[发明专利]基于图神经网络和流时空关联的网络流量识别方法和系统

说明书

本申请公开一种基于图神经网络和流时空关联的网络流量识别方法和系统，包括：获取待识别网络数据集，提取待识别网络数据集中每一条待识别网络数据流的目标特征，并基于各待识别网络数据流的目标特征，构建网络数据流时空关联图，将网络数据流时空关联图进行图分割处理，获得各目标子图，基于已训练好的网络流量识别模型，对各目标子图进行识别，得到各目标子图的全局表征信息，并基于各目标子图的全局表征信息，确定各目标子图中待识别网络数据流所属的目标应用，其中，网络流量识别模型为基于预先提取的各网络数据流的节点特征和各网络数据流之间的时空关联特征构建的时空关联图进行迭代训练获得。本申请解决对网络流量识别准确性低的技术问题。

技术领域

本申请涉及互联网技术领域，尤其涉及一种基于图神经网络和流时空关联的网络流量识别方法和系统。

背景技术

近年来，随着网络加密技术的广泛应用，有效提高了网络安全水平，但是也提高了流量识别的难度，目前，现有的基于深度学习的网络流量识别技术大多关注于对单个网络数据流的识别，然而，随着当前网络应用的功能以及内容的增长，一个应用通常会产生多条有一定关联关系的网络数据流，而对于同一个应用所产生的多条网络数据流，每条网络数据流由于其对应的功能不同，以及其所传输的内容类型、大小、持续时间等特征可能存在较大区别，因此，在网络流量识别中，仅仅针对单个网络数据流，而不考虑网络数据流之间的关联关系，会导致对网络流量识别的准确性较低。

发明内容

本申请的主要目的在于提供一种基于图神经网络和流时空关联的网络流量识别方法和系统，旨在解决现有技术中的对网络流量识别的准确性较低的技术问题。

为实现上述目的，本申请提供一种基于图神经网络和流时空关联的网络流量识别方法，所述网络流量识别方法包括：

获取待识别网络数据集；

提取所述待识别网络数据集中每一条待识别网络数据流的目标特征，并基于各所述待识别网络数据流对应的目标特征，构建网络数据流时空关联图，其中，所述网络数据流时空关联图中的一个节点代表一条待识别网络数据流，所述网络数据流时空关联图中的一条边表示各所述待识别网络数据流之间的关联性；

将所述网络数据流时空关联图进行图分割处理，获得各目标子图；

基于已训练好的网络流量识别模型，分别对各所述目标子图进行识别，得到各所述目标子图对应的全局表征信息，其中，所述目标图神经网络模型为基于预先提取的各网络数据流的节点特征以及各网络数据流之间的时空关联特征构建的时空关联图进行迭代训练获得，其中，节点特征是指网络数据流特征中被用来描述图节点的特征；

基于各所述目标子图对应的全局表征信息，确定各所述目标子图中待识别网络数据流所属的目标应用。

本申请还提供一种基于图神经网络和流时空关联的网络流量识别系统，所述基于图神经网络和流时空关联的网络流量识别系统为虚拟系统，所述基于图神经网络和流时空关联的网络流量识别系统包括：

获取模块，用于获取待识别网络数据集；

构建模块，用于提取所述待识别网络数据集中每一条待识别网络数据流的目标特征，并基于各所述待识别网络数据流对应的目标特征，构建网络数据流时空关联图，其中，所述网络数据流时空关联图中的一个节点代表一条待识别网络数据流，所述网络数据流时空关联图中的一条边表示各所述待识别网络数据流之间的关联性；

图分割模块，用于将所述网络数据流时空关联图进行图分割处理，获得各目标子图；

识别模块，用于基于已训练好的网络流量识别模型，分别对各所述目标子图进行识别，得到各所述目标子图对应的全局表征信息，并基于各所述目标子图对应的全局表征信息，确定各所述目标子图中待识别网络数据流所属的目标应用，其中，所述网络流量识别模型为基于预先提取的各网络数据流的节点特征以及各网络数据流之间的时空关联特征构建的时空关联图进行迭代训练获得。