[发明专利]一种流量数据的聚类处理方法、装置及电子设备

权利要求书

1.一种流量数据的聚类处理方法，其特征在于，所述流量数据包括白数据和黑数据，所述白数据是从确定为白用户的用户的数据流量中抽取的流量数据，所述黑数据是从确定为黑用户的用户的数据流量中抽取的流量数据，所述白用户是确定为不会发出异常流量数据的用户，所述黑用户是确定为会发出异常流量数据的用户，所述方法包括：

在预置特征库中选取N个特征，N为正整数；

基于流量数据的所选取的特征对应的特征值，得到所述流量数据的特征向量；所述特征向量包括所述流量数据的所述N个特征各自对应的特征值；其中，一个所述特征对应一个所述特征值；

根据所述流量数据的特征向量，将所有所述流量数据聚类成M个簇，M为大于等于2的正整数；

确定在各种M和N取值的组合下所述流量数据分成的簇的簇错误数总和，所述簇错误数总和是分成的每个簇的错误数相加的结果，每个簇的错误数是指该簇中白数据的数量和黑数据的数量中较少的一个数量；

将最小的簇错误数总和所对应的特征个数和簇个数，作为流量数据聚类时选取的目标特征数和目标簇个数。

2.根据权利要求1所述的方法，其特征在于，所述在预置特征库中选取N个特征包括：在预置特征库中选取卡方值从高到低前N个特征。

3.根据权利要求1所述的方法，其特征在于，流量数据中白数据和黑数据的比为预设比例。

4.根据权利要求3所述的方法，其特征在于，所述预设比例为1:1。

5.根据权利要求1所述的方法，其特征在于，所述根据所述流量数据的特征向量，将所有所述流量数据聚类成M个簇，包括：

对所述流量数据的特征向量所包括的各特征值进行归一化处理，得到归一化特征向量，其中归一化处理是用所述流量数据的特征向量所包括的一个特征的特征值除以所有所述流量数据的特征向量所包括的所述一个特征的最大特征值的结果；

将所述归一化特征向量聚类成M个簇。

6.根据权利要求1所述的方法，其特征在于，在根据所述流量数据的特征向量，将所有所述流量数据聚类成M个簇之前，所述方法还包括：

根据所述流量数据的特征向量，将一部分所述流量数据聚类成M个簇，M为大于等于2的正整数；

确定在各种M和N取值的组合下所述流量数据分成的簇的簇错误数总和，所述簇错误数总和是分成的每个簇的错误数相加的结果，每个簇的错误数是指该簇中白数据的数量和黑数据的数量中较少的一个数量；

将从小到大前预定名次的簇错误数总和所对应的M和N的组合，作为候选特征数M和N的组合，

且所述确定在各种M和N取值的组合下所述流量数据分成的簇的簇错误数总和包括：确定在各种候选M和N取值的组合下所述流量数据分成的簇的簇错误数总和。

7.根据权利要求1所述的方法，其特征在于，在将最小的簇错误数总和所对应的特征个数和簇个数，作为流量数据聚类时选取的目标特征数和目标簇个数之后，所述方法还包括：确定在按照选取的目标特征数和目标簇个数聚类之后，聚成的每个簇的簇风险评分，该簇风险评分的公式如下：

其中，N0、N1分别表示该簇中白样本个数和黑样本个数，score为簇风险评分。