[发明专利]网络业务识别方法及装置

权利要求书

1.一种网络业务识别方法，其特征在于，包括：

将业务数据流的特征数据输入至训练后的长短期记忆网络模型，输出与所述业务数据流对应的业务类型标签，所述长短期记忆网络模型为基于样本数据流的特征数据以及预先确定的样本数据流的业务类型标签进行训练后得到；

根据所述长短期记忆网络模型输出的业务类型标签，获取所述业务数据流的业务类型。

2.根据权利要求1所述的方法，其特征在于，所述将业务数据流的特征数据输入至训练后的长短期记忆网络模型之前，还包括：

基于深度报文检测技术获取所述样本数据流的业务类型，并对所述业务类型设置对应的标签。

3.根据权利要求1所述的方法，其特征在于，所述样本数据流的特征数据以及所述业务数据流的特征数据均为基于深度/动态流检测技术提取后得到。

4.根据权利要求1所述的方法，其特征在于，所述样本数据流的业务类型标签为与所述样本数据流业务类型对应的独热码，相应地，所述根据所述长短期记忆网络模型输出的业务类型标签，获取所述业务数据流的业务类型,包括：

根据所述长短期记忆网络模型输出的独热码与数据流业务类型的对应关系，获取所述业务数据流的业务类型。

5.根据权利要求1所述的方法，其特征在于，所述特征数据包括：每一数据包的时刻、用户端口号、服务器端口号、上下行流量标记以及每一数据包大小。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述样本数据流包括训练集数据流和验证集数据流，相应地，所述将业务数据流的特征数据输入至训练后的长短期记忆网络模型之前，还包括：

将所述训练集数据流的特征数据输入至所述长短期记忆网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法和梯度下降算法，更新所述长短期记忆网络模型中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证集数据流的特征数据输入至所述长短期记忆网络模型并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值P；

结束计算每个神经元输出值并更新权重的过程。

7.根据权利要求6所述的方法，其特征在于，所述结束计算每个神经元输出值并更新权重的过程之后,所述将业务数据流的特征数据输入至训练后的长短期记忆网络模型之前，还包括：

将已知数据流类型的加密数据流作为测试集对所述长短期记忆网络模型进行测试。

8.一种网络业务识别装置，其特征在于，包括：

输入模块，用于将业务数据流的特征数据输入至训练后的长短期记忆网络模型，输出与所述业务数据流对应的业务类型标签，所述长短期记忆网络模型为基于样本数据流的特征数据以及预先确定的样本数据流的业务类型标签进行训练后得到；

输出模块，用于根据所述长短期记忆网络模型输出的业务类型标签，获取所述业务数据流的业务类型。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述网络业务识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述网络业务识别方法的步骤。