本发明涉及网络流量,具体涉及到了一种智能流量异常检测系统及优化方法。
背景技术:
1、智能流量分析是一种网络流量监控和分析技术,它支持对指定的业务流进行深度分析,可以得到指定业务流的丢包率,时延等高精度性能指标数据,并支持将分析结果输出至分析器进一步展示和分析,从而监控网络运行情况和快速定位网络故障,随着行业数字化转型的加速进行,越来越多的业务和应用将被部署到数据中心,与此同时,业务流转发过程中容易出现一些问题,比如udp报文丢失,业务流时延异常等,都给数据中心的运维带来了巨大的挑战,为了实现业务的精细化管理,快速感知和准确定位故障,网络流量的可视化已经成为一种必然趋势,现有的流量检测系统在对流量进行检测时,仅仅只是将流量的使用情况进行检测统计,并没有针对与流量的使用情况来判断计算机内的安全情况,但大部分时间里流量变化是有规律的,如果网络流量出现异常,那么对整个网络具有较大的危害性,所以必须及时发现流量异常,以将损失降到最少,对此,我们提出了一种智能流量异常检测系统及优化方法。
技术实现思路
1、本发明针对现有技术中存在的技术问题,提供了一种智能流量异常检测系统及优化方法。
2、本发明解决上述技术问题的技术方案如下:一种智能流量异常检测系统,检测系统包括网速监测模块、流量计量模块、主控模块、数据存储模块与异常分析模块,网速监测模块与流量计量模块均与数据存储模块之间电性连接,数据存储模块与异常分析模块之间电性连接,异常分析模块内包括训练学习模型,学习模型为孤独森林模型,数据存储模块用以对接收到的数据进行存储。
3、优先地,网速监测模块用以对网络的流量速度进行检测,内部包括有测速仪,通过测量客户端向服务器发送请求,再由服务器返回数据的时间,来测得数据的上传和下载速度,将监测的数据实时送入异常分析模块内进行分析,数据流量计量模块通过计量每个数据包的大小与发送、接收数据包的次数来计算数据流量,将计量的流量数据送入异常分析模块内进行分析。
4、优先地,主控模块用以控制系统的运行状态,数据存储模块存储数据的方法为顺序存储法、链接存储法、索引存储法与散列存储法其中的一种及其一种以上。
5、优先地,异常分析模块模型为孤独森林模型,算法分为2个阶段;
6、第一阶段
7、x={x1,x2……}为给定数据集,从x中抽取x个样本点构建x的子集放入;
8、从d个维度中随机指定一个维度q,在当前数据中随机产生一个切割点p,
9、min(xij,j=q,xij∈x′)<p<max(xij,j=q,xij∈x′)
10、优先地,第二阶段
11、对于每一个数据点x,令其遍历每一棵孤独树,计算点x在森林中的平均高度h,异常值分数的计算公式为如下:
12、s(x,p)=2e(h(x))/2c(x)
13、
14、h(k)=in(k)+p,p=0.577
15、其中,p越接近1表示异常的点越高,p越接近与0表示是正常点的可能性越高,假设p越接近与0.5,说明数据集中没有异常情况。
16、一种智能流量异常检测系统的优化方法,优化步骤为:
17、s1、将系统安装在计算机端的内部,在异常分析模块的内部进行深入学习,通过计算机进行数据的更新学习;
18、s2、在计算机内进行测试,将计算机内网络流量进行故意调整,通过系统进行检测分析,查看系统检测异常是否存在错误情况,假设系统检测出现错误时,则继续将系统内进行更新学习,假设没有错误,则正常进行使用;
19、s3、网速监测模块实时的对计算机内的网速情况进行监测,并将数据传输至异常分析模块内;
20、s4、流量计量模块同时实时的对计算机内部流量情况进行统计,监测1天使用流量的情况;
21、s5、使用训练的模型对流量数据进行预测和分类,对于被划分为异常的数据,生成弹窗方式进行警告,并提醒异常原因。
22、优先地,s3步骤中网速监测模块测速的类型包括有客户端软件使用速度,网页浏览速度与视频播放速度。
23、优先地,s2步骤中通过设置路由器的设置,来调节路由器内流量的控制或将计算机的网络进行断开,通过检测系统进行检测异常。
24、优先地,s4步骤中监测的时间为1天1记录,在记录下1个月后的单日内的流量使用情况下,并通过平均数的分析方式,计算得出在1个月内单日流量使用的平均数值。
25、优先地,s5步骤中弹窗触发的条件为出现流量异常的情况。
26、优选的,s3步骤中根据宽带路线下载测试资源的速度确定当前网速,下载测试的资源包括统一大小的视频、统一的网页浏览页面与统一的客户端软件。
27、本发明的有益效果是:通过在异常分析模块的内部建立有异常分析算法,并且能够通过不断的深入学习,模拟检测实验,去将编程逐渐的优化,去更好的对流量的异常情况进行检测分别,并且在检测出流量异常情况后,通过弹窗的形式,从计算机内部弹出,警示人们,及时的发现流量的异常情况,减少损失,给人们带来了更好的使用前景。
1.一种智能流量异常检测系统,其特征在于,检测系统包括网速监测模块、流量计量模块、主控模块、数据存储模块与异常分析模块,网速监测模块与流量计量模块均与数据存储模块之间电性连接,数据存储模块与异常分析模块之间电性连接,异常分析模块内包括训练学习模型,学习模型为孤独森林模型,数据存储模块用以对接收到的数据进行存储。
2.根据权利要求1所述的智能流量异常检测系统,其特征在于:网速监测模块用以对网络的流量速度进行检测,内部包括有测速仪,通过测量客户端向服务器发送请求,再由服务器返回数据的时间,来测得数据的上传和下载速度,将监测的数据实时送入异常分析模块内进行分析,数据流量计量模块通过计量每个数据包的大小与发送、接收数据包的次数来计算数据流量,将计量的流量数据送入异常分析模块内进行分析。
3.根据权利要求1所述的智能流量异常检测系统,其特征在于:主控模块用以控制系统的运行状态,数据存储模块存储数据的方法为顺序存储法、链接存储法、索引存储法与散列存储法其中的一种及其一种以上。
4.根据权利要求1所述的智能流量异常检测系统,其特征在于:异常分析模块模型为孤独森林模型,算法分为2个阶段;
5.一种智能流量异常检测系统的优化方法,其特征在于,优化步骤为:
6.根据权利要求5所述的智能流量异常检测系统的优化方法,其特征在于:s3步骤中网速监测模块测速的类型包括有客户端软件使用速度,网页浏览速度与视频播放速度。
7.根据权利要求5所述的智能流量异常检测系统的优化方法,其特征在于:s2步骤中通过设置路由器的设置,来调节路由器内流量的控制或将计算机的网络进行断开,通过检测系统进行检测异常。
8.根据权利要求5所述的智能流量异常检测系统的优化方法,其特征在于:s4步骤中监测的时间为1天1记录,在记录下1个月后的单日内的流量使用情况下,并通过平均数的分析方式,计算得出在1个月内单日流量使用的平均数值。
9.根据权利要求5所述的智能流量异常检测系统的优化方法,其特征在于:s5步骤中弹窗触发的条件为出现流量异常的情况。
10.根据权利要求5所述的智能流量异常检测系统的优化方法,其特征在于:s3步骤中根据宽带路线下载测试资源的速度确定当前网速,下载测试的资源包括统一大小的视频、统一的网页浏览页面与统一的客户端软件。