[发明专利]网络行为数据的监控方法、装置、存储介质及电子设备

权利要求书

1.一种用户网络行为数据的监控方法，其特征在于，包括：

采集目标网络内各个终端的网络行为数据；

识别每个网络行为数据的业务类型；

根据每个网络行为数据的业务类型，提取与每个网络行为数据对应的特征数据；

通过与每个业务类型对应的目标数据模型对每个业务类型的特征数据进行分析，得到每个特征数据中的异常数据；

根据每个特征数据的异常数据，确定每个网络行为数据的监控结果。

2.根据权利要求1所述的监控方法，其特征在于，所述采集所述目标网络内各个终端的网络行为数据，包括：

通过所述目标网络的汇聚交换机的镜像端口，采集所述目标网络内各个终端的网络行为数据。

3.根据权利要求1所述的监控方法，其特征在于，所述提取与每个网络行为数据对应的特征数据之后，还包括：

将所述特征数据作为历史特征数据存储至特征数据库；

判断上一次训练所述目标模型的时间至当前时间的时间间隔，是否大于预定时长阈值；

若大于所述预定时长阈值，则对所述特征数据库内存储的未训练的历史特征数据，通过机器学习算法对所述目标数据模型进行训练。

4.根据权利要求1所述的监控方法，其特征在于，所述识别每个网络行为数据的业务类型，包括：

调用DPI流分析引擎对每个网络行为数据的报文进行分析，确定每个网络行为数据的目标特征值；

将每个网络行为数据的目标特征值与DPI特征库内存储的与不同业务类型对应的特征值进行匹配，确定每个网络行为数据的业务类型。

5.根据权利要求4所述的监控方法，其特征在于，若所述DPI特征库内存储的与不同业务类型对应的特征值，均与所述目标特征值不匹配，则所述监控方法还包括：

通过DFI流分析引擎将与所述目标特征值对应的网络行为数据输入分类模型，确定与所述目标特征值对应的网络行为数据的业务类型；其中，所述分类模型为对样本数据采用机器学习分类算法进行训练所形成的。

6.根据权利要求1至5中任意一项所述的监控方法，其特征在于，所述确定每个网络行为数据的监控结果之后，还包括：

生成与所述监控结果对应的告警信息，并进行提示。

7.根据权利要求1至5中任意一项所述的监控方法，其特征在于，所述识别每个网络行为数据的业务类型之后，还包括：

根据各个终端的网络行为数据的业务类型，生成所述目标网络的多维分析报告；所述多维分析报告包括在各终端维度下，和/或，各部门维度下，和/或，各区域维度下的：各业务类型的流量使用占用比信息、流量分布情况信息、流量高峰和低谷时间段信息。

8.一种用户网络行为数据的监控装置，其特征在于，包括：

数据采集模块，用于采集所述目标网络内各个终端的网络行为数据；

业务类型识别模块，用于识别每个网络行为数据的业务类型；

特征数据提取模块，用于根据每个网络行为数据的业务类型，提取与每个网络行为数据对应的特征数据；

分析模块，用于通过与每个业务类型对应的目标数据模型对每个业务类型的特征数据进行分析，得到每个特征数据中的异常数据；

监控结果确定模块，用于根据每个特征数据的异常数据，确定每个网络行为数据的监控结果。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述的监控方法的步骤。

10.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述的监控方法的步骤。