[发明专利]业务攻击流量清洗控制方法、装置、服务器及存储介质

权利要求书

1.一种业务攻击流量清洗控制方法，其特征在于，包括：

获取目标业务的流量信息，其中，所述流量信息包括流量状态信息以及业务流量数据；

根据预设的学习算法和所述流量状态信息进行计算生成流量清洗策略，其中，所述学习算法为用于根据流量状态信息生成对应清洗策略的增强学习算法；

执行所述流量清洗策略对所述业务流量数据进行流量清洗生成第一清洗流量数据；

其中，所述根据预设的学习算法和所述流量状态信息进行计算生成流量清洗策略，包括：根据所述流量状态信息建立原始问题，并将所述原始问题分割为多个子问题；将所述多个子问题与多个计算节点进行匹配，并将各子问题发送至相匹配的计算节点；根据所述多个计算节点对多个子问题进行并行的强化学习；根据所述多个子问题的学习结果和预设的收敛条件，判断所述原始问题是否已经收敛，如果所述原始问题已经收敛，则输出所述原始问题的最优策略作为所述流量清洗策略。

2.根据权利要求1所述的业务攻击流量清洗控制方法，其特征在于，所述获取目标业务的流量信息，具体包括：

获取预设的动态路由协议；

根据所述动态路由协议牵引所述目标业务的流量获取所述流量信息。

3.根据权利要求2所述的业务攻击流量清洗控制方法，其特征在于，所述动态路由协议包括BGP和OSPF/ISIS中的至少一种。

4.根据权利要求1-3任一项所述的业务攻击流量清洗控制方法，其特征在于，所述学习算法为Q-learning算法。

5.根据权利要求1所述的业务攻击流量清洗控制方法，其特征在于，所述将所述原始问题分割为多个子问题，包括：

将所述原始问题的状态空间进行分割，得到多个子问题，其中，不同子问题之间通过边界状态传递Q值。

6.根据权利要求1所述的业务攻击流量清洗控制方法，其特征在于，所述执行所述流量清洗策略对所述业务流量数据进行流量清洗生成第一清洗流量数据后，包括：

将所述第一清洗流量数据输入至预设的清洗模型中，其中，所述清洗模型为训练至收敛的用于检测异常流量的卷积神经网络模型；

接收所述清洗模型输出的正常业务流量，并将所述正常业务流量回注至所述目标业务。

7.一种业务攻击流量清洗控制装置，其特征在于，包括：

第一获取模块，用于获取目标业务的流量信息，其中，所述流量信息包括流量状态信息以及业务流量数据；

第一处理模块，用于根据预设的学习算法和所述流量状态信息进行计算生成流量清洗策略，其中，所述学习算法为用于根据流量状态信息生成对应清洗策略的增强学习算法，其中，所述根据预设的学习算法和所述流量状态信息进行计算生成流量清洗策略，包括：根据所述流量状态信息建立原始问题，并将所述原始问题分割为多个子问题；将所述多个子问题与多个计算节点进行匹配，并将各子问题发送至相匹配的计算节点；根据所述多个计算节点对多个子问题进行并行的强化学习；根据所述多个子问题的学习结果和预设的收敛条件，判断所述原始问题是否已经收敛，如果所述原始问题已经收敛，则输出所述原始问题的最优策略作为所述流量清洗策略；

第一执行模块，用于执行所述流量清洗策略对所述业务流量数据进行流量清洗生成第一清洗流量数据。

8.一种服务器，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任一所述的业务攻击流量清洗控制方法。

9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的业务攻击流量清洗控制方法。