【技术实现步骤摘要】
本专利技术实施例涉及人工智能，尤其涉及一种域名异常识别模型训练和域名异常识别方法、装置、设备、介质和产品。
技术介绍
1、在服务器运行的过程中，需要对域名异常情况进行识别与处理，以维护服务器业务的正常运行。
2、但是，在实现本专利技术的过程中，发现现有技术中至少存在以下技术问题：
3、现有的对域名异常情况进行识别的方法中，多通过基于固定阈值或简单统计模型的异常告警系统实现，依赖于简单的统计方法，也不能适应不同异常识别场景需求。
技术实现思路
1、本专利技术实施例提供了一种域名异常识别模型训练和域名异常识别方法、装置、设备、介质和产品，可以训练得到不同算法类型模型组合以用于域名异常识别，可满足不同的识别灵敏度的异常识别场景的需求，以提高域名异常识别的准确性。
2、第一方面，本专利技术实施例提供了一种域名异常识别模型训练方法，该方法包括：
3、获取目标服务器针对域名访问进行响应的响应状态样本数据；其中，响应状态样本数据包括预设时长内的域名错误码数据；
4、根据域名错误码数据对应的异常状态确认参数阈值对响应状态样本数据进行分组，得到多个样本数据组；其中，每个样本数据组中的域名错误码数据对应的异常状态确认参数阈值相同；
5、通过每个样本数据组分别对与异常状态确认参数阈值匹配的待训练模型组合中的每个待训练模型进行训练，得到多个域名异常识别模型组合；其中，每个待训练模型组合中包括多个不同类型的模型。
6、第二方
7、响应于域名异常识别配置操作，获取到目标域名的域名异常识别过程中目标识别配置信息；
8、根据目标识别配置信息中的时间窗口配置信息，获取与时间窗口配置信息对应的时长内的域名访问响应状态数据；
9、根据目标识别配置信息中异常状态确认参数阈值信息确定目标域名异常识别模型组合；其中，目标域名异常识别模型组合中各模型是通过如任一实施例提供的域名异常识别模型训练方法训练得到模型；
10、将域名访问响应状态数据分别输入到目标域名异常识别模型组合中的每个域名异常识别模型中，得到模型输出结果，并根据模型输出结果确实目标域名的是否异常。
11、第三方面，本专利技术实施例提供了一种域名异常识别模型训练装置，该装置包括：
12、样本数据获取模块，用于获取目标服务器针对域名访问进行响应的响应状态样本数据；其中，响应状态样本数据包括预设时长内的域名错误码数据；
13、样本数据处理模块，用于根据域名错误码数据对应的异常状态确认参数阈值对响应状态样本数据进行分组，得到多个样本数据组；其中，每个样本数据组中的域名错误码数据对应的异常状态确认参数阈值相同；
14、模型训练模块，用于通过每个样本数据组分别对与异常状态确认参数阈值匹配的待训练模型组合中的每个待训练模型进行训练，得到多个域名异常识别模型组合；其中，每个待训练模型组合中包括多个不同类型的模型。
15、第四方面，本专利技术实施例提供了一种域名异常识别装置，该装置包括：
16、域名异常识别配置模块，用于响应于域名异常识别配置操作，获取到目标域名的域名异常识别过程中目标识别配置信息；
17、域名访问响应数据获取模块，用于根据目标识别配置信息中的时间窗口配置信息，获取与时间窗口配置信息对应的时长内的域名访问响应状态数据；
18、数据分析模型确定模块，用于根据目标识别配置信息中异常状态确认参数阈值信息确定目标域名异常识别模型组合；其中，目标域名异常识别模型组合中各模型是通过如任一实施例提供的域名异常识别模型训练方法训练得到模型；
19、域名异常识别模块，用于将域名访问响应状态数据分别输入到目标域名异常识别模型组合中的每个域名异常识别模型中得到模型输出结果，并根据模型输出结果确实目标域名的是否异常。
20、第五方面，本专利技术实施例还提供了一种计算机设备，该计算机设备包括：
21、一个或多个处理器；
22、存储器，用于存储一个或多个程序；
23、当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本专利技术任意实施例所提供的业务信息生成方法。
24、第六方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的域名异常识别模型训练或域名异常识别方法。
