[发明专利]一种网络数据流量类型识别方法和装置

权利要求书

1.一种网络数据流量类型识别方法，其特征在于，包括：

获取待测服务器的M个待识别数据流集合；其中，所述M个待识别数据流集合中的每个待识别数据流集合包括所述待测服务器的至少一条数据流；所述每条数据流包括上行数据流量和下行数据流量；

比对所述M个待识别数据流集合与参考服务器的N个参考样本数据流集合，从M个待识别数据流集合中找出与参考样本数据流集合相匹配的R个待识别数据流集合，以及从所述N个参考样本数据流集合中找出与待识别数据流集合匹配的T个参考样本数据流集合；其中，所述R、M、T、N为自然数；

根据所述R个待识别数据流集合中所有数据流的数量、所述T个参考样本数据流集合中所有数据流的数量、所述M个待识别数据流集合中所有数据流的数量、所述N个参考样本数据流集合中所有数据流的数量和所述参考服务器对应的流量类型，识别所述待测服务器的流量类型。

2.如权利要求1所述的方法，其特征在于，所述获取待测服务器的M个待识别数据流集合，包括：

获取所述待测服务器的L条数据流；每条数据流的上行数据流量和下行数据流量构成该数据流的流量向量；所述L为自然数；

将所述L条数据流的流量向量进行层次聚类，得到所述M个待识别数据流集合；所述N个参考样本数据流集合为所述参考服务器已存的流量类型对应数据流的聚类结果。

3.如权利要求2所述的方法，其特征在于，所述获取待测服务器的M个待识别数据流集合之后，比对所述M个待识别数据流集合与参考服务器的N个参考样本数据流集合，从M个待识别数据流集合中找出与参考样本数据流集合相匹配的R个待识别数据流集合，以及从所述N个参考样本数据流集合中找出与待识别数据流集合匹配的T个参考样本数据流集合之前，还包括：

针对所述每个待识别数据流集合，执行：

计算该待识别数据流集合的中心坐标与N个参考样本数据流集合中的每个参考样本数据流集合的中心坐标之间的距离；其中，所述待识别数据流集合的中心坐标根据该待识别数据流集合中的所有数据流的流量向量进行K-平均聚类算法得到的；所述参考样本数据流集合的中心坐标根据该参考样本数据流集合中的所有数据流的流量向量进行K-平均聚类算法得到的；

针对所述N个参考样本数据流集合中的任一个参考样本数据流集合，若该待识别数据流集合的中心坐标与所述参考样本数据流集合的中心坐标之间的距离小于等于距离阈值，则判断为该待识别数据流集合与所述参考样本数据流集合相匹配。

4.如权利要求1所述的方法，其特征在于，所述根据所述R个待识别数据流集合中所有数据流的数量、所述T个参考样本数据流集合中所有数据流的数量、所述M个待识别数据流集合包括的所有数据流的数量、所述N个参考样本数据流集合包括的所有数据流的数量和所述参考服务器对应的流量类型，识别所述待测服务器的流量类型，包括：

根据所述R个待识别数据流集合中所有数据流的数量X和所述M个待识别数据流集合中所有数据流的数量P，计算出第一比值A，其中

根据所述T个参考样本数据流集合包括的所有数据流的数量Y和所述N个参考样本数据流集合包括的所有数据流的数量Q，计算出第二比值B，其中其中，所述X、Y、P、Q为大于0的整数；

根据所述第一比值A、所述第二比值B和所述参考服务器对应的流量类型，识别所述待测服务器的流量类型。

5.如权利要求4所述的方法，其特征在于，所述根据所述第一比值A、所述第二比值B和所述参考服务器对应的流量类型，识别所述待测服务器的流量类型，包括：

若所述第一比值A大于等于预设阈值，且所述第二比值B大于等于预设阈值，则识别出所述待测服务器的流量类型为所述参考样本数据流对应的流量类型；

若所述第一比值A小于预设阈值，或所述第二比值B小于预设阈值，则识别出所述待测服务器的数据流集合的流量类型不属于所述参考样本数据流对应的流量类型。

6.如权利要求1至5任一权利要求所述的方法，其特征在于，所述参考服务器的参考样本数据流集合通过以下方式获得：

针对任一个参考服务器，执行：

若将所述待测服务器的待识别数据流集合和所述参考服务器的参考样本数据流集合进行比对之后，识别出所述待测服务器的数据流集合的流量类型不属于所述参考样本数据流对应的流量类型，则将所述待测服务器的待识别数据流集合作为参考样本数据流集合。