具体实施方式

为使本发明实施例解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明实施例中的一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。

需要说明的是，本发明实施例中术语“系统”和“网络”在本文中常被可互换使用。本发明实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。

还需要说明是，本发明实施例中下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本发明实施例对此不作具体限制。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面结合附图并通过具体实施方式来进一步说明本发明实施例的技术方案。

图1示出了本发明实施例提供的一种僵尸网络的家族规模的异常检测方法的流程示意图，本实施例可适用于对僵尸网络的家族规模进行异常检测的情况，该方法可以由配置于电子设备中的僵尸网络的家族规模的异常检测装置来执行，如图1所示，本实施例所述的僵尸网络的家族规模的异常检测方法包括：

在步骤S110中，根据历史数据统计监控区间内僵尸网络家族在各预定单位时长内的传播源数量。

在对僵尸网络的家族规模进行异常检测时可以选取特定的监控区间进行检测，具体的预定单位时长可根据需要设置，例如可设置为每小时为一个统计单位，还可设置为每半小时为一个统计单位。

在步骤S120中，根据各预定单位时长内的传播源数量生成训练样本集，根据所述训练样本集训练孤立森林模型。

其中，根据所述训练样本集训练孤立森林模型，可采用全部的训练样本集进行训练，样本集中的样本可包括异常传播的样本和正常传播的样本，据此对本样设置标签。也可从所述训练样本集中挑选训练样本子集，根据所挑选的训练样本子集训练所述孤立森林模型，以提高模型的预测准确性，具体的选择样本的方法可包括多种，例如可根据专家经验选择。

孤立森林模型是由很一棵以上孤立树组成的一种树型集成的模型；例如，给定含n个样本的集合X＝{x₁，x₂，…，x_n}，通过随机选择数据集的特征q和随机选择特征的分裂值p来递归样本集Ⅹ，从而建立孤立树；每棵孤立树的所有节点都有2个子节点或没有子节点。

递归建立孤立树的过程直到满足以下三个条件之一才停止：①孤立树的深度达到限定的最大值；②某次递归后孤立树的节点只有一个样本；③某次递归后孤立树的节点所包含的数据都有相同的值。

从传播源训练数据集中随机选择ψ个样本点作为样本子集，放入树的根节点，并指定传播源数量作为特征维；在当前节点数据中随机产生一个切割点p，以此切割点生成了一个超平面，然后将当前节点数据空间划分为2个子空间：把指定维度里小于p的数据放在当前节点的左子节点，把大于等于p的数据放在当前节点的右子节点；不断构造新的子节点，直到子节点中只有一个数据(无法再继续切割)或子节点已到达限定高度；重复上述步骤，直至生成T个孤立树。

获得T个孤立树后，可以使用生成的IForest来评估传播源测试数据集。对于每一个数据点x_i，令其遍历每一颗孤立树iTree，计算点x_i在森林中的平均高度h(x_i)，对所有点的平均高度做归一化处理。异常值分数的计算公式如下所示：

其中，

H(k)＝ln(k)+ξ

E[·]是t个iTree的均值；

c(ψ)是ψ个点二分搜索树的平均长度；

H(k)＝ln(k)+ξ，其中ξ是欧拉常数。

其中，s(x)越接近1越可能为异常数据，离0越近越可能是正常点。例如当大部分数据的s(x)为0.5，则表示数据无异常值。

在步骤S130中，实时监控所述监控区间内所述僵尸网络家族在所述预定单位时长内的传播源数量，计算所述传播源数量在所述孤立森林模型中的异常值分数。

在步骤S140中，根据所述异常值分数对所述僵尸网络家族的传播进行异常检测。

本步骤可采用多种方法，例如可将所述异常值分数与设定异常阈值进行比较，根据比较结果确定所述僵尸网络家族的传播是否异常。其中，所述设定异常阈值可根据用户设定得到，具体地，用户可根据专家经验进行设定。

又如，还可在获取预定数量的所述异常值分数之后，根据设定异常比例和各所述异常值分数对所述僵尸网络家族的传播进行异常检测。其中，所述设定异常比例可根据用户设定得到，具体地，用户可根据专家经验进行设定。

本实施例通过根据历史数据统计监控区间内僵尸网络家族在各预定单位时长内的传播源数量；根据各预定单位时长内的传播源数量生成训练样本集，根据所述训练样本集训练孤立森林模型；实时监控所述监控区间内所述僵尸网络家族在所述预定单位时长内的传播源数量，计算所述传播源数量在所述孤立森林模型中的异常值分数；根据所述异常值分数对所述僵尸网络家族的传播进行异常检测，以对僵尸网络的家族规模及家族规模变化趋势进行异常检测，能够自动化地监控僵尸网络的发展情况。

图2示出了本发明实施例提供的另一种僵尸网络的家族规模的异常检测方法的流程示意图，本实施例以前述实施例为基础，进行了改进优化。如图2所示，本实施例所述的僵尸网络的家族规模的异常检测方法包括：

在步骤S210中，统计僵尸网络家族每小时传播源数量。

在步骤S220中，根据专家经验提取训练数据集训练孤立森林模型。

从传播源训练数据集中随机选择ψ个样本点作为样本子集，放入树的根节点，并指定传播源数量作为特征维；在当前节点数据中随机产生一个切割点p，以此切割点生成了一个超平面，然后将当前节点数据空间划分为2个子空间：把指定维度里小于p的数据放在当前节点的左子节点，把大于等于p的数据放在当前节点的右子节点；不断构造新的子节点，直到子节点中只有一个数据(无法再继续切割)或子节点已到达限定高度；重复上述步骤，直至生成T个孤立树。

