[发明专利]实时识别异常流量的方法、装置、计算机设备和存储介质

摘要

本发明公开了一种实时识别异常流量的方法、装置、计算机设备和存储介质，涉及流量监控领域，该方法包括：获取已经接收且存储在数据库中的流量数据；从所述流量数据中获取样本集；将所述样本集分出初始训练样本集；将所述初始训练样本集分别输入逻辑回归LR模型与随机森林RF模型进行训练；接收实时流量数据；将实时流量数据分成第一部分和第二部分；将所述LR模型与RF模型同时投入对第一部分中的实时流量数据的识别中；确定LR模型、RF模型分别对应的第一准确度、第二准确度；将第一准确度和第二准确度中准确度更高的模型配置到第二部分中的实时异常流量的识别中，并进行异常流量的实时识别。该方法提高了实时识别异常流量的准确度。

主权项

1.一种实时识别异常流量的方法，其特征在于，包括：获取已经接收、且存储在数据库中的流量数据；从所述流量数据中获取样本集，其中，每个所述流量数据为一个样本，每个所述流量数据被贴有是否是异常流量的标签；将所述样本集分出初始训练样本集；将所述初始训练样本集分别输入逻辑回归LR模型与随机森林RF模型进行训练，其中，根据逻辑回归LR模型与随机森林RF模型的输出结果判定所述初始训练样本集的每个样本是否是异常流量，如果判定结果与样本的标签一致，则判定结果准确，判定结果准确的样本数占所述初始训练样本集中的样本总数的比为准确度，在所述准确度没有均达到预定阈值时，不断对所述逻辑回归LR模型与随机森林RF模型进行训练，直到所述准确度均达到预定阈值；接收实时流量数据；将所述实时流量数据分成第一部分和第二部分，其中，所述第一部分被贴有是否是异常流量的标签；将所述LR模型与RF模型同时投入对所述第一部分中的实时流量数据的识别中；确定LR模型的判定结果与贴有的标签一致的实时流量数据数占第一部分中的所有实时流量数据的占比，作为第一准确度；确定RF模型的判定结果与贴有的标签一致的实时流量数据数占第一部分中的所有实时流量数据的占比，作为第二准确度；将第一准确度和第二准确度中准确度更高的模型配置到第二部分中的实时异常流量的识别中，并进行异常流量的实时识别。