CN118101999B - 一种短视频流量数据分析方法 - Google Patents
一种短视频流量数据分析方法 Download PDFInfo
- Publication number
- CN118101999B CN118101999B CN202410523828.9A CN202410523828A CN118101999B CN 118101999 B CN118101999 B CN 118101999B CN 202410523828 A CN202410523828 A CN 202410