[发明专利]流量细分识别方法、系统、电子设备和存储介质

说明书

本申请提出了流量细分识别方法、系统、电子设备和存储介质，涉及通信领域。流量细分识别方法包括：获取预先指定业务的业务流量；对所述业务流量进行处理，获取所述业务流量的特征向量；将所述业务流量的特征向量通过预先设置的第一异常检测模型，获取子特征向量；将所述子特征向量通过预先设置的分类训练模型进行训练，获得流量分类器；将所述子特征向量通过预先设置的第二异常检测模型，获得流量筛选器；获取待识别流量的特征向量，并将所述待识别流量的特征向量通过流量分类器获取对应的业务标签；将所述待识别流量的特征向量通过对应的业务标签的流量筛选器，获取流量细分识别结果。应用于网络监控过程中，达到流量细分识别的目的。

技术领域

本申请实施例涉及通信领域，特别涉及一种流量细分识别方法、系统、电子设备和存储介质。

背景技术

目前流量识别方法已经在网络安全领域有了广泛应用，例如网络异常检测与恶意流量识别，标记手机流量的应用来源等。但是对于运营商而言更为重要一点的是流量的细分识别，例如在“微信流量”大类的基础上，具体识别出流量是通过什么业务动作产生的，如“发送微信消息”，“微信视频通话”等。这类细分识别能帮助运营商更具体地监控网络状况。基于机器学习(Machine Learning,ML)的流量细分识别方法通过特征工程提取流量的通用统计信息来构造流量特征向量，并使用机器学习算法进行分类。

然而，基于ML的流量细分识别在分类过程中存在无关的未知来源流量，由于分类算法存在封闭假设，在识别时必定会将输入样本标记为已知的类别，而实际识别过程中会有大量未知来源的无关流量输入，这便会造大量误标记，即面临开放集合识别(Open SetRecognition， OSR)问题，导致流量细分识别的准确性受到影响。

发明内容

本申请实施例的主要目的在于提出一种流量细分识别方法、系统、电子设备和存储介质，解决了流量细分识别过程中的OSR问题，提高了流量细分识别的准确率。

为实现上述目的，本申请实施例提供了一种流量细分识别方法，包括：获取预先指定业务的业务流量；对所述业务流量进行处理，获取所述业务流量的特征向量；将所述业务流量的特征向量通过预先设置的第一异常检测模型，获取子特征向量；将所述子特征向量通过预先设置的分类训练模型进行训练，获得流量分类器；将所述子特征向量通过预先设置的第二异常检测模型，获得流量筛选器；获取待识别流量的特征向量，并将所述待识别流量的特征向量通过所述流量分类器获取对应的业务标签；将所述待识别流量的特征向量通过对应业务标签的流量筛选器，获取流量细分识别结果。

为实现上述目的，本申请实施例还提出了一种流量细分识别系统，包括：

流量获取模块，用于获取预先指定业务的业务流量；

特征提取模块，用于对所述流量获取模块获得的业务流量进行处理，获取所述业务流量的特征向量，对待识别流量进行处理，获取所述待识别流量的特征向量；

第一异常检测模块，用于将所述特征提取模块获得的业务流量的特征向量进行处理，获取子特征向量；

分类训练模块，用于将所述第一异常检测模块获取的子特征向量进行训练，获得流量分类器；

第二异常检测模块，用于将所述第一异常检测模块获取的子特征向量进行处理，获得流量筛选器；

流量识别模块，用于将所述特征提取模块获得的待识别流量的特征向量，通过所述分类训练模块获得的流量分类器获取对应的业务标签，将所述特征提取模块获得的待识别流量的特征向量，通过所述第二异常检测模块获得的对应的业务标签的流量筛选器，获取流量细分识别结果。

为实现上述目的，本申请实施例还提出了一种电子设备，所述设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，