一种基于翻转图的隐蔽恶意流量识别方法及装置

本申请提出一种基于翻转图的隐蔽恶意流量识别方法及装置，其中，方法包括：构建流量交互的翻转图，将流作为图中的节点，将流的统计特征作为节点特征，通过流的源地址与目的地址之间的关系确定节点之间的边连接；使用图卷积神经网络进行图学习，对于翻转图中的每个节点，聚合其自身节点特征与邻居节点特征，结合节点标签训练神经网络模型，识别每个节点的恶意程度；构建待检测流的节点特征，在现有翻转图中寻找其邻居节点并计算该流的节点嵌入，并输入至训练好的图卷积神经网络模型中，进行恶意流量识别。本申请能够解决现有图学习算法在流量识别场景下由于难以充分利用边上的流特征信息而学习效果不佳的问题，提高隐蔽恶意流量的识别效果。