[发明专利]异常网络节点的检测方法及装置、设备、存储介质

权利要求书

1.一种异常网络节点的检测方法，其特征在于，包括：

获取待检测的各个时刻的拓扑帧，所述拓扑帧包括网络节点的结构特征；

根据所述各个时刻的拓扑帧生成针对时间维度上的时间序列属性图；

将所述时间序列属性图输入训练好的异常检测模型中，以通过所述训练好的异常检测模型根据所述网络节点的结构特征和所对应的时序，确定所述网络节点是否为所述异常网络节点。

2.根据权利要求1所述的方法，其特征在于，在所述将所述时间序列属性图输入训练好的异常检测模型中，以通过所述训练好的异常检测模型根据所述网络节点的结构特征和所对应的时序，确定所述网络节点是否为所述异常网络节点之前，所述方法还包括：

获取待训练的各个时刻的拓扑帧中网络节点的正样本和负样本；

根据所述正样本和负样本对异常检测模型进行训练，得到所述训练好的异常检测模型。

3.根据权利要求2所述的方法，其特征在于，在所述获取待训练的各个时刻的拓扑帧中网络节点的正样本和负样本之前，所述方法还包括：

将所述待训练的各个时刻的拓扑帧分别作为目标拓扑帧，遍历所述目标拓扑帧中的各个网络节点，并将遍历到的网络节点作为目标网络节点；

根据所述目标网络节点的位置信息确定出所述目标网络节点的第一样本和第二样本，并将所述第一样本和第二样本作为所述目标网络节点的正样本，以及根据所述目标网络节点的位置信息确定出所述目标网络节点的第三样本和第四样本，并将所述第三样本和第四样本作为所述目标网络节点的负样本，以确定出所述目标拓扑帧中每个网络节点的正样本和负样本。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标网络节点的位置信息确定出所述目标网络节点的第一样本和第二样本，包括：

根据所述目标网络节点的位置信息，将与所述目标网络节点相连的第一节点确定为所述目标网络节点的第一样本，以及将网络节点增广图中与所述位置信息相匹配的第一增广网络节点，作为所述目标网络节点的第二样本；其中，所述网络节点增广图是对所述目标拓扑帧进行样本增广处理所得到的；

所述根据所述目标网络节点的位置信息确定出所述目标网络节点的第三样本和第四样本，包括：

根据所述目标网络节点的位置信息，将与所述目标网络节点不相连的第二节点确定为所述目标网络节点的第三样本，以及将所述网络节点增广图中与所述位置信息不相匹配的第二增广网络节点，作为所述目标网络节点的第四样本。

5.根据权利要求3所述的方法，其特征在于，所述负样本包括强负样本；在所述将所述第三样本和第四样本作为所述目标网络节点的负样本之后，所述方法还包括：

获取所述目标拓扑帧中相邻两个网络节点的边连接的预测值；

检测所述预测值是否大于预设阈值；

若检测到所述预测值大于所述预设阈值，则构建所述相邻两个网络节点的伪网络节点，并将所述伪网络节点作为所述相邻两个网络节点的强负样本，以得到所述目标拓扑帧中每个网络节点的强负样本。

6.根据权利要求5所述的方法，其特征在于，所述构建所述相邻两个网络节点的伪网络节点，包括：

分别获取所述相邻两个节点各自的特征值；

根据所述相邻两个节点各自的特征值计算得到结果值；

根据所述结果值，构建得到所述相邻两个网络节点的伪网络节点。

7.根据权利要求2至6中任一项所述的方法，其特征在于，所述根据所述正样本和负样本对异常检测模型进行训练，得到所述训练好的异常检测模型，包括：

根据所述正样本和负样本得到所述异常检测模型的第一损失值，第二损失值和第三损失值；

基于所述第一损失值，第二损失值和第三损失值对所述异常检测模型进行调整，得到所述训练好的异常检测模型。