[发明专利]IPv6网络的流量分析方法、装置、电子设备和存储介质

权利要求书

1.一种IPv6网络的流量分析方法，其特征在于，包括：

采集IPv6网络的流量数据和用户数据；

基于所述流量数据和所述用户数据，预测用户的流量带宽，以筛选出流量带宽大于预设值或小于预设值的用户；

获取所述流量带宽大于预设值或小于预设值的用户的实时流数据；

以所述实时流数据为模型输入数据，通过聚类模型对所述实时流数据进行分类；

展示流量带宽的预测结果和所述实时流数据的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述流量数据和所述用户数据，预测用户的流量带宽，包括：

构建预测模型；

训练所述预测模型；

基于训练结果，调整所述预测模型的参数，以得到优化预测模型；

以所述流量数据和所述用户数据为模型输入数据，通过所述优化预测模型预测用户的流量带宽。

3.根据权利要求2所述的方法，其特征在于，所述基于训练结果，调整所述预测模型的参数，以得到优化预测模型，包括：

评估所述预测模型的准确率；

判断所述准确率是否达到预设值；

若所述准确率满足预设值，则停止训练，得到优化预测模型，若所述准确率未达到预设值，则调整预测参数、训练步数和学习速率，并重新执行所述评估所述预测模型的准确率。

4.根据权利要求1所述的方法，其特征在于，所述对所述实时流数据进行分类，包括：

构建聚类模型；

训练所述聚类模型；

基于训练结果，调整所述聚类模型的参数，以得到优化聚类模型；

以所述实时流数据为模型输入数据，通过所述优化聚类模型对所述实时流数据进行分类。

5.根据权利要求4所述的方法，其特征在于，所述基于训练结果，调整所述聚类模型的参数，以得到优化聚类模型，包括：

计算所述聚类模型每次聚类时产生的聚类中心；

判断当前聚类中心是否与上一个聚类中心相同；

若所述当前聚类中心与上一个聚类中心相同，则停止训练，得到优化聚类模型，若所述当前聚类中心与上一个聚类中心不相同，则调整聚类参数，并重新执行所述计算所述聚类模型每次聚类时产生的聚类中心。

6.根据权利要求1所述的方法，其特征在于，所述采集IPv6网络的流量数据包括通过骨干网节点以netflow和端口镜像的方式采集IPv6网络的流量数据。

7.根据权利要求1所述的方法，其特征在于，所述IPv6网络的流量数据包括：访问时间、源IP、源端口、目标IP、目标端口、第三层协议类型、入流量和出流量。

8.一种IPv6网络的流量分析装置，其特征在于，所述装置包括：

采集模块，用于采集IPv6网络的流量数据和用户数据；

预测模块，用于基于所述流量数据和所述用户数据，预测用户的流量带宽，以筛选出流量带宽大于预设值或小于预设值的用户；

获取模块，用于获取所述流量带宽大于预设值或小于预设的用户的实时流数据；

分类模块，用于以所述实时流数据为模型输入数据，通过聚类模型对所述实时流数据进行分类；

展示模块，用于展示流量带宽的预测结果和所述实时流数据的分类结果。

9.一种电子设备，其特征在于，所述设备包括：

处理器；

存储器，其存储有计算机可执行程序，该程序包含如权利要求1-7中任一项所述的IPv6网络的流量分析方法。

10.一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，该程序包含如权利要求1-7中任一项所述的IPv6网络的流量分析方法。