[发明专利]一种网络流量识别方法、装置、设备及机器可读存储介质

说明书

本申请提供一种网络流量识别方法、装置、设备及机器可读存储介质，可以通过将当前业务的业务特征值分别输入至N个二分类决策树模型中得到每一二分类决策树模型输出的业务类别概率，以根据每一二分类决策树模型输出的业务类别概率确定当前业务所属的目标业务类别。每一二分类决策树模型输出的业务类别概率对应该二分类决策树模型对应的业务类别，以及，基于二分类决策树模型的特性，即使针对业务所使用新的IP地址或是遇到训练集中未存在的业务类别时，也能够依据不同业务类别对应业务特征值间的相似性，获得当前业务对应的业务类别概率，进而以通过对输出的业务类别概率进行分析，确定出当前业务所属的业务类别，从而能够提高流量的识别率。

技术领域

本申请涉及业务分析技术领域，尤其涉及一种网络流量识别方法、装置、设备及机器可读存储介质。

背景技术

随着计算机网络技术的飞速发展，互联网已经覆盖了生活的方方面面，与此同时，网络规模的不断扩大引起业务的爆发式增长，复杂多变的互联网新应用也伴随着技术的革新层出不穷。然而，由于传输控制协议/互联协议TCP/IP架构的开放性，各种针对网络协议和应用程序漏洞的攻击可能会造成国民经济的损失。因此，业务分类技术作为网络安全的基础，对保障网络合理运行、维护信息安全具有重要作用。

现阶段，基于机器学习的网络流量识别方法，以其轻量级和灵活性成为了如今业务分类技术研究的方向。然而，目前大多数基于机器学习的业务识别方案，都是基于应用时当前业务传输所使用的IP地址和训练时样本流量传输所使用的IP地址相同的前提下进行识别，然而在实际应用中，不可能获取所有IP地址传输的业务数据，这就造成在真实网络环境中，当同一应用程序输出的业务在传输时使用新的IP地址或遇到训练集中未存在的业务类别时，不能有效地对当前业务进行识别。

发明内容

有鉴于此，本申请提供网络流量识别方法、装置、设备及机器可读存储介质，以提高流量的识别率。

具体地，本申请是通过如下技术方案实现的：

一方面，本申请实施例提供一种网络流量识别方法，所述方法包括：

获得当前业务的网络流量的业务特征值；所述业务特征值的数量大于或等于1；

将获得的业务特征值分别输入至N个二分类决策树模型中，得到每一所述二分类决策树模型输出的当前业务所属该二分类决策树模型对应的业务类别的业务类别概率；所述N大于或等于1；

根据每一二分类决策树模型输出的业务类别概率确定所述当前业务所属的目标业务类别。

另一方面，基于相同的构思，本申请实施例还提供一种网络流量识别装置，所述装置包括：

业务特征值获取单元，用于获取获得当前业务的网络流量的业务特征值；所述业务特征值的数量大于或等于1；

信息获得单元，用于将获得的业务特征值分别输入至N个二分类决策树模型中，得到每一所述二分类决策树模型输出的当前业务所属该二分类决策树模型对应的业务类别的业务类别概率；所述N大于或等于1；

业务类别确定单元，用于根据每一二分类决策树模型输出的业务类别概率确定所述当前业务所属的目标业务类别。

再一方面，本申请实施例提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现上述实施例所述的网络流量识别方法的方法步骤。

再一方面，本申请实施例还提供一种机器可读存储介质，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现上述实施例所述的网络流量识别方法的方法步骤。