[发明专利]流量识别系统及方法、服务器

说明书

本发明实施例涉及网络安全技术领域，公开了一种流量识别系统及方法、服务器。流量识别系统，包括：相互连接的流采集器与切片模块；流采集器用于采集来源于网络设备的待识别的流量数据，并将流量数据发送到切片模块；切片模块用于提取接收到的流量数据中的各流量的特征数据，并将各流量的特征数据输入到卷积神经网络模型中，得到各流量所属的初步分类；切片模块还用于将各初步分类下的流量分别输入到双向循环神经网络模型，得到各流量所属的最终分类。本发明中，结合了卷积神经网络模型对高维的流量数据的高处理能力与双向循环神经网络模型能够关联流量的历史数据与未来数据进行预测的特点，提高了流量识别的准确度。

技术领域

本发明实施例涉及网络安全技术领域，特别涉及一种流量识别系统及方法、服务器。

背景技术

随着互联网业务、物联网业务的快速发展，未来移动通信将面临千倍数据流量增长和千亿设备级别的联网需求。5G作为新一代移动通信技术发展的方向，将在提升移动互联网用户业务体验的基础上，进一步满足未来物联网应用的海量需求，与工业、医疗、交通等行业深度融合，实现真正的“万物互联”。

随着5G网络的场景化落地，以及客户运营向网络边缘迁移，必将带来更加复杂的网络安全风险。目前，基于5G场景下的分布式拒绝服务器(DistributedDenialofService，简称DDOS)攻击的流量识别方法中，存在以下缺陷：需要依赖历史攻击库的更新，否则会导致识别的准确率较低，并且智能化程度较低；基于自组织网络的流量识别方法中，SON本身容易被窃听，全性得不到保证；在利用以设备为键值的哈希表来进行异常数据流记录时，计算复杂度较高。

发明内容

本发明实施方式的目的在于提供一种流量识别系统及方法、服务器，先利用卷积神经网络模型进行流量的初次分类，然后在利用双向循环神经网络模型进行二次分类，结合了卷积神经网络模型对高维的流量数据的高处理能力与双向循环神经网络模型能够关联流量的历史数据与未来数据进行预测的特点，提高了流量识别的准确度；并且，可以自动的进行流量数据中流量的特征提取与流量的分类，智能化程度高，无需人工干预。

为解决上述技术问题，本发明的实施方式提供了一种流量识别系统，包括：相互连接的流采集器与切片模块；流采集器用于采集来源于网络设备的待识别的流量数据，并将流量数据发送到切片模块；切片模块用于提取接收到的流量数据中的各流量的特征数据，并将各流量的特征数据输入到卷积神经网络模型中，得到各流量所属的初步分类；切片模块还用于将各初步分类下的流量分别输入到双向循环神经网络模型，得到各流量所属的最终分类。

本发明的实施方式还提供了一种流量识别方法，包括：采集来源于网络设备的待识别的流量数据；提取接收到的流量数据中的各流量的特征数据，并将各流量的特征数据输入到卷积神经网络模型中，得到各流量所属的初步分类；将各初步分类下的流量分别输入到双向循环神经网络模型，得到各流量所属的最终分类。

本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的流量识别方法。

本发明实施方式相对于现有技术而言，提供了一种流量识别系统，其包括相互连接的流采集器与切片模块；流采集器能够采集来源于网络设备的待识别的流量数据，并将采集到的流量数据发送到切片模块，切片模块则能够从该流量数据提取接收到的流量数据中的各流量的特征数据，并将各流量的特征数据输入到卷积神经网络模型中，得到各流量所属的初步分类，再将各初步分类下的流量分别输入到双向循环神经网络模型，得到各流量所属的最终分类。即首先利用卷积神经网络模型进行流量的初次分类，然后在利用双向循环神经网络模型进行二次分类，结合了卷积神经网络模型对高维的流量数据的高处理能力与双向循环神经网络模型能够关联流量的历史数据与未来数据进行预测的特点，提高了流量识别的准确度；并且，可以自动的进行流量数据中流量的特征提取与流量的分类，智能化程度高，无需人工干预。