[发明专利]一种流量的监控方法、模型的训练方法、装置及存储介质

说明书

本申请实施例提供了一种流量的监控方法、模型的训练方法、装置及存储介质。方法包括：获取网络在多个历史时刻时的历史流量；将所述历史流量转换成所述历史流量所在的流量区间对应的一个数值；通过预设的流量预估模型处理所述数值，预估出所述网络在预估时刻时的预估流量；在所述预估时刻时，获取所述网络的实际流量；根据所述实际流量与所述预估流量，确定所述网络的流量是否异常。通过将流量转换成该流量所在的流量区间对应的一个数值，可实现数据的泛化。流量预估模型通过处理被泛化的数据，可以准确的预测出结果，以实现通过预估准确的确定出流量是否异常。

技术领域

本申请涉及数据安全技术领域，具体而言，涉及一种流量的监控方法、模型的训练方法、装置及存储介质。

背景技术

网络中的设备有时会遭受到不法分子的网络攻击例如遭受DDOS(DistributedDenial of Service，分布式拒绝服务)攻击而导致设备崩溃，而网络攻击通常表现为流量出现异常。因此，在网络安全中，监控并识别出流量异常是确保网络安全的重要环节。

在目前的流量异常监测技术中，较常规的做法是通过对一段时间内的流量进行分析，然后预估下一个时间的流量是否会出现异常。这种方式虽然能够分析出异常的流量，但其预估的准确度太差，导致其实际应用受限。

发明内容

本申请实施例的目的在于提供一种流量的监控方法、模型的训练方法、装置及存储介质，用以实现通过预估准确的确定出流量是否异常。

第一方面，本申请实施例提供了一种流量的监控方法，所述方法包括：

获取网络在多个历史时刻时的历史流量；

将所述历史流量转换成所述历史流量所在的流量区间对应的一个数值；

通过预设的流量预估模型处理所述数值，预估出所述网络在预估时刻时的预估流量；

在所述预估时刻时，获取所述网络的实际流量；

根据所述实际流量与所述预估流量，确定所述网络的流量是否异常。

在本申请实施例中，通过将流量转换成该流量所在的流量区间对应的一个数值，可实现数据的泛化。流量预估模型通过处理被泛化的数据，可以准确的预测出结果，以实现通过预估准确的确定出流量是否异常。

结合第一方面，在第一种可能的实现方式中，通过所述流量预估模型处理所述数值，预估出所述预估流量，包括：

将所述数值独热编码成对应的一段编码；

通过所述流量预估模型处理所述编码，预估出所述预估流量。

在本申请实施例中，通过将数值独热编码成对应的一段编码，可实现数据的进一步泛化，以使流量预估模型能够更加准确的预测出结果。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，在将所述历史流量转换成所述历史流量所在的流量区间对应的一个数值之前，所述方法还包括：

确定出所述网络的所有实际流量中的最大值与最小值；

在所述最小值与所述最大值之间，划分出相邻的多个流量区间；

建立每个所述流量区间与一个数值的对应关系，其中，每个所述流量区间对应的一个数值小于与该流量区间相邻的下一个流量区间对应的一个数值。

在本申请实施例中，由于流量区间是基于历史流量的大小顺序划分，故划分出的流量区间可以准确反映流量的实际情况。利用与实际情况匹配的流量区间来进行数据泛化，可实现数据的准确泛化。

结合第一方面，在第三种可能的实现方式中，根据所述实际流量与所述预估流量，确定所述网络的流量是否异常，包括：