【技术实现步骤摘要】
本专利技术属于网络安全，尤其涉及一种基于lstm模型的pcdn应用监测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、pcdn(peer content delivery network)是一种构建在p2p(peer-to-peer)技术基础上的内容分发网络。它是一种用于优化内容传输和分发的网络技术，通过充分利用用户设备之间的网络资源，将内容从源服务器分发到最终用户，从而提高内容传输速度和用户体验。
3、传统的内容分发网络(cdn)通常采用集中式服务器分发内容，这些服务器位于全球各地，用户通过与这些服务器直接通信来获取内容。而pcdn技术则采用了点对点的分发方式，利用用户设备之间的资源来共同构建一个内容分发网络，从而降低对中心服务器的依赖，减少了带宽压力和延迟。但部分网络科技公司，通过安装客户端的方式，私自利用用户终端搭建pcdn节点，偷跑客户上行流量。
4、pcdn技术是为了提高网络内容传输的效率和性能而设计的，但滥用pcdn可能导致一些问题和挑战：
5、1、隐私和安全问题：滥用pcdn可能导致未经授权的数据收集和传输，可能会损害用户的隐私和数据安全。这可能发生在未经用户同意的情况下，pcdn服务商获取了用户的敏感信息。
6、2、版权侵权：某些情况下，滥用pcdn可能用于未经授权的内容分发，导致版权侵权问题。这样的行为可能损害原始内容提供者的权益。
7、3、网络恶意攻击：滥用pcdn可能成为网络
8、4、信息篡改：滥用pcdn可能被用来篡改传输的内容，例如在中间插入广告、篡改新闻等。这可能会影响信息的真实性和可信度。
9、5、网络稳定性问题：滥用pcdn可能导致网络拥堵和不稳定性。大量的请求通过pcdn节点传递，可能会对pcdn和源服务器造成压力。
10、现阶段，没有针对pcdn滥用的有效监控工具和体系。运行商(移动、联通、电信)会根据家庭宽带的上行利用率和上行流量，以及跟踪访问家庭宽带的ip的地址等信息判断家庭宽带是否存在pcdn节点或服务端，一旦判定用于搭建商业服务器，轻则限制流量，限制带宽，重则停止服务。
技术实现思路
1、为了解决上述
技术介绍
中存在的至少一项技术问题，本专利技术提供一种基于lstm模型的pcdn应用监测方法及系统，其使用lstm模型(长短期记忆网络,long short-termmemory)，进行pcdn网络流量分析可以帮助识别pcdn流量模式、检测pcdn应用程序以及预测pcdn流量行为，对pcdn应用程序进行告警处理，用户可根据告警信息，对应用程序进行断网、拉黑等处理，同时，使用白名单方式，对加入白名单的应用程序不进行检测分析。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供一种基于lstm模型的pcdn应用监测方法，包括如下步骤：
4、获取pcdn网络流量数据和非pcdn网络流量数据；
5、基于pcdn网络流量数据、非pcdn网络流量数据对lstm模型进行训练，得到训练后的lstm模型；其中，lstm模型的训练过程包括：
6、提取pcdn网络流量数据和非pcdn网络流量数据中的特征信息，所述特征信息包括第一特征和第二特征，采用二进制编码对第一特征进行编码，采用分段编码对第二特征进行编码，筛选出适合lstm模型训练的数据；
7、采用训练后的lstm模型，进行待分析网络流量数据进行预测，得到网络流量预测结果。
8、进一步地，pcdn网络流量数据和非pcdn网络流量数据获取过程为：
9、在未启动pcdn的情况下，使用带有netflow功能的网关，间隔每分钟采集一次上行和下行流量，以每24小时为一个时间窗口，对经过网关的流量进行采集，得到流量信息观测值序列，非pcdn网络流量标记为1；
10、在启动pcdn的情况下，使用带有netflow功能的网关，间隔每分钟采集一次上行和下行流量，以每24小时为一个时间窗口，对经过网关的流量进行采集，得到流速率观测值序列，pcdn网络流量标记为0。
11、进一步地，所述方法还包括：非pcdn网络流量数据进行预处理，具体包括：
12、选取未启动pcdn的情况下的数据；
13、对数据进行清洗，使用python中的fillna()函数使用x填充空值，x在字典中的标识为1，使用duplicated()和drop_duplicates()函数来查找和删除重复的行。
14、进一步地，所述采用分段编码对第二特征进行编码包括：将端口号分为多个范围，每个范围作为一个类别，将0-1023作为第一类别，为知名端口所保留，1024-49151作为第二类别，为注册端口所保留，49152-65535作为第三类别，为动态或私有端口所保留的，对这些类别进行独热编码。
