【技術實現步驟摘要】
本申請涉及計算機網絡，特別涉及一種基于深度學習的網絡數據分析系統。
技術介紹
1、計算機網絡已經滲透進了人們的生活中，各種電子設備通過計算機網絡連接在一起，以進行數據和信息的交流。數據在網絡中傳輸的過程中會產生數據流量，在發生網絡攻擊后，例如ddos(分布式拒絕服務攻擊)、病毒感染等，計算機設備接入網絡后會發生明顯的流量異常，通過對這些流量異常行為的識別可以及時發現網絡異常。
2、對于流量異常情況的識別，最開始是由人工進行的，網絡專家通過對實時的網絡流量數據進行分析，憑借經驗可以得到網絡流量是否發生異常的結論。這種方法嚴重依賴人工經驗，在準確度和效率上都不能令人滿意。針對這種問題，目前發展出了多種自動化分析的方法，應用最廣泛的屬基于深度學習技術的識別方法。深度學習是機器學習的一種，通過對數據流量進行深入的分析，可以較為快速和準確的得到分析結論。例如，cn113378990a提供了基于深度學習的流量數據異常檢測方法，該方法根據數據點在樣本空間中的距離和一定半徑范圍內的密度對數據點進行分類。
3、然而，數據流量和計算機設備的網絡帶寬息息相關，當出現突然增大或減小的數據流量時，并不一定意味著出現了數據流量的異常，也可能是正常數據流量受到帶寬限制造成的，然而，現有技術并未考慮到這種情況。
技術實現思路
1、本申請實施例提供了一種基于深度學習的網絡數據分析系統，用以解決現有技術中未考慮帶寬限制造成的對數據流量的影響的問題。
2、本申請實施例提供了一種基于深
3、數據流量獲取模塊，用于獲取實時數據流量；
4、一次分類模塊，用于建立特征空間，將實時數據流量表示為特征空間中的待分類數據點，根據待分類數據點與特征空間中其他數據點的距離確定待分類數據點是否為異常數據流量；
5、二次分類模塊，用于在一次分類模塊確定待分類數據點為異常數據流量后，確定來自多個api接口的實時數據流量是否達到了帶寬上限，如果是，按照多個api接口在同一時刻的網絡速度確定各個api接口的實時數據流量的權值，根據權值重新計算待分類數據點與特征空間中其他數據點的距離，根據重新計算的距離確定待分類數據點是否為正常數據流量。
6、本申請中的一種基于深度學習的網絡數據分析系統，具有以下優點：
7、首先按照特征空間中數據點的距離確定是否存在流量異常，如果存在流量異常，判斷數據流量發生時刻的網絡速度是否達到了帶寬上限，如果達到，則對距離進行修正，再次判斷是否存在流量異常，有效的從被認為是異常的數據流量中甄別出因帶寬限制導致的存在數據流量波動的正常數據流量，提高了數據流量分析結果的準確性。
本文檔來自技高網...【技術保護點】
1.一種基于深度學習的網絡數據分析系統，其特征在于，包括：
2.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述數據流量獲取模塊監測計算機設備的每個所述API接口的情況，獲取每個所述API接口的所述實時數據流量，然后所述一次分類模塊將每個所述API接口的所述實時數據流量分別表示為不同的所述特征空間中的待分類數據點。
3.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述一次分類模塊計算所述待分類數據點和多個所述其他數據點的距離，取距離的平均值，將平均距離與距離閾值進行比較，當所述平均距離大于所述距離閾值時，確定所述待分類數據點為異常數據流量。
4.根據權利要求3所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述距離閾值為所有所述其他數據點之間距離的平均值。
5.根據權利要求3所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述一次分類模塊對已知數據點進行分類測試，采用分類準確率最高時選擇的所述其他數據點的數量作為計算所述待分類數據點和所述其他數據點的距離時所述其他數據點的數
6.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述二次分類模塊在確定來自多個API接口的所述實時數據流量是否達到了帶寬上限之前，對計算機設備的所述帶寬上限進行檢測。
7.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述帶寬上限為所述網絡速度的上限，所述二次分類模塊根據所述實時數據流量中的數據量和傳輸時間確定所述網絡速度。
8.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，在確定所述網絡速度后，所述二次分類模塊按照所述實時數據流量發生時刻下所述網絡速度不為零的所述API接口的數量對所述帶寬上限進行分解，得到相應的理論速度值，將每個所述API接口的所述網絡速度與所述理論速度求取差值，根據每個所述API接口的速度差值確定所述權值。
9.根據權利要求8所述的一種基于深度學習的網絡數據分析系統，其特征在于，每個所述API接口均設置有權重因子，所有所述API接口的所述權重因子之和為1，對所述帶寬上限進行分解后，所述API接口對應的所述理論速度值在所述帶寬上限中的占比為對應的所述權重因子。
10.根據權利要求8所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述權值基于模糊控制策略確定。
...【技術特征摘要】
1.一種基于深度學習的網絡數據分析系統，其特征在于，包括：
2.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述數據流量獲取模塊監測計算機設備的每個所述api接口的情況，獲取每個所述api接口的所述實時數據流量，然后所述一次分類模塊將每個所述api接口的所述實時數據流量分別表示為不同的所述特征空間中的待分類數據點。
3.根據權利要求1所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述一次分類模塊計算所述待分類數據點和多個所述其他數據點的距離，取距離的平均值，將平均距離與距離閾值進行比較，當所述平均距離大于所述距離閾值時，確定所述待分類數據點為異常數據流量。
4.根據權利要求3所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述距離閾值為所有所述其他數據點之間距離的平均值。
5.根據權利要求3所述的一種基于深度學習的網絡數據分析系統，其特征在于，所述一次分類模塊對已知數據點進行分類測試，采用分類準確率最高時選擇的所述其他數據點的數量作為計算所述待分類數據點和所述其他數據點的距離時所述其他數據點的數量。
6.根據權利要求1所述的一種基于深度學習的網絡數據分...
【專利技術屬性】
技術研發人員：馮潔心，南琳芝，白薇，
申請(專利權)人：陜西科技大學鎬京學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。