[发明专利]一种网络流量分析方法、装置、存储介质及设备

权利要求书

1.一种网络流量分析方法，其特征在于，包括以下步骤：

S1、获取不同时间段和/或不同空间和/或不同地址和/或不同业务的多个流量时间序列数据；

S2、基于所述多个流量时间序列数据之间的距离的计算，对所述多个流量时间序列数据进行聚类；

S3、根据对所述多个流量时间序列数据聚类的结果，从时间序列待选特征集中筛选出一项或多项特征，组成分析特征集；其中筛选特征的原则是，通过衡量特征值或特征向量在聚类得到的各个类别中的分布的重叠程度，选择所述重叠程度较低的特征；

步骤S3具体为：

针对所述时间序列待选特征集中的每项特征F_k，计算所述多个流量时间序列数据的特征值或者特征向量，其中k=1,…,M；M是所述时间序列待选特征集中特征的项数；

根据对所述多个流量时间序列数据聚类的结果，假设聚类得到N个类别，对于所述每项特征F_k：

如果F_k的取值为离散型，则分别计算在聚类得到的每个类别中，F_k的概率函数P_ki(x)（x=x1,x2,x3,……），i=1,…,N；对于P_k1(x),…,P_kN(x)，求其两两之间的差的绝对值并相对于x的所有取值求和，再将所有和值相加，得到，其中x=x1,x2,x3,……；

如果F_k的取值为连续型，则分别计算在聚类得到的每个类别中，F_k的概率密度函数f_ki(x)；对于f_k1(x),…,f_kN(x)，求其两两之间的差的绝对值的积分，再将所有积分值相加，得到；

然后取G_k值最大的一项或多项特征，组成分析特征集；

S4、根据所述分析特征集，对流量时间序列数据提取特征并进行网络流量的分类和/或预测和/或异常检测。

2.根据权利要求1所述的网络流量分析方法，其特征在于，所述的对所述多个流量时间序列数据进行聚类，包括：使用划分聚类方法或者层次聚类方法，对所述多个流量时间序列数据进行聚类。

3.根据权利要求1所述的网络流量分析方法，其特征在于，所述的对流量时间序列数据提取特征并进行网络流量的分类和/或预测和/或异常检测，包括：对流量时间序列数据提取特征，然后使用统计分析或者机器学习的方法，进行网络流量的分类和/或预测和/或异常检测。

4.根据权利要求1所述的网络流量分析方法，其特征在于，所述时间序列待选特征集中的特征，包括时域统计特征、变换域统计特征、模型特征、分形特征中的一类或者多类特征。

5.根据权利要求1所述的网络流量分析方法，其特征在于，所述距离包括欧几里得距离、闵科夫斯基距离、曼哈顿距离、切比雪夫距离、夹角余弦相似度、皮尔逊相关系数、马氏距离、汉明距离、弗雷歇距离、杰卡德相似度、相关距离、幂距离中的一种或者多种。

6.根据权利要求2所述的网络流量分析方法，其特征在于，所述划分聚类方法包括K均值聚类算法、K中心点聚类算法、K中值聚类算法、K众数聚类算法中的一种或者多种。