(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111429110.6 (22)申请日 2021.11.29 (71)申请人 北京智美互联科技有限公司 地址 100037 北京市西城区阜成门外大街 31号6层6 07A (72)发明人 苏长君　曾祥禄　 (51)Int.Cl. H04L 9/40(2022.01) G06K 9/00(2022.01) G06N 3/04(2006.01) (54)发明名称 使用改进模式识别算法的特征分析方法和 系统 (57)摘要 本发明提供一种使用改进模式识别算法的 特征分析的方法和系统， 通过先将数据流信号经 过频谱过滤、 卷积运算处理后， 得到去除噪声干 扰的数据流， 再将该数据流进行分流， 得到对应 高速率、 中速率和低速率的三个数据流集合， 分 别将三个集合输入用户行为模型， 检测其分别包 含的用户行为字段， 以及分析该用户行为字段与 当前速率的映射关系， 综合得出当前网络环境下 的用户行为模式， 判断其是否为 攻击性。 权利要求书1页 说明书3页 附图1页 CN 114221794 A 2022.03.22 CN 114221794 A 1.一种使用改进模式识别算法的特 征分析方法， 其特 征在于， 所述方法包括： 服务器采集网络数据流的信号， 进行快速傅里叶变换， 得到该信号的频域特征， 根据当 前网络环境预先设定过滤频谱窗口， 将所述信号的频域特征经过过滤频谱窗口， 得到过滤 后的频谱， 输入卷积神经网络； 提取所述卷积神经网络输出后的信号， 将该信号重组为新数据流， 监测该新数据流的 速率， 按照速率高低设置 分流器的区间档位， 速率高于第一阈值的为高速率， 速率低于第一 阈值且高于第二阈值的为中速率， 速率低于第二阈值的为低速率， 其中第一阈值大于第二 阈值； 将所述新数据流输入到所述分流器 中， 根据不同的区间档位， 分流得到对应高速率、 中 速率和低速率的三个数据流 集合； 分别依次将所述三个数据流集合输入用户行为模型， 检测所述三个数据流集合中包含 哪些用户行为字段， 分析所述用户行为字段的访问对象， 统计所述用户行为字段出现频率， 判断是否包 含攻击倾向的用户行为， 得到第一结果； 分析用户行为字段的类型与 所述新数据流的速率之间的映射关系， 判断该用户行为字 段对应的用户行为出现在当前速率下 是否合理， 得到第二结果； 结合所述第一结果和第二结果， 得出当前网络环境下的用户行为模式， 若该用户行为 模式为攻击型， 则屏蔽该用户行为的来源， 若该用户行为模式为普通型， 则允许该用户行为 的访问请求。 2.根据权利要求1所述的方法， 其特征在于： 所述得出当前网络环境下的用户行为模 式， 还可以包括进一步分析用户行为模式的强弱程度， 根据该强弱程度判断用户行为的急 迫程度。 3.根据权利要求1 ‑2任一项所述的方法， 其特征在于： 所述屏蔽该用户行为的来源之 前， 还包括找到所有的攻击轨迹途径 点， 形成攻击轨迹， 所述攻击轨迹可复用包括多个不同 维度的异常攻击， 溯源得到不同维度的异常攻击的源点。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于： 所述用户行为模型使用了神经网 络模型。 5.一种使用改进模式识别算法的特征分析系统， 其特征在于， 所述系统包括处理器以 及存储器： 所述存储器用于存 储程序代码， 并将所述 程序代码传输给 所述处理器； 所述处理器用于根据所述程序代码中的指令执行实现权利要求1 ‑4任一项所述的方 法。 6.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储程序代 码， 所述程序代码用于执 行实现权利要求1 ‑4任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114221794 A 2使用改进模式识别算法的特征分析方 法和系统 技术领域 [0001]本申请涉及网络多媒体领域， 尤其涉及一种使用改进模式识别算法的特征分析方 法和系统。 背景技术 [0002]现有的数据分析方法在干扰增多的网络环境中， 容易将干扰与噪声混淆， 不能完 全适用于扰动环境。 同时， 使用了卷积神经网络， 其卷积计算也需要花费更多的时间来运 算， 降低了分析效率。 [0003]因此， 急需一种针对性的使用改进模式识别算法的特 征分析的方法和系统。 发明内容 [0004]本发明的目的在于提供一种使用改进模式识别算法的特征分析方法和系统， 通过 先将数据流信号经过频谱过滤、 卷积运算处理后， 得到去除噪声干扰的数据流， 再将该数据 流进行分流， 得到对应高速率、 中速率和低速率的三个数据流集合， 分别将三个集合输入用 户行为模型， 检测其分别包含的用户行为字段， 以及分析该用户行为字段与当前速率的映 射关系， 综合得 出当前网络环境下的用户行为模式， 判断其是否为 攻击性。 [0005]第一方面， 本申请提供一种使用改进模式识别算法的特征分析方法， 所述方法包 括： [0006]服务器采集网络数据流的信号， 进行快速傅里叶变换， 得到该信号的频域特征， 根 据当前网络环境预先设定过滤频谱窗口， 将所述信号的频域特征经过过滤频谱窗口， 得到 过滤后的频谱， 输入卷积神经网络； [0007]提取所述卷积神经网络输出后的信号， 将该信号重组为新数据流， 监测该新数据 流的速率， 按照速率高低设置 分流器的区间档位， 速率高于第一阈值的为高速率， 速率低于 第一阈值且高于第二阈值的为中速率， 速率低于第二阈值的为低速率， 其中第一阈值大于 第二阈值； [0008]将所述新数据流输入到所述分流器中， 根据不同的区间档位， 分流得到对应高速 率、 中速率和低速率的三个数据流 集合； [0009]分别依次将所述三个数据流集合输入用户行为模型， 检测所述三个数据流集合中 包含哪些用户行为字段， 分析所述用户行为字段的访问对 象， 统计所述用户行为字段出现 频率， 判断是否包 含攻击倾向的用户行为， 得到第一结果； [0010]分析用户行为字段的类型与所述新数据流的速率之间的映射关系， 判断该用户行 为字段对应的用户行为出现在当前速率下 是否合理， 得到第二结果； [0011]结合所述第一结果和第二结果， 得出当前网络环境下的用户行为模式， 若该用户 行为模式为攻击型， 则屏蔽该用户行为的来源， 若 该用户行为模式为普通型， 则允许该用户 行为的访问请求。 [0012]结合第一方面， 在第一方面第一种可能的实现方式中， 所述得出当前网络环境下说　明　书 1/3 页 3 CN 114221794 A 3