一种基于网络视听新媒体的流量监测系统技术方案

本发明专利技术实施例涉及流量监测技术领域，具体公开了一种基于网络视听新媒体的流量监测系统。本发明专利技术实施例公开的一种基于网络视听新媒体的流量监测系统，包括：监测模型构建单元；异常初始监测单元；流量特征分析单元；流量特征筛选单元；流量实时监测单元。能够基于大数据，构建流量监测模型，通过在初始化时期进行异常流量初始监测，标记异常流量数据，获取多个目标异常流量特征，构建异常特征识别集，进而通过异常特征识别集和流量监测模型，在初始化时期外，对实时获取的新媒体流量先后进行异常流量实时监测，从而能够对经常出现的异常流量快速识别，有效避免异常监测的堵塞，保障正常的流量数据的传输。流量数据的传输。流量数据的传输。

【技术实现步骤摘要】
一种基于网络视听新媒体的流量监测系统


[0001]本专利技术属于流量监测
，尤其涉及一种基于网络视听新媒体的流量监测系统。

技术介绍

[0002]新媒体，是一个相对的概念，在媒介演变谱系的不同时间节点，广播之于报纸，电视之于广播，互联网之于广播电视和报纸，智能手机之于传统媒体，都可以被视为新媒体。随着数字技术、移动互联网技术的迅猛发展和广泛应用，网络视听新媒体以其音视结合的传播方式，丰富多彩的内容深受受众欢迎，影响力巨大。
[0003]然而，网络视听新媒体在极大丰富受众生活的同时，也存在诸多问题。在每天产生的庞大流量中，隐藏着巨大的异常流量，异常流量通常是由某一组织或者个人伪装用户行为产生的，这样的异常流量会扰乱正常的业务进，需要基于网络视听新媒体的流量监测系统，对异常流量进行监测。现有的基于网络视听新媒体的流量监测系统，通常设置有固定的监测方式，对每个流量数据进行固定的异常监测，在异常监测的过程中，需要花费的时间长，在流量数据较多时，容易造成异常监测的堵塞，影响正常的流量数据的传输。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种基于网络视听新媒体的流量监测系统，旨在解决
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术实施例提供如下技术方案：
[0006]一种基于网络视听新媒体的流量监测系统，所述系统包括监测模型构建单元、异常初始监测单元、流量特征分析单元、流量特征筛选单元和流量实时监测单元，其中：
[0007]监测模型构建单元，用于基于大数据，获取并记录多个收集异常流量特征，根据多个所述收集异常流量特征，构建流量监测模型；
[0008]异常初始监测单元，用于接收初始化设置，获取初始化时期，在所述初始化时期中，按照所述流量监测模型进行异常流量初始监测，标记异常流量数据；
[0009]流量特征分析单元，用于对所述异常流量数据进行特征分析，得到多个监测异常流量特征和对应的异常频率；
[0010]流量特征筛选单元，用于按照多个所述异常频率，对多个所述监测异常流量特征进行特征筛选，得到多个目标异常流量特征，根据多个所述目标异常流量特征，构建异常特征识别集；
[0011]流量实时监测单元，用于在所述初始化时期外，实时获取新媒体流量的流量特征，按照所述异常特征识别集和所述流量监测模型，先后进行异常流量实时监测。
[0012]作为本专利技术实施例技术方案进一步的限定，所述监测模型构建单元具体包括：
[0013]特征获取模块，用于基于大数据，获取并记录多个收集异常流量特征；
[0014]特征分配模块，用于对多个所述收集异常流量特征进行随机分配，构成训练集和
测试集；
[0015]模型构建模块，用于根据所述训练集和所述测试集，构建流量监测模型。
[0016]作为本专利技术实施例技术方案进一步的限定，所述异常初始监测单元具体包括：
[0017]初始化设置模块，用于接收初始化设置，生成初始化设置信息；
[0018]设置分析模块，用于对所述初始化设置信息分析，获取初始化时期；
[0019]初始监测模块，用于在所述初始化时期中，按照所述流量监测模型进行异常流量初始监测，标记异常流量数据。
[0020]作为本专利技术实施例技术方案进一步的限定，所述初始监测模块具体包括：
[0021]流量初始获取子模块，用于在所述初始化时期中，获取新媒体流量；
[0022]初始监测子模块，用于将新媒体流量导入至所述流量监测模型中，进行异常流量初始监测，生成初始监测结果；
[0023]异常判断子模块，用于按照所述初始监测结果，判断是否存在流量异常；
[0024]异常标记子模块，用于在存在流量异常时，标记异常流量数据。
[0025]作为本专利技术实施例技术方案进一步的限定，所述流量特征分析单元具体包括：
[0026]特征分析模块，用于对所述异常流量数据进行特征分析，得到多个监测异常流量特征；