15、进一步地，所述特征信息还包括数据包大小分布bit、持续时间dt、数据包间隔、数据包方向、数据包序列和一个标签，标签中0代表该数据已参与训练，1代表该数据未参与训练。
16、进一步地，提取网络流量中的特征信息后，对提取的特征数据进行归一化和标准化处理，对一个滑动窗口内的标准化处理，在一个滑动窗口内标准化数据，只使用当前窗口内的数据来计算均值和标准差，保存训练数据的统计数据，在预测或测试新数据时，使用相同的统计数据进行归一化或标准化。
17、进一步地，所述lstm模型的构建过程包括：
18、确定隐藏层和神经元数量，使用1层隐藏层和50个神经元；
19、确定每次模型权重更新时使用的样本数量；
20、确定epoch数量和dropout比例；
21、确定优化器和学习率；
22、使用多分类交叉熵度量多分类问题中预测值与真实标签之间的差异。
23、本专利技术的第二个方面提供一种基于lstm模型的pcdn应用监测系统，包括：
24、系统流量采集单元，其用于获取pcdn网络流量数据和非pcdn网络流量数据；
25、流量数据处理模块，其用于基于pcdn网络流量数据、非pcdn网络流量数据对lstm模型进行训练，得到训练后的lstm模型；其中，lstm模型的训练过程包括：
26、提取pcdn网络流量数据和非pcdn网络流量数据中的特征信息，所述特征信息包括第一特征和第二特征，采用二进制编码对第一特征进行编码，采用分段编码对第二特征进行编码，筛选出适合lstm模型训练的数据；
27、pcdn预测单元，其用于采用训练后的lstm模型，进行待分析网络流量数据进行预测，得到网络流量预测结果。
28、本专利技术的第三个方面提供一种计算机可读存储介质。
29本文档来自技高网...
【技术保护点】
1.一种基于LSTM模型的PCDN应用监测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于LSTM模型的PCDN应用监测方法，其特征在于，PCDN网络流量数据和非PCDN网络流量数据获取过程为：
3.如权利要求1所述的一种基于LSTM模型的PCDN应用监测方法，其特征在于，所述方法还包括：非PCDN网络流量数据进行预处理，具体包括：
4.如权利要求1所述的一种基于LSTM模型的PCDN应用监测方法，其特征在于，所述采用分段编码对第二特征进行编码包括：将端口号分为多个范围，每个范围作为一个类别，将0-1023作为第一类别，为知名端口所保留，1024-49151作为第二类别，为注册端口所保留，49152-65535作为第三类别，为动态或私有端口所保留的，对这些类别进行独热编码。
5.如权利要求1所述的一种基于LSTM模型的PCDN应用监测方法，其特征在于，所述特征信息还包括数据包大小分布Bit、持续时间DT、数据包间隔、数据包方向、数据包序列和一个标签，标签中0代表该数据已参与训练，1代表该数据未参与训练。
7.如权利要求1所述的一种基于LSTM模型的PCDN应用监测方法，其特征在于，所述LSTM模型的构建过程包括：
8.一种基于LSTM模型的PCDN应用监测系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于LSTM模型的PCDN应用监测方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于LSTM模型的PCDN应用监测方法中的步骤。
...【技术特征摘要】
1.一种基于lstm模型的pcdn应用监测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于lstm模型的pcdn应用监测方法，其特征在于，pcdn网络流量数据和非pcdn网络流量数据获取过程为：
3.如权利要求1所述的一种基于lstm模型的pcdn应用监测方法，其特征在于，所述方法还包括：非pcdn网络流量数据进行预处理，具体包括：
4.如权利要求1所述的一种基于lstm模型的pcdn应用监测方法，其特征在于，所述采用分段编码对第二特征进行编码包括：将端口号分为多个范围，每个范围作为一个类别，将0-1023作为第一类别，为知名端口所保留，1024-49151作为第二类别，为注册端口所保留，49152-65535作为第三类别，为动态或私有端口所保留的，对这些类别进行独热编码。
5.如权利要求1所述的一种基于lstm模型的pcdn应用监测方法，其特征在于，所述特征信息还包括数据包大小分布bit、持续时间dt、数据包间隔、数据包方向、数据包序列和一个标签，标签中0代表该数据已参与训练，1代表该数据...
【专利技术属性】
技术研发人员：马晓红，张建成，郭锐，郭峰，吴书胜，张玉良，王红强，鹿全礼，任强，陈纪旸，李士宽，于小苇，万翠凤，
申请(专利权)人：山东正中信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。