[发明专利]一种多业务网络流的成分占比分析方法

权利要求书

1.一种多业务网络流的成分占比分析方法，其特征在于：包括以下步骤：

A1，数据采集模块采集目标链路中的混合网络流量数据，构成分析样本，且在所述分析样本中用于模型训练的样本上建立成分占比标签；

A2，数据预处理模块对所述分析样本进行预处理，生成流量拓扑图；

A3，将所述预处理生成的流量拓扑图输入至流量分析模块进行分析，生成流量画像；

A4，将所述流量画像输入至占比分析模块，获得所述分析样本中不同类型网络流的最终占比分析结果；

所述A3步骤具体如下：

A31，对所述流量拓扑图的节点进行编码；

A32，利用所述进行编码的流量拓扑图训练结构信息向量化模型；

A33,利用结构信息向量化模型将经过编码的、待分析的流量拓扑图的节点转换为多维向量表示，得到每一个节点在结构信息空间中的坐标；

A33步骤具体如下：

A331,将所述待分析的流量拓扑图节点的编码输入至结构信息向量化模型，得到每一个节点的向量化表示；

A332，根据节点的向量化表示，由该向量确定结构信息空间中的一个坐标点，把该节点映射为该坐标点的像素；

A34,根据所述结构信息空间中的坐标将节点映射到多维图像中，生成流量画像。

2.根据权利要求1所述的多业务网络流的成分占比分析方法，其特征在于：A2步骤具体包括以下步骤：

A21，提取所述分析样本的单IP特征和双IP特征

A22，初始化流量拓扑图，将分析样本中出现的IP作为流量拓扑图中的节点,将每一个IP的单IP特征映射为流量拓扑图中对应节点的特定向量而将双IP特征映射到流量拓扑图中对应节点之间的边的权重

3.根据权利要求1所述的多业务网络流的成分占比分析方法，其特征在于：A4步骤具体包括以下步骤：

A41，利用占比标签已知的流量画像样本训练占比分析模型；

A42，将待分析的流量画像输入到占比分析模型中，进而获得分析样本中不同类型网络流的最终占比分析结果。

4.根据权利要求1所述的多业务网络流的成分占比分析方法，其特征在于：A31步骤中节点进行编码时每个节点v_i的编码长度由表示邻居阶数的参数D定义，所采用的编码格式为：(v_i的度，v_i的一阶邻居的平均度，…，v_i的D阶邻居的平均度)。

5.根据权利要求1所述的多业务网络流的成分占比分析方法，其特征在于：A32步骤具体包括以下步骤：

A321，对每个已编码流量拓扑图根据其边权重和超参数p、q进行节点有偏游走，获取多个节点游走序列，并将其加入到游走序列集合

A322，对节点游走序列集合中的每个节点游走序列样本，按照算法获取节点上下文预测模型的节点上下文片段，并将其加入到节点上下文片段集合中；

A323，基于skip-gram模型，输入包含D+1个神经元表示节点上下文片段中的输入节点的编码输出包含D+1个神经元，表示节点上下文片段中的上下文节点的编码，使用节点上下文片段集合训练得到节点上下文预测模型；

A324，抽取节点上下文预测模型的输入层和隐藏层形成结构信息向量化模型。

6.根据权利要求1所述的多业务网络流的成分占比分析方法，其特征在于：A34步骤具体包括以下步骤：

A341，按照图像灰度的规格，对节点v_i的特征向量进行归一化处理；

A342，把该归一化后的特征向量作为灰度赋值给节点v_i在结构信息空间中相应的像素点。

7.根据权利要求3所述的多业务网络流的成分占比分析方法，其特征在于：A41步骤采用CNN模型作为成分占比分析模型，输入为流量画像，输出为流量画像表示的分析样本中的各种流量类型的占比，使用带占比标签的流量画像集合训练该模型。

8.一种多业务网络流的成分占比分析装置，其特征在于：所述成分占比分析装置包括：

数据采集模块，用于采集目标链路中的流量数据以构成至少包含两种类型的分析样本，对用于训练的分析样本建立成分占比标签；

数据预处理模块，用于提取所述分析样本的特征，并将该特征表示在与单个分析样本对应的流量拓扑图中；所述流量拓扑图由节点和无向边构成；

流量分析模块，对所述流量拓扑图中的节点根据其邻居信息进行编码；利用经过编码的样本训练向量化模型；基于向量化模型将所述节点的编码转换为结构信息空间的多维坐标，并根据所述多维坐标将节点映射到流量画像中；把节点的属性特征作为灰度赋值给流量画像中该节点相应的像素点；具体为：

对所述流量拓扑图的节点进行编码；

利用所述进行编码的流量拓扑图训练结构信息向量化模型；

利用结构信息向量化模型将经过编码的、待分析的流量拓扑图的节点转换为多维向量表示，得到每一个节点在结构信息空间中的坐标；即将所述待分析的流量拓扑图节点的编码输入至结构信息向量化模型，得到每一个节点的向量化表示并根据节点的向量化表示，由该向量确定结构信息空间中的一个坐标点，把该节点映射为该坐标点的像素；

占比分析模块，利用带占比标签的流量画像训练成分占比分析模型，所述占比分析模型根据流量画像获得分析样本中不同类型网络流量的最终占比分析结果。