[发明专利]一种网络流量批量生成图像的方法及装置

说明书

本发明提供一种网络流量批量生成图像的方法及装置，能够将原始网络流量数据高效批量生成图像。所述方法包括：获取原始网络流量数据集及相应的类别标签；对网络流量生成图像的高度H和宽度W进行初始化，并根据分类模型对输入图像的要求对H和W进行优化；其中，H用于体现网络流量时间和空间特征信息，W用于体现网络流量特征数；根据优化后的H，采用基于窗口的数据抽取算法对原始网络流量数据集进行数据抽取，根据优化后的H和W生成抽取出的数据集对应的灰度图像，得到网络流量图像集。本发明应用于网络安全领域。

技术领域

本发明涉及人工智能领域，特别是指一种网络流量批量生成图像的方法及装置。

背景技术

随着人工智能技术的发展，深度学习在网络安全领域的应用也越来越多。然而原始网络流量数据无法满足某些深度学习模型的输入要求，限制了深度学习技术在网络安全领域的进一步发展。因此现有技术通过网络流量特征之间的关联信息，进行协方差计算或欧拉变换等复杂计算，将网络流量数据生成为灰度图，以满足分类模型的输入要求。然而现有技术复杂度较高，计算量较大，且多数方法一次仅针对单一流量样本进行生成，无法获取连续网络流量间的关联信息，不能提取到连续网络流量的时序和空间特征，不适用于实时性要求较高的环境，因此需要对现有技术进行一定的改进与创新。

现有技术一，西安航空计算技术研究院的Qingru Li利用多项式表达多维特征之间的关联信息，将特征的关联信息用特征两两之间的和与积这一多项式形式进行表达，最后将单一网络流量映射为基于加法的网络流量关联信息矩阵和基于乘法的网络流量关联信息矩阵，最后将关联信息矩阵的非零值进行生成得到该条流量的关联信息图像。该种方式计算量较大，且每次只能对一条流量样本进行生成，效率较低。映射后的流量图像如图1(a)、(b)所示，从图1(a)、(b)中可以看出该方案生成图像具有对称性，信息冗余较多，造成资源浪费。

现有技术二，解放军信息工程大学的寇广将时间窗口内的多条流量样本利用Z-score方法实现样本值标准化处理，然后分别将其中每一条流量样本特征转换为对角矩阵，计算不同特征之间的欧拉距离并将其作为图像中像素点的灰度值，最后得到时间窗口内的单条流量的灰度图。该种方式计算复杂，计算量大，且每次只能对一条流量样本进行生成，效率较低。映射后的流量图像如图2(a)、(b)所示。从图2(a)、(b)中可以看出该方案生成图像也具有对称性，信息冗余较多，造成资源浪费。

现有技术三，山东大学的孔令爽利用KDD99数据集，对原始流量中41维特征进行独热(one-hot)编码，得到新生成的119维特征。在对特征值进行最大最小标准化操作后，填充两个0值以得到121维特征。最后将121维特征进行行优先生成，得到11x11大小的特征矩阵，将特征值作为灰度值转换为特征图像，如图3所示；这种方式一次仅对单条流量进行生成，图像无法获取连续流量之间的关联关系，图像信息量较小，且图像高度和宽度难以优化调整。

现有技术四，华为科技的Zhitang Chen利用连续10条双向流量数据的数据包大小、数据包到达间隔、数据包流向作为原始流量特征，经过再生核希尔伯特空间(Reproducing Kernel Hilbert Space，RKHS)算法中一系列边缘概率与条件概率计算映射，得到40x40的6通道流量图像，如图4所示(a)、(b)。这种方式计算复杂度高，时间成本高。

发明内容

本发明要解决的技术问题是提供一种网络流量批量生成图像的方法及装置，以解决现有技术所存在的计算复杂度较高，一次仅针对单一流量样本进行生成，无法获取连续网络流量间的关联信息，导致不能提取到连续网络流量的时序和空间特征的问题。

为解决上述技术问题，本发明实施例提供一种网络流量批量生成图像的方法，包括：

获取原始网络流量数据集及相应的类别标签；