电子信息技术

本发明提供一种网络流量批量生成图像的方法及装置，能够将原始网络流量数据高效批量生成图像。所述方法包括：获取原始网络流量数据集及相应的类别标签；对网络流量生成图像的高度H和宽度W进行初始化，并根据分类模型对输入图像的要求对H和W进行优化；其中，H用于体现网络流量时间和空间特征信息，W用于体现网络流量特征数；根据优化后的H，采用基于窗口的数据抽取算法对原始网络流量数据集进行数据抽取，根据优化后的H和W生成抽取出的数据集对应的灰度图像，得到网络流量图像集。本发明应用于网络安全领域。

成果亮点

本发明要解决的技术问题是提供一种网络流量批量生成图像的方法及装置，以解决现有技术所存在的计算复杂度较高，一次仅针对单一流量样本进行生成，无法获取连续网络流量间的关联信息，导致不能提取到连续网络流量的时序和空间特征的问题。 为解决上述技术问题，本发明实施例提供一种网络流量批量生成图像的方法，包括： 获取原始网络流量数据集及相应的类别标签； 对网络流量生成图像的高度H和宽度W进行初始化，并根据分类模型对输入图像的要求对H和W进行优化；其中，H用于体现网络流量时间和空间特征信息，W用于体现网络流量特征数；

随着互联网技术的不断发展和普及，网络流量也在不断地增加。在这种情况下，网络安全成为了一个非常重要的问题，对于网络流量的监测和分析变得越来越重要。

本发明提出的网络流量批量生成图像的方法及装置，可以将网络流量转化为图像，从而方便对于网络流量的监测和分析。这种方法及装置可以应用于网络安全领域，例如恶意流量的监测和分析，以及网络攻击的监测和防范等。

此外，本发明还可以应用于互联网领域，比如网络流量的监测和分析，广告监测，网络性能测试等。 总之，这种方法及装置的应用前景非常广泛，具有很大的市场潜力。

本发明实施例所述的网络流量批量生成图像的方法，获取原始网络流量数据集及相应的类别标签；对网络流量生成图像的高度H和宽度W进行初始化，并根据分类模型对输入图像的要求对H和W进行优化；根据优化后的H，采用基于窗口的数据抽取算法对原始网络流量数据集进行数据抽取，根据优化后的H和W生成抽取出的数据集对应的灰度图像，得到网络流量图像集。这样，能够降低网络流量生成图像的复杂度，保留连续网络流量间的时间和空间特征关系，且在不损失网络流量信息的同时提高了网络流量批量生成图像的效率。

本实施例中，得到的网络流量图像集，能够为深度学习模型提供高质量图像输入数据集，从而提高深度学习分类模型的综合性能指标。