宽带的检测方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供一种宽带的检测方法、装置、电子设备及存储介质，该方法包括：获取互联网数据中心的各个宽带用户的流量特征；基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，以确定各个宽带用户的所述流量特征的特征疑似度；根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，针对互联网数据中的宽带用户，根据各个宽带用户使用流量时对应的流量特征以及预设神经网络，对用户流量特征进行疑似度赋值，从而确定违规宽带用户，实现了宽度违规用户的自动检测，且检测精度高，提高了宽带市场的有序性以及用户上网的安全性。

Broadband detection method, device, electronic equipment and storage medium

【技术实现步骤摘要】
宽带的检测方法、装置、电子设备及存储介质
本申请实施例涉及物联网
，尤其涉及一种宽带的检测方法、装置、电子设备及存储介质。
技术介绍
互联网和信息技术的发展在经济和生活的各个领域正在迅速普及，其地位日益重要，整个社会对网络的依赖程度也越来越大。对于网络运营商来说，宽带线路的租用成为其主要收入之一。而对于用户来说，各个宽带运营商之间网间结算的费用远高于租用IDC(InternetDataCenter，互联网数据中心)带宽的费用，因此，会存在非IDC带宽租用者，绕开IDC带宽的常规接入点，而违规使用IDC带宽服务的现象，扰乱了宽带市场的正常运行，同时，为网络安全监控和治理带来了不便。目前，现有的违规宽带的检测方法大多根据IDC机房的向外访问流量确定是否为违规宽带，即若存在大量从IDC机房的服务器向外网请求访问业务的情况，则确定存在宽带违规。然而，当前的IDC机房流量特点发生了变化，很多大型公司租借不同的IDC机房的设备进行电子商务的处理，不同的IDC机房之间的交互已成为常态，基于向外访问流量确定是否为违规宽带的方法已不再适用。因此，现有的宽带违规检测方法的精准度不够，无法满足需求。
技术实现思路
本申请实施例提供一种宽带的检测方法、装置、电子设备及存储介质，以提高违规宽带检测的精确度，有效降低了正常访问的用户被判定为违规用户的几率。第一方面，本申请实施例提供一种宽带的检测方法，包括：获取互联网数据中心的各个宽带用户的流量特征；基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，以确定各个宽带用户的所述流量特征的特征疑似度；根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。可选地，所述流量特征包括：操作系统类型数量、终端类型数量、Cookie数量、位置信息、VPN流量、VPN流量占比、机房向外访问流量和机房向外访问应用中的至少一项。可选地，所述基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，包括：基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度，其中，所述特征类型包括正常和异常两种类型；相应的，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。可选地，所述流量特征的个数为多个，所述预设神经网络模型包括各个流量特征对应的特征神经网络模型，所述基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度，包括：针对每个流量特征，基于预先训练好的所述流量特征对应的特征神经网络，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度；相应的，所述针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：针对特征类型为异常类型的各个流量特征，根据各个流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。可选地，所述针对特征类型为异常类型的各个流量特征，根据各个流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：获取特征类型为异常类型的各个流量特征的特征权重；特征类型为异常类型的根据各个流量特征的特征疑似度和特征权重，确定所述互联网数据中心的违规宽带用户。可选地，在得到各个宽带用户的所述流量特征的特征类型和特征疑似度之后，还包括：对于异常类型的流量特征，按照特征疑似度由高到低，对所述宽带用户进行排序；根据排序结果确定各个宽带用户的流量特征的疑似度叠加值；相应的，所述针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度和疑似度叠加值，确定所述互联网数据中心的违规宽带用户。可选地，所述疑似度叠加值包括第一疑似度叠加值和第二疑似度叠加值，其中，所述第一疑似度叠加值大于所述第二疑似度叠加值，所述根据排序结果确定各个宽带用户的流量特征的疑似度叠加值，包括：根据排序结果，将位于前第一设定百分比的宽带用户的流量特征的疑似度叠加值设置为第一疑似度叠加值；根据排序结果，将位于前第一设定百分比和前第二设定百分比之间的宽带用户的流量特征的疑似度叠加值设置为第二疑似度叠加值。可选地，在确定各个宽带用户的所述流量特征的特征疑似度之后，所述方法还包括：针对每个宽带用户，判断所述宽带用户是否包括非指定运营商的IP地址；若存在，则将所述宽带用户的流量特征的特征疑似度增加预设百分比；相应的，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：根据增加预设百分比后的所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。可选地，所述根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：获取预设时间区间各个时间节点的所述流量特征的特征疑似度；根据预设时间区间各个时间节点的所述流量特征的特征疑似度，计算所述预设时间区间对应的所述流量特征的特征平均疑似度；根据所述特征平均疑似度确定所述互联网数据中心的违规宽带用户。第二方面，本申请实施例提供了一种宽带的检测装置，包括：流量特征获取模块，用于获取互联网数据中心的各个宽带用户的流量特征；疑似度确定模块，用于基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，以确定各个宽带用户的所述流量特征的特征疑似度；违规用户确定模块，用于根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。可选地，所述流量特征包括：操作系统类型数量、终端类型数量、Cookie数量、位置信息、VPN流量、VPN流量占比、机房向外访问流量和机房向外访问应用中的至少一项。可选地，所述疑似度确定模块，具体用于：基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度，其中，所述特征类型包括正常和异常两种类型。相应的，违规用户确定模块，具体用于：针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。可选地，所述流量特征的个数为多个，所述预设神经网络模型包括各个流量特征对应的特征神经网络模型，所述疑似度确定模块，具体用于：针对每个流量特征，基于预先训练好的所述流量特征对应的特征神经网络，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度。相应的，所述违规用户确定模块，具体本文档来自技高网...

