[发明专利]一种网络流量检测方法及装置

说明书

公开了一种网络流量检测方法及装置。一种网络流量检测方法，其特征在于，应用于网络流量检测系统的模型训练侧，所述方法包括：获得若干份网络流量样本；从网络流量样本中提取预设的若干备选特征，并将所提取的若干备选特征输入预设特征选择引擎，根据该引擎的输出确定若干关键特征；向流量检测侧发送关键特征确定指令；确定每份网络流量样本的标签，根据所述若干网络流量样本的标签以及关键特征，通过有监督学习算法训练网络流量检测模型；根据所训练的网络流量检测模型更新流量检测侧的模型。

技术领域

本说明书实施例涉及网络通信技术领域，尤其涉及一种网络流量检测方法及装置。

背景技术

网络入侵检测系统可以根据网络流量的特征，检测进入系统的网络流量是否为攻击、入侵系统的异常流量。

现有技术中，一种检测方案为基于深度学习技术，采用卷积神经网络、循环神经网络等技术，对正常与异常的网络流量进行区分，由于深度模型所提取特征的维度较高、神经网络深度较大，因而检测精度较高，但对计算与存储资源的消耗也较大，在实际应用中对设备要求较高；另一种检测方案为基于浅层神经网络或数据挖掘模型，这种方案虽然降低了对设备的要求，但相对的误报率较高、检测精度较低。

发明内容

有鉴于此，本说明书实施例提供一种网络流量检测方法及装置，技术方案如下：

一种网络流量检测方法，其特征在于，应用于网络流量检测系统的模型训练侧，所述方法包括：

获得若干份网络流量样本；

从网络流量样本中提取预设的若干备选特征，并将所提取的若干备选特征输入预设特征选择引擎，根据该引擎的输出确定若干关键特征；

向流量检测侧发送关键特征确定指令，以使流量检测侧根据该指令确定对待检测网络流量进行提取的特征；

确定每份网络流量样本的标签，所述标签用于表示对应样本网络流量是否异常，根据所述若干网络流量样本的标签以及关键特征，通过有监督学习算法训练网络流量检测模型；

根据所训练的网络流量检测模型更新流量检测侧的模型，以使流量检测侧基于更新后的模型预测待检测网络流量是否异常。

一种网络流量检测装置，其特征在于，应用于网络流量检测系统的模型训练侧，所述装置包括：

样本获得模块，用于获得若干份网络流量样本；

特征确定模块，用于从网络流量样本中提取预设的若干备选特征，并将所提取的若干备选特征输入预设特征选择引擎，根据该引擎的输出确定若干关键特征；

特征更新模块，用于向流量检测侧发送关键特征确定指令，以使流量检测侧根据该指令确定对待检测网络流量进行提取的特征；

模型训练模块，用于确定每份网络流量样本的标签，所述标签用于表示对应样本网络流量是否异常，根据所述若干网络流量样本的标签以及关键特征，通过有监督学习算法训练网络流量检测模型；

模型更新模块，用于根据所训练的网络流量检测模型更新流量检测侧的模型，以使流量检测侧基于更新后的模型预测待检测网络流量是否异常。

本说明书实施例所提供的技术方案，将网络流量检测系统中的模型训练与流量检测分开，分为2个异步执行的子系统，并且模型训练侧预先筛选若干重要特征，剔除作用较小的其他特征，流量检测侧利用训练好的模型及筛选后的特征进行流量检测，可以在降低对设备要求的同时，实现较高的检测精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书实施例。

此外，本说明书实施例中的任一实施例并不需要达到上述的全部效果。

附图说明