一种基于深度学习的网络流量聚合分析方法

本申请涉及网络流量分析领域，其具体地公开了一种基于深度学习的网络流量聚合分析方法，其从网络接口捕获的原始数据包中提取指定源I P地址的流量数据包子集，并利用深度学习算法对该历史流量数据包子集进行时序建模，以捕获该源I P地址网络流量的基准行为模式，基于最新网络流量时序特征，动态筛选与当前行为模式最为相关的多个历史网络流量行为模式时序片段，构成候选归属群组，并通过对最新网络流量时序模式特征与候选群组特征进行流量模式增量聚合学习，挖掘最新流量模式的行为迁移，以实现对源I P地址网络流量行为的动态更新和精准刻画。该方法能够有效捕捉网络流量行为的时序演化规律，提升异常流量检测与行为模式分析的时效性和准确性。