【技术保护点】
1.一种宽带的检测方法，其特征在于，包括：/n获取互联网数据中心的各个宽带用户的流量特征；/n基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，以确定各个宽带用户的所述流量特征的特征疑似度；/n根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。/n

【技术特征摘要】
1.一种宽带的检测方法，其特征在于，包括：
获取互联网数据中心的各个宽带用户的流量特征；
基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，以确定各个宽带用户的所述流量特征的特征疑似度；
根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。


2.根据权利要求1所述的方法，其特征在于，所述流量特征包括：
操作系统类型数量、终端类型数量、Cookie数量、位置信息、VPN流量、VPN流量占比、机房向外访问流量和机房向外访问应用中的至少一项。


3.根据权利要求1所述的方法，其特征在于，所述基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值，包括：
基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度，其中，所述特征类型包括正常和异常两种类型；
相应的，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：
针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。


4.根据权利要求3所述的方法，其特征在于，所述流量特征的个数为多个，所述预设神经网络模型包括各个流量特征对应的特征神经网络模型，所述基于预先训练好的预设神经网络模型，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度，包括：
针对每个流量特征，基于预先训练好的所述流量特征对应的特征神经网络，对各个宽带用户的所述流量特征进行疑似度赋值和分类，以得到各个宽带用户的所述流量特征的特征类型和特征疑似度；
相应的，所述针对特征类型为异常类型的流量特征，根据所述流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：
针对特征类型为异常类型的各个流量特征，根据各个流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户。


5.根据权利要求4所述的方法，其特征在于，所述针对特征类型为异常类型的各个流量特征，根据各个流量特征的特征疑似度，确定所述互联网数据中心的违规宽带用户，包括：
获取特征类型为异常类型的各个流量特征的特征权重；
根据特征类型为异常类型的各个流量特征的特征疑似度和特征权重，确定所述互联网数据中心的违规宽带用户。


6.根据权利要求3所述的方法，其特征在于，在得到各个宽带用户的所述流量特征的特征类型和特征疑似度之后，还包括：
对于异常类型的流量特征，按照特征疑似度由高到低，对所述宽带用户进行排序；
根据排序结果确定各个宽带用户的流量特征的疑似度叠加值...

【专利技术属性】
技术研发人员：于成军，高丽娜，赵可为，刘玉钰，汪彧冬，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11