[发明专利]异常网络节点的检测方法及装置、设备、存储介质

说明书

本申请的实施例揭示了一种异常网络节点的检测方法及装置、设备、存储介质。本申请通过获取待检测的各个时刻的拓扑帧，拓扑帧包括网络节点的结构特征；根据各个时刻的拓扑帧生成针对时间维度上的时间序列属性图；将时间序列属性图输入训练好的异常检测模型中，以通过训练好的异常检测模型根据网络节点的结构特征和所对应的时序，确定网络节点是否为异常网络节点。本申请在异常网络节点的检测过程中，以网络节点的结构特征为基础，引入了网络节点在时间维度上的时序特征，从而能更准确地确定出异常网络节点。

技术领域

本申请涉及通信领域，具体涉及一种异常网络节点的检测方法及装置、设备、存储介质。

背景技术

针对动态属性图中异常网络节点的挖掘问题，目前的做法是基于随机游走算法，生成动态属性图中网络节点对应的节点嵌入表达，这种嵌入表达是随着动态属性图变化而变化，然后利用聚类算法或者生成式方法，例如自编码器来计算动态属性图中网络节点的异常分值。

上述方法仅仅依靠动态属性图的结构特征，因此，无法准确地确定出异常网络节点。

发明内容

为解决上述技术问题，本申请的实施例分别提供了一种异常网络节点的检测方法及装置、设备、计算机可读存储介质，以准确地确定出异常网络节点。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种异常网络节点的检测方法，包括：获取待检测的各个时刻的拓扑帧，所述拓扑帧包括网络节点的结构特征；根据所述各个时刻的拓扑帧生成针对时间维度上的时间序列属性图；将所述时间序列属性图输入训练好的异常检测模型中，以通过所述训练好的异常检测模型根据所述网络节点的结构特征和所对应的时序，确定所述网络节点是否为所述异常网络节点。

根据本申请实施例的一个方面，提供了一种异常网络节点的检测装置，包括：获取模块，被配置为获取待检测的各个时刻的拓扑帧，所述拓扑帧包括网络节点和所述网络节点的结构特征；生成模块，被配置为根据所述各个时刻的拓扑帧生成针对时间维度上的时间序列属性图；检测模块，被配置为将所述时间序列属性图输入训练好的异常检测模型中，以通过所述训练好的异常检测模型根据所述网络节点的结构异常值和时序异常值，确定所述网络节点是否为所述异常网络节点。

在另一实施例中，所述异常网络节点的检测装置还包括：样本获取模块，被配置为获取待训练的各个时刻的拓扑帧中网络节点的正样本和负样本；训练模块，被配置为根据所述正样本和负样本对异常检测模型进行训练，得到所述训练好的异常检测模型。

在另一实施例中，所述异常网络节点的检测装置还包括：遍历模块，被配置为将所述待训练的各个时刻的拓扑帧分别作为目标拓扑帧，遍历所述目标拓扑帧中的各个网络节点，并将遍历到的网络节点作为目标网络节点；确定模块，被配置为根据所述目标网络节点的位置信息确定出所述目标网络节点的第一样本和第二样本，并将所述第一样本和第二样本作为所述目标网络节点的正样本，以及根据所述目标网络节点的位置信息确定出所述目标网络节点的第三样本和第四样本，并将所述第三样本和第四样本作为所述目标网络节点的负样本，以确定出所述目标拓扑帧中每个网络节点的正样本和负样本。

在另一实施例中，所述确定模块包括：正样本单元，被配置为根据所述目标网络节点的位置信息，将与所述目标网络节点相连的第一节点确定为所述目标网络节点的第一样本，以及将网络节点增广图中与所述位置信息相匹配的第一增广网络节点，作为所述目标网络节点的第二样本；其中，所述网络节点增广图是对所述目标拓扑帧进行样本增广处理所得到的；负样本单元，被配置为根据所述目标网络节点的位置信息，将与所述目标网络节点不相连的第二节点确定为所述目标网络节点的第三样本，以及将所述网络节点增广图中与所述位置信息不相匹配的第二增广网络节点，作为所述目标网络节点的第四样本。