[发明专利]训练流量检测模型、检测业务流量异常的方法及装置

说明书

本发明实施例一种训练流量检测模型、检测业务流量异常的方法，其中，一种训练流量检测模型的方法包括：获取终端设备集群中各个终端设备的训练业务流量，得到训练业务流量集合；提取所述训练业务流量集合中每个训练业务流量所对应的第一训练特征信息和第二训练特征信息，其中，所述第一训练特征信息用于指示各终端设备的地址特征，所述第二训练特征信息用于指示各终端设备的流量分析特征；利用所述第一训练特征信息以及所述第二训练特征信息对神经网络模型进行训练，得到所述流量检测模型。本申请更注重于对流量数据本身的特征进行提取，聚焦于流量本身的特点，从而有利于提升异常流量检测可信度。

技术领域

本发明涉及人工智能领域，具体涉及一种训练流量检测模型的方法、检测业务流量异常的方法以及相关装置。

背景技术

随着互联网业务的快速发展，各类终端设备大规模接入公司网络，甚至直接接入骨干网。由于终端设备自身防护薄弱，且所处环境不可控，一旦被非法利用，将直接影响公司整体安全防护体系，安全威胁极大。

目前，对于异常流量的检测，主要是通过人工配置判定规则来实现的。即用户预先制定判定规则，然后根据该判定规则对网络流量进行检测，对于检测得到的异常流量进行报警。

然而，基于人工配置的判定规则对网络流量异常情况进行检测，难以适应高速变化的网络，会导致误判率较高，检出率较低。

发明内容

有鉴于此，本发明实施例提供了一种训练流量检测模型的方法、业务流量异常的检测方法以及相关装置，以解决异常流量识别不准确的问题，增强了方案的可靠性。

第一方面，本发明实施例提供了一种训练流量检测模型的方法，包括：

获取终端设备集群中各个终端设备的训练业务流量，得到训练业务流量集合；

提取所述训练业务流量集合中每个训练业务流量所对应的第一训练特征信息和第二训练特征信息，其中，所述第一训练特征信息用于指示各终端设备的地址特征，所述第二训练特征信息用于指示各终端设备的流量分析特征；

利用所述第一训练特征信息以及所述第二训练特征信息对神经网络模型进行训练，得到所述流量检测模型。

第二方面，本发明实施例提供了一种检测业务流量异常的方法，包括：

获取目标终端设备对应的待检测业务流量；

根据所述待检测业务流量生成第一特征信息以及第二特征信息，所述第一特征信息用于表示所述目标终端设备的地址特征，所述第二特征信息用于表示所述目标终端设备的流量分析特性；

根据所述第一特征信息以及所述第二特征信息确定所述目标流量特征信息所对应的结果信息，其中，所述结果信息用于指示所述业务流量数据是否为异常数据。

第三方面，本发明实施例提供了一种流量检测装置，包括：

获取模块，用于获取终端设备集群中各个终端设备的训练业务流量，得到训练业务流量集合；

提取模块，用于提取所述获取模块获取的所述训练业务流量集合中每个训练业务流量所对应的第一训练特征信息和第二训练特征信息，其中，所述第一训练特征信息用于指示各终端设备的地址特征，所述第二训练特征信息用于指示各终端设备的流量分析特征；

训练模块，用于利用所述提取模块提取的所述第一训练特征信息以及所述第二训练特征信息对神经网络模型进行训练，得到所述流量检测模型。

第四方面，本发明实施例提供了一种流量检测装置，包括：

获取模块，用于获取目标终端设备对应的待检测业务流量；