25、第七方面，本公开实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本专利技术任意实施例所提供的域名异常识别模型训练或域名异常识别方法。
26、上述专利技术中的实施例具有如下优点或有益效果：
27、本专利技术实施例，通过获取目标服务器针对域名访问进行响应的响应状态样本数据；其中，所述响应状态样本数据包括预设时长内的域名错误码数据；根据所述域名错误码数据对应的异常状态确认参数阈值对所述响应状态样本数据进行分组，得到多个样本数据组；其中，每个所述样本数据组中的域名错误码数据对应的异常状态确认参数阈值相同；通过每个所述样本数据组分别对与所述异常状态确认参数阈值匹配的待训练模型组合中的每个待训练模型进行训练，得到多个域名异常识别模型组合；其中，每个所述待训练模型组合中包括多个不同类型的模型。本专利技术实施例的技术方案解决了目前域名异常识别过程简单且适用场景单一的问题，可以训练得到不同算法类型模型组合以用于域名异常识别，可满足不同的识别灵敏度的异常识别场景的需求，以提高域名异常识别的准确性。
本文档来自技高网...【技术保护点】
1.一种域名异常识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述域名错误码数据对应的异常状态确认参数阈值对所述响应状态样本数据进行分组，得到多个样本数据组，包括：
3.根据权利要求1所述的方法，其特征在于，所述响应状态样本数据还包括域名访问响应性能数据和域名状态数据，所述通过每个所述样本数据组分别对与所述异常状态确认参数阈值匹配的待训练模型组合中的每个待训练模型进行训练，得到多个域名异常识别模型组合，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述样本数据组中的所述域名错误码数据和所述域名访问响应性能数据进行特征处理，得到目标数据特征，包括：
5.根据权利要求1-4中任一所述的方法，其特征在于，所述待训练模型组合中包括突升突降识别模型、基线识别模型、无监督异常识别模型和有监督学习异常识别模型中的至少一个模型。
6.一种域名异常识别方法，其特征在于，还包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述域名访问响应状态数据分别输入到所述目标域名异常
8.根据权利要求6所述的方法，其特征在于，所述根据所述模型输出结果确实所述目标域名的是否异常，包括：
9.一种域名异常识别模型训练装置，其特征在于，包括：
10.一种域名异常识别装置，其特征在于，包括：
11.一种计算机设备，其特征在于，所述计算机设备包括：
12.一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1-8中任一所述的域名异常识别模型训练或域名异常识别方法。
13.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-8中任一项所述的域名异常识别模型训练或域名异常识别方法。
...【技术特征摘要】
1.一种域名异常识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述域名错误码数据对应的异常状态确认参数阈值对所述响应状态样本数据进行分组，得到多个样本数据组，包括：
3.根据权利要求1所述的方法，其特征在于，所述响应状态样本数据还包括域名访问响应性能数据和域名状态数据，所述通过每个所述样本数据组分别对与所述异常状态确认参数阈值匹配的待训练模型组合中的每个待训练模型进行训练，得到多个域名异常识别模型组合，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述样本数据组中的所述域名错误码数据和所述域名访问响应性能数据进行特征处理，得到目标数据特征，包括：
5.根据权利要求1-4中任一所述的方法，其特征在于，所述待训练模型组合中包括突升突降识别模型、基线识别模型、无监督异常识别模型和有监督学习异常识别模型中的至少一个模型。
6.一种域...
【专利技术属性】
技术研发人员：张静，张宪波，
申请(专利权)人：京东科技信息技术有限公司，
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。