[发明专利]异常流量检测的方法和装置、电子设备和存储介质

说明书

本申请提供了一种异常流量检测的方法和装置、电子设备和存储介质，其中，该方法包括：获取目标对象在预设时长的每预设时间段内所对应产生的流量，生成时序流量数据；将时序流量数据转换为图像数据，并对图像数据按照预设格式生成目标图像；将目标图像进行预处理得到目标数据；将目标数据输入第一模型内，得到检测的分类结果；根据分类结果和目标图像的标签信息优化第一模型获得目标模型，利用目标模型对待检测的流量数据进行异常流量的检测。通过本申请，解决了相关技术中存在的过于依赖序列数据，会出现由于时序数据的位置关系导致提取特征存在局限性，致使异常流量检测结果不够准确的问题。

技术领域

本申请涉及数据检测领域，尤其涉及一种异常流量检测的方法和装置、电子设备和存储介质。

背景技术

目前，互联网广告流量持续增长，随之而来的是，不同类型、不同行业营销渠道的流量造假现象也日渐盛行，广告异常流量涨幅严重。巨大的利益促使广告流量作假产业链日趋成熟，广告欺诈技术层出不穷、迭代加快，传统基于规则的广告异常流量检测方法显然不能胜任于更为复杂的异常流量检测工作，及时且准确地鉴别流量的真实性已然成为广告营销行业的巨大挑战。同时，随着大数据技术与人工智能技术的快速发展，基于数据建模与机器学习技术的广告流量异常检测方法为复杂异常流量检测提供了可能，逐渐受到业内人士的关注，成为近年来研究的热点。

相关技术在检测异常流量时主要基于在数字广告领域总结出来的异常流量业务规则，比如明显异常的高速、连续或重复请求流量等规则来作为异常流量业务的判断，其在流程数据样本的采集方面过于依赖序列数据，会出现由于时序数据的位置问题导致提取特征的局限性，致使不能准确地检测广告流量的异常行为。

因此，相关技术中存在过于依赖序列数据，会出现由于时序数据的位置关系导致提取特征存在局限性，致使异常流量检测结果不够准确的问题。

发明内容

本申请提供了一种异常流量检测的方法和装置、电子设备和存储介质，以至少解决相关技术中存在过于依赖序列数据，会出现由于时序数据的位置关系导致提取特征存在局限性，致使异常流量检测结果不够准确的问题。

根据本申请实施例的一个方面，提供了一种异常流量检测的方法，该方法包括：

获取目标对象在预设时长的每预设时间段内所对应产生的流量，生成时序流量数据；

将所述时序流量数据转换为图像数据，并对所述图像数据按照预设格式生成目标图像；

将所述目标图像进行预处理得到目标数据；

将所述目标数据输入所述第一模型内，得到检测的分类结果，其中，所述分类结果用于指示所述目标数据属于异常数据的概率或正常数据的概率；

根据所述分类结果和所述目标图像的标签信息优化所述第一模型获得目标模型，利用所述目标模型对待检测的流量数据进行异常流量的检测，其中，所述标签信息用于指示所述目标图像属于异常数据的概率或正常数据的概率。

根据本申请实施例的另一个方面，还提供了一种异常流量检测的装置，该装置包括：

第一生成单元，用于获取目标对象在预设时长的每预设时间段内所对应产生的流量，生成时序流量数据；

转换单元，用于将所述时序流量数据转换为图像数据，并对所述图像数据按照预设格式生成目标图像；

处理单元，用于将所述目标图像进行预处理得到目标数据；

得到单元，用于将所述目标数据输入所述第一模型内，得到检测的分类结果，其中，所述分类结果用于指示所述目标数据属于异常数据的概率或正常数据的概率；