[发明专利]网络流的特征提取方法、网络流异常检测方法及相关装置

权利要求书

1.一种网络流的特征提取方法，其特征在于，所述网络流的特征提取方法包括：

获取待处理的网络流，对所述网络流的空间特征进行提取，以得到所述网络流的空间特征表示；

对所述空间特征表示的时序特征进行提取，以得到所述网络流的时空特征表示。

2.根据权利要求1所述的网络流的特征提取方法，其特征在于，所述获取待处理的网络流，对所述网络流的空间特征进行提取，以得到所述网络流的空间特征表示的步骤包括：

获取待处理的所述网络流的字节向量，对所述字节向量进行卷积运算；

对卷积运算后的所述字节向量进行池化处理，以得到所述空间特征表示。

3.根据权利要求2所述的网络流的特征提取方法，其特征在于，所述获取待处理的所述网络流的字节向量，对所述字节向量进行卷积运算的步骤包括:

获取待处理的所述网络流的字节向量，通过第一设定滑动窗口对所述字节向量进行运算，得到第一运算结果；

将所述第一运算结果与第一设定权重矩阵相乘，并通过第一卷积滤波器对相乘后的乘积进行滤波运算，以得到第一卷积输出张量；

所述对卷积运算后的所述字节向量进行池化处理，以得到所述空间特征表示的步骤包括：

通过第一池化滤波器对所述第一卷积输出张量进行最大池化运算，以得到第一池化输出张量；

通过第二设定滑动窗口对所述第一池化输出张量进行运算，得到运算结果；

将所述运算结果与第二设定权重矩阵相乘，并通过第二卷积滤波器对相乘后的乘积进行滤波运算，得到第二卷积输出张量；

通过第二池化滤波器对所述第二卷积输出张量进行最大池化运算，以得到所述网络流的空间特征表示。

4.根据权利要求1所述的网络流的特征提取方法，其特征在于，所述获取待处理的网络流，对所述网络流的空间特征进行提取，以得到所述网络流的空间特征表示的步骤包括:

获取待处理的所述网络流，通过卷积神经网络模型对所述网络流的空间特征进行提取，以得到所述空间特征表示。

5.根据权利要求4所述的网络流的特征提取方法，其特征在于，所述获取待处理的所述网络流，通过卷积神经网络模型对所述网络流的空间特征进行提取，以得到所述空间特征表示步骤之前，还包括：

通过网络流样本中的多个字节向量样本及其对应的多个时序特征对第一预设网络模型进行训练，以建立所述卷积神经网络模型。

6.根据权利要求1-5任一项所述的网络流的特征提取方法，其特征在于，所述对所述空间特征表示的时序特征进行提取，以得到所述网络流的时空特征表示的步骤包括：

将当前时刻的所述空间特征表示与设定空间参数矩阵相乘，并将相乘后的乘积与所述当前时刻的上一时刻的所述时空特征表示和设定时间参数矩阵的乘积相加，进而将相加得到的和与设定激活函数相乘，以得到所述时空特征表示。

7.根据权利要求1-5任一项所述的网络流的特征提取方法，其特征在于，所述对所述空间特征表示的时序特征进行提取，以得到所述网络流的时空特征表示的步骤包括：

通过长短期记忆网络模型对所述空间特征表示的时序特征进行提取，以得到所述时空特征表示。

8.一种网络流异常检测方法，其特征在于，所述网络流异常的检测包括：

获取待处理的网络流，对所述网络流的空间特征进行提取，以得到所述网络流的空间特征表示；

对所述空间特征表示的时序特征进行提取，以得到所述网络流的时空特征表示；

对所述时空特征表示进行全连接处理；

对全连接处理后的所述时空特征表示进行分类检测，以确定所述网络流是否出现异常。

9.一种智能终端，其特征在于，所述智能终端包括相互耦接的存储器和处理器；

所述存储器存储有程序数据；

所述处理器用于执行所述程序数据，以实现如权利要求1-7中任一项所述的网络流的特征提取方法，或权利要求8所述的网络流异常的检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序数据，所述程序数据能够被执行以实现如权利要求1-7中任一项所述的网络流的特征提取方法，或权利要求8所述的网络流异常的检测方法。