[发明专利]一种网络异常监控方法和装置

摘要

本申请提供了一种网络异常监控方法和装置，该方法包括：获取待分析时间段内业务服务平台中的服务器上报的多个网络数据对象，每个网络数据对象包括：客户端访问该服务器的网络时延以及网络时延的生成时刻；基于网络时延的生成时刻的密度分布，对该多个网络数据对象进行聚类，得到多个聚类簇；依据多个聚类簇中网络时延的分布，从多个聚类簇中，确定出网络时延异常的异常聚类簇；基于异常聚类簇中包含的网络时延的生成时刻以及异常聚类簇中包含的网络数据对象所关联的网络登录信息，进行网络异常分析。本申请的方案可以有利于及时发现并定位出客户端访问业务服务平台过程中所出现的网络访问异常，从而提高业务服务平台的网络质量。

主权项

1.一种网络异常监控方法，其特征在于，包括：/n获取待分析时间段内业务服务平台中的服务器上报的网络数据对象集合，所述网络数据对象集合中包括多个网络数据对象，每个所述网络数据对象包括：客户端访问所述服务器的网络时延以及所述网络时延的生成时刻；/n获取当前设定的时间半径区间以及密度阈值；/n基于所述多个网络数据对象对应的多个所述网络时延的生成时刻的密度分布，以及当前设定的所述时间半径区间以及密度阈值，采用具有噪声的基于密度的聚类DBSCAN算法对所述多个网络数据对象进行聚类，得到多个聚类簇，每个聚类簇中包含多个网络数据对象；/n分别确定每个聚类簇中包含的网络时延的最大值以及最小值；/n基于聚类簇中包含的网络时延的最大值以及最小值之间的差距，从所述多个聚类簇中确定出至少一个感兴趣的聚类簇；/n获取当前调整后的时间半径区间以及密度阈值；时间半径区间以及密度阈值可根据聚类需求动态调整，并作为聚类过程中的聚类基准；/n对于任意一个感兴趣的聚类簇，基于所述感兴趣的聚类簇中的多个网络数据对象所对应的多个网络时延的生成时刻的密度分布，以及当前调整后的时间半径以及密度阈值，采用所述DBSCAN算法对所述感兴趣的聚类簇内包含的多个网络数据对象进行聚类，得到所述感兴趣的聚类簇所对应的多个聚类簇；/n依据所述感兴趣的聚类簇所对应的多个聚类簇中所述网络时延的分布，从所述感兴趣的聚类簇所对应的多个聚类簇中，确定出网络时延异常的异常聚类簇；/n基于所述异常聚类簇中包含的所述网络时延的生成时刻以及所述异常聚类簇中包含的所述网络数据对象所关联的网络登录信息，进行网络异常分析。/n