检测。6.根据权利要求5所述的网络流量异常检测系统，其特征在于：所述cnn模型模块布置在各个网络环境中，对不同的网络环境进行学习，获取不同网络环境中每一时间段t的实时网络流量数据，并将所在网络环境中获取到的每一时间段t的平均网络流量数据作为cnn模型的权重，将所在网络环境中获取到的每一时间段t的实时网络数据作为cnn模型的输入数
据样本集，进行网络流量的数倍，同时对输入数据样本集进行记录；所述图表绘制模块负责将不同网络环境中每一时间段t的网络流量情况绘制成图表，并将绘制完成的图表进行存储；接入待检测的网络环境后，所述流量监测模块负责获取当前网络每一时间段t的网络流量数据，然后将获取到的网络流量数据与图表绘制模块记录的输入数据样本集进行对比，并匹配到与输入数据样本集对应的网络流量情况图表；将匹配到到的网络流量情况图表与当前待检测网络环境的网络流量情况图表进行对比，若两者之间每一时间段t的网络流量数据之间的差距不大于用户预设的阈值，则判断当前时间段网络没有出现异常，反之，出现异常，所述通过信息告警模块负责将异常信息反馈给用户。7.根据权利要求6所述的网络流量异常检测系统，其特征在于：所述cnn模型的权重为有效网络流量数据求和或得出的平均数；所述有效网络流量数据是指去掉每一时间段t网络流量数据中的最大和最小值后，其余的网络流量数据。8.根据权利要求6所述的网络流量异常检测系统，其特征在于：所述图表绘制模块绘制图表时，先找到每一时间段t中的初始时间点t0和结束时间点t1，然后进行遍历，大于初始时间点t0以及小于结束时间点t1的所有时间点均为该时间段t中的时间点；然后将时间段从小到大进行排布，再将获取到的每一时间段t中的所有流量数据小到大进行排布；最后，将每一时间段t中的时间点作为横轴，将流量数据作为纵轴，通过时间点和流量数据的定位即可实现图表的绘制。9.根据权利要求6所述的网络流量异常检测系统，其特征在于：所述流量监测模块判断网络是否出现异常时，用户预设的阈值为10％。

技术总结
本发明特别涉及一种网络流量异常检测方法及系统。该网络流量异常检测方法及系统，通过CNN模型对不同的网络环境进行学习，并利用图表绘制模块将学习的结果形成图表进行存储；当接入到待检测网络环境中后，所述流量监测模块自动对当前网络环境进行检测，并匹配与当前网络环境最为接近的学习结果，对当前网络环境的流量情况进行检测，并将检测结果与学习结果对比，即可实现网络流量异常的检测。该网络流量异常检测方法及系统，能够自动对当前网络环境进行检测，提高了检测效率，减小了检测成本，适宜推广应用。适宜推广应用。适宜推广应用。


技术研发人员：康振国
受保护的技术使用者：浪潮通信信息系统有限公司
技术研发日：2022.06.08
技术公布日：2022/10/24