(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 202111658746.8 (22)申请日 2021.12.3 0 (71)申请人 天翼云科技有限公司 地址 100007 北京市东城区青龙胡同甲1 号、 3号2幢2层20 5-32室 (72)发明人 莫华森　段云涌　熊武　邓锦烨　 谢绍航　甘雨涛　 (51)Int.Cl. H04L 41/0631(2022.01) H04L 43/0894(2022.01) G06K 9/62(2022.01) (54)发明名称 一种异常带宽检测方法、 装置、 电子设备及 存储介质 (57)摘要 本申请涉及云计算技术领域， 尤其涉及一种 异常带宽检测方法、 装置、 电子设备及存储介质， 响应于针对CDN带宽的检测指令， 获得当前时间 点下的带宽； 对所述带宽进行特征提取， 获得所 述带宽在各时序维度下的时序特征， 其中， 所述 时序特征表征带宽在预设周期内的变化趋势； 将 所述时序特征输入至已训练的随机森 林模型， 获 得所述随机森林模型输出的异常检测结果， 其 中， 所述随机森 林模型是通过对 各历史带宽样本 进行迭代训练获得的。 这样， 能够提高异常带宽 检测的准确度。 权利要求书2页 说明书14页 附图5页 CN 114430361 A 2022.05.03 CN 114430361 A 1.一种异常带宽检测方法， 其特 征在于， 包括： 响应于针对CDN带宽的检测指令， 获得当前时间点下的带宽； 对所述带宽进行特征提取， 获得所述带宽在各时序维度下的时序 特征， 其中， 所述时序 特征表征带宽在预设周期内的变化趋势； 将所述时序特征输入至已训练 的随机森林模型， 获得所述随机森林模型输出的异常检 测结果， 其中， 所述随机森林模型 是通过对各历史带宽样本进行迭代训练获得的。 2.如权利要求1所述的方法， 其特征在于， 对所述带宽进行特征提取， 获得所述带宽在 各时序维度下的时序特 征， 具体包括： 根据所述带宽， 与预设的窗口内各时间点下的带宽的均值之间的比值， 获得所述带宽 对应的环比属性特 征； 以及， 根据所述带宽， 与预设的窗口内各时间点下的带宽的均值之间的差值， 获得所述带宽 对应的环差属性特 征； 以及， 根据所述带宽， 与各历史周期内相同时间点下的带宽的均值之间的比值， 获得所述带 宽对应的同比属性特 征； 以及， 根据所述带宽， 与各历史周期内相同时间点下的带宽的均值之间的差值， 获得所述带 宽对应的同差属性特 征； 以及， 根据当前时间点， 确定所述带宽对应的时刻属性特 征； 以及， 根据所述带宽的均值和标准差， 获得区间属性特 征； 根据所述环比属性特征、 所述环差属性特征、 所述同比属性特征、 所述同差属性特征、 所述时刻属性特 征和所述区间属性特 征， 确定所述带宽的时序特 征。 3.如权利要求1所述的方法， 其特征在于， 获得所述随机森林模型输出的异常检测结 果， 具体包括： 将所述时序特征， 分别输入至所述随机森林模型中的各决策树中， 获得相应的决策树 输出的分类结果； 若确定各分类结果为异常的数量大于等于预设的数量阈值， 则确定异常检测结果为异 常； 若确定所述各分类结果为异常的数量小于所述数量阈值， 则确定所述异常检测结果为 未存在异常。 4.如权利要求1所述的方法， 其特 征在于， 所述随机森林模型的训练方法为： 获取训练样本集； 对所述训练样本集进行随机抽样， 获得 各初始决策树各自对应的样本 子集； 分别采用各样本 子集， 对相应的初始决策树进行训练， 获得相应的训练完成的决策树； 基于各训练完成的决策树， 获得训练完成的随机森林模型。 5.如权利要求4所述的方法， 其特征在于， 分别采用各样本子集， 对相应的初始决策树 进行训练， 获得相应的训练完成的决策树， 具体包括： 针对所述各初始决策树， 分别执 行以下操作： 将任意一棵初始决策树对应的样本子集中， 各个带宽样本输入至该初始决策树中， 基 于该初始决策树对应的分类结果， 以及相应的分类标签， 结合网格法， 对该初始决策树的各 项参数进行调整， 直至相应的损失函数最小化， 获得训练完成的决策树。权　利　要　求　书 1/2 页 2 CN 114430361 A 26.一种异常带宽检测装置， 其特 征在于， 包括： 获得模块， 用于响应于针对CDN带宽的检测指令， 获得当前时间点下的带宽； 特征提取模块， 用于对所述带宽进行特征提取， 获得所述带宽在各时序维度下的时序 特征， 其中， 所述时序特 征表征带宽在预设周期内的变化趋势； 检测模块， 用于将所述时序特征输入至已训练的随机森林模型， 获得所述随机森林模 型输出的异常检测结果， 其中， 所述 随机森林模型是通过对各历史带宽样本进行迭代训练 获得的。 7.如权利要求6所述的装置， 其特 征在于， 所述特 征提取模块还用于： 根据所述带宽， 与预设的窗口内各时间点下的带宽的均值之间的比值， 获得所述带宽 对应的环比属性特 征； 以及， 根据所述带宽， 与预设的窗口内各时间点下的带宽的均值之间的差值， 获得所述带宽 对应的环差属性特 征； 以及， 根据所述带宽， 与各历史周期内相同时间点下的带宽的均值之间的比值， 获得所述带 宽对应的同比属性特 征； 以及， 根据所述带宽， 与各历史周期内相同时间点下的带宽的均值之间的差值， 获得所述带 宽对应的同差属性特 征； 以及， 根据当前时间点， 确定所述带宽对应的时刻属性特 征； 以及， 根据所述带宽的均值和标准差， 获得区间属性特 征； 根据所述环比属性特征、 所述环差属性特征、 所述同比属性特征、 所述同差属性特征、 所述时刻属性特 征和所述区间属性特 征， 确定所述带宽的时序特 征。 8.如权利要求6所述的装置， 其特征在于， 获得所述随机森林模型输出的异常检测结果 时， 所述检测模块还用于： 将所述时序特征， 分别输入至所述随机森林模型中的各决策树中， 获得相应的决策树 输出的分类结果； 若确定各分类结果为异常的数量大于等于预设的数量阈值， 则确定异常检测结果为异 常； 若确定所述各分类结果为异常的数量小于所述数量阈值， 则确定所述异常检测结果为 未存在异常。 9.一种电子设备， 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权利要求1 ‑6任一项所述方法的步 骤。 10.一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： 所述计算机程序 被处理器执行时实现权利要求1 ‑6任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114430361 A 3