[0027]频率记录模块，用于记录所述初始化时期中，多个所述监测异常流量特征对应的异常频率。
[0028]作为本专利技术实施例技术方案进一步的限定，所述流量特征筛选单元具体包括：
[0029]特征排列模块，用于按照多个所述异常频率，对多个所述监测异常流量特征进行排列，生成排列信息；
[0030]特征筛选模块，用于根据所述排列信息和预设的筛选信息，对多个所述监测异常流量特征进行特征筛选，得到多个目标异常流量特征；
[0031]识别集构建模块，用于根据多个所述目标异常流量特征，构建异常特征识别集。
[0032]作为本专利技术实施例技术方案进一步的限定，所述流量实时监测单元具体包括：
[0033]流量实时获取模块，用于在所述初始化时期外，实时获取新媒体流量；
[0034]特征实时分析模块，用于实时分析所述新媒体流量的流量特征；
[0035]实时监测模块，用于按照所述异常特征识别集和所述流量监测模型，先后进行异常流量实时监测。
[0036]作为本专利技术实施例技术方案进一步的限定，所述实时监测模块具体包括：
[0037]第一异常识别子模块，用于按照所述异常特征识别集，对流量特征进行异常识别，生成第一异常识别结果；
[0038]异常特征判断子模块，用于根据所述第一异常识别结果，判断所述流量特征是否为异常特征；
[0039]第二异常识别子模块，用于若所述流量特征不是异常特征，则根据所述流量监测模型进行异常监测识别，生成第二异常识别结果。
[0040]与现有技术相比，本专利技术的有益效果是：
[0041]本专利技术实施例公开的一种基于网络视听新媒体的流量监测系统，包括：监测模型构建单元；异常初始监测单元；流量特征分析单元；流量特征筛选单元；流量实时监测单元。
能够基于大数据，构建流量监测模型，通过在初始化时期进行异常流量初始监测，标记异常流量数据，获取多个目标异常流量特征，构建异常特征识别集，进而通过异常特征识别集和流量监测模型，在初始化时期外，对实时获取的新媒体流量先后进行异常流量实时监测，从而能够对经常出现的异常流量快速识别，有效避免异常监测的堵塞，保障正常的流量数据的传输。
附图说明
[0042]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。
[0043]图1示出了本专利技术实施例提供的系统的应用架构图。
[0044]图2示出了本专利技术实施例提供的系统中监测模型构建单元的结构框图。
[0045]图3示出了本专利技术实施例提供的系统中异常初始监测单元的结构框图。
[0046]图4示出了本专利技术实施例提供的系统中初始监测模块的结构框图。
[0047]图5示出了本专利技术实施例提供的系统中流量特征分析单元的结构框图。
[0048]图6示出了本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络视听新媒体的流量监测系统，其特征在于，所述系统包括监测模型构建单元、异常初始监测单元、流量特征分析单元、流量特征筛选单元和流量实时监测单元，其中：监测模型构建单元，用于基于大数据，获取并记录多个收集异常流量特征，根据多个所述收集异常流量特征，构建流量监测模型；异常初始监测单元，用于接收初始化设置，获取初始化时期，在所述初始化时期中，按照所述流量监测模型进行异常流量初始监测，标记异常流量数据；流量特征分析单元，用于对所述异常流量数据进行特征分析，得到多个监测异常流量特征和对应的异常频率；流量特征筛选单元，用于按照多个所述异常频率，对多个所述监测异常流量特征进行特征筛选，得到多个目标异常流量特征，根据多个所述目标异常流量特征，构建异常特征识别集；流量实时监测单元，用于在所述初始化时期外，实时获取新媒体流量的流量特征，按照所述异常特征识别集和所述流量监测模型，先后进行异常流量实时监测。2.根据权利要求1所述的基于网络视听新媒体的流量监测系统，其特征在于，所述监测模型构建单元具体包括：特征获取模块，用于基于大数据，获取并记录多个收集异常流量特征；特征分配模块，用于对多个所述收集异常流量特征进行随机分配，构成训练集和测试集；模型构建模块，用于根据所述训练集和所述测试集，构建流量监测模型。3.根据权利要求1所述的基于网络视听新媒体的流量监测系统，其特征在于，所述异常初始监测单元具体包括：初始化设置模块，用于接收初始化设置，生成初始化设置信息；设置分析模块，用于对所述初始化设置信息分析，获取初始化时期；初始监测模块，用于在所述初始化时期中，按照所述流量监测模型进行异常流量初始监测，标记异常流量数据。4.根据权利要求3所述的基于网络视听新媒体的流量监测系统，其特征在于，所述初始监测模块具体包括：流量初始获取子模块，用于在所述初始化时期中，获取新媒体...

【专利技术属性】
技术研发人员：简宏冰，
申请(专利权)人：三峡大学，
类型：发明
国别省市：