在步骤S230中，使用训练好的所述孤立森林模型预测新数据集。

获得T个孤立树后，可以使用生成的IForest来评估传播源测试数据集。对于每一个数据点x_i，令其遍历每一颗孤立树iTree，计算点x_i在森林中的平均高度h(x_i)，对所有点的平均高度做归一化处理。异常值分数的计算公式如下所示：

其中，

H(k)＝ln(k)+ξ

E[·]是t个iTree的均值；

c(ψ)是ψ个点二分搜索树平均长度；

H(k)＝ln(k)+ξ，其中ξ是欧拉常数。

在步骤S240中，计算得到异常值分数、异常标签值。

s(x)越接近1越可能为异常数据，离0越近越可能是正常点。例如当大部分数据的s(x)为0.5，则表示数据无异常值。

在步骤S250中，根据专家经验设置异常比例。

在步骤S260中，得出异常数据集供人工分析研判。

本实施例方案的原理主要为：实现一种在分析僵尸网络家族传播源数量变化的场景下，利用孤立森林计算数据异常值分数，能够实现对异常数据点进行标注。

作为上述各图所示方法的实现，本申请提供了一种僵尸网络的家族规模的异常检测装置的一个实施例,图3示出了本实施例提供的一种僵尸网络的家族规模的异常检测装置的结构示意图，该装置实施例与图1和图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。如图3所示，本实施例所述的僵尸网络的家族规模的异常检测装置包括历史数量获取单元310、模型训练单元320、异常值监测单元330和异常判断单元340。

所述历史数量获取单元310被配置为，用于根据历史数据统计监控区间内僵尸网络家族在各预定单位时长内的传播源数量。

所述模型训练单元320被配置为，用于根据各预定单位时长内的传播源数量生成训练样本集，根据所述训练样本集训练孤立森林模型；

所述异常值监测单元330被配置为，用于实时监控所述监控区间内所述僵尸网络家族在所述预定单位时长内的传播源数量，计算所述传播源数量在所述孤立森林模型中的异常值分数；

所述异常判断单元340被配置为，用于根据所述异常值分数对所述僵尸网络家族的传播进行异常检测。

根据本公开的一个或多个实施例，所述异常判断单元340被配置为，用于将所述异常值分数与设定异常阈值进行比较，根据比较结果确定所述僵尸网络家族的传播是否异常。

根据本公开的一个或多个实施例，所述装置还可包括异常阈值接收单元(图3中未示出)，所述异常阈值接收单元被配置为，用于在将所述异常值分数与设定异常阈值进行比较之前，接收用户设置的所述设定异常阈值。

根据本公开的一个或多个实施例，所述模型训练单元320被配置为用于根据所述训练样本集训练孤立森林模型包括：用于从所述训练样本集中挑选训练样本子集；根据所挑选的训练样本子集训练所述孤立森林模型。

根据本公开的一个或多个实施例，所述预定单位时长为1小时。

本实施例提供的僵尸网络的家族规模的异常检测装置可执行本公开方法实施例所提供的僵尸网络的家族规模的异常检测方法，具备执行方法相应的功能模块和有益效果。

图4示出了本发明实施例提供的另一种僵尸网络的家族规模的异常检测装置的结构示意图，如图4所示，本实施例所述的僵尸网络的家族规模的异常检测装置包括历史数量获取单元410、模型训练单元420、异常值监测单元430、异常比例接收单元440和异常判断单元450。

所述历史数量获取单元410被配置为，用于根据历史数据统计监控区间内僵尸网络家族在各预定单位时长内的传播源数量。

所述模型训练单元420被配置为，用于根据各预定单位时长内的传播源数量生成训练样本集，根据所述训练样本集训练孤立森林模型。

所述异常值监测单元430被配置为，用于实时监控所述监控区间内所述僵尸网络家族在所述预定单位时长内的传播源数量，计算所述传播源数量在所述孤立森林模型中的异常值分数。

所述异常比例接收单元440被配置为，用于接收用户设置的所述设定异常比例。

所述异常判断单元450被配置为，用于在获取预定数量的所述异常值分数之后，根据所接收的所述设定异常比例和各所述异常值分数对所述僵尸网络家族的传播进行异常检测。

根据本公开的一个或多个实施例，所述模型训练单元420被配置为用于根据所述训练样本集训练孤立森林模型包括：用于从所述训练样本集中挑选训练样本子集；根据所挑选的训练样本子集训练所述孤立森林模型。

根据本公开的一个或多个实施例，所述预定单位时长为1小时。

本实施例提供的僵尸网络的家族规模的异常检测装置可执行本公开方法实施例所提供的僵尸网络的家族规模的异常检测方法，具备执行方法相应的功能模块和有益效果。

下面参考图5，其示出了适于用来实现本发明实施例的电子设备500的结构示意图。本发明实施例中的上述终端设备，例如为移动设备、电脑、或浮动车中内置的车载设备等，或其任意组合。在一些实施例中，移动设备例如可以包括手机、智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备等，或其任意组合。图5示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本发明实施例的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明实施例的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本发明实施例的方法中限定的上述功能。

需要说明的是，本发明实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：根据历史数据统计监控区间内僵尸网络家族在各预定单位时长内的传播源数量；根据各预定单位时长内的传播源数量生成训练样本集，根据所述训练样本集训练孤立森林模型；实时监控所述监控区间内所述僵尸网络家族在所述预定单位时长内的传播源数量，计算所述传播源数量在所述孤立森林模型中的异常值分数；根据所述异常值分数对所述僵尸网络家族的传播进行异常检测。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本发明实施例各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

以上描述仅为本发明实施例的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。