[发明专利]一种网络流量异常检测方法、装置、终端及介质

权利要求书

1.一种网络流量异常检测方法，其特征在于，包括：

实时采集网络流量数据，对所述网络流量数据进行离散小波变换并计算各尺度下小波系数的方差和期望，从而算出网络流量Hurst系数；

基于所述各尺度下小波系数的方差和期望计算所述网络流量的波动变量控制值，并基于所述波动变量控制值动态调整Hurst系数基准值；

根据所述Hurst系数与所述Hurst系数基准值的差值，判断所述网络流量是否存在异常；

若所述网络流量存在异常，则查找所述网络流量的异常时间，进行网络攻击追溯。

2.如权利要求1所述的网络流量异常检测方法，其特征在于，所述实时采集网络流量数据，对所述网络流量数据进行离散小波变换并计算各尺度下小波系数的方差和期望，从而算出网络流量Hurst系数，具体包括：

实时采集网络流量数据，对所述网络流量数据进行离散小波变换并计算各尺度下小波系数，得到所述小波系数的期望；

对任意两个不同尺度下小波系数进行相关性处理后进行傅里叶变换得到所述小波系数的相关性期望；

计算所述小波系数的方差和标准差，进而算出所述两个不同尺度下小波系数进行线性拟合所得到直线的拟合斜率；

基于Hurst系数与所述拟合斜率的关系，获得网络流量Hurst系数；

其中，所述各尺度下小波系数的表达式为

式中，d_j,k为j尺度下的小波系数，j是尺度因子，用于实现小波函数的缩小或放大；k表示所述j尺度下离散小波变换的平移参数，x(t)为t时刻的网络流量数据，是哈尔小波函数；

所述小波系数的期望表达式为

式中，E[d_j,k]为所述j尺度下的小波系数的期望，E[x(t)]为所述t时刻的网络流量数据的期望，

所述小波系数的相关性期望表达式为

式中，为所述j和j₁尺度下的小波系数的相关性期望，为所述j₁尺度下的小波系数，k₁表示所述j₁尺度下离散小波变换的平移参数，为所述网络流量数据的方差，ω是频率，γ为所述网络流量的小波系数在最小方差意义下进行线性拟合所得到直线的拟合斜率，ψ(2^jω)为所述j尺度下傅里叶变换后的哈尔小波函数，ψ(2^j1ω)为所述j₁尺度下傅里叶变换后的哈尔小波函数；

所述小波系数的方差表达式为

式中，为所述j尺度下的小波系数的方差；

所述小波系数的标准差表达式为

var[d_j,k]＝σ_x2^jγ，

式中，var[d_j,k]为所述j尺度下的小波系数的标准差，σ_x为所述网络流量数据的标准差；

所述拟合斜率的计算公式为

log₂var[d_j,k]＝log₂σ_x+jγ，

所述网络流量Hurst系数表达式为

式中，H(t)为t时刻Hurst系数。

3.如权利要求1所述的网络流量异常检测方法，其特征在于，所述基于所述各尺度下小波系数的方差和期望计算所述网络流量的波动变量控制值，并基于所述波动变量控制值动态调整Hurst系数基准值，具体包括：

基于所述各尺度下小波系数的方差和期望计算所述网络流量的波动变量控制值，并基于所述波动变量控制值动态调整Hurst系数基准值；

其中，所述网络流量波动变量控制值为

所述Hurst系数基准值的表达式为

H_0,t+1＝H_0,tξ，

式中，H_0,t+1为t+1时刻的Hurst系数基准值，H_0,t为所述t时刻的Hurst系数基准值，ε为修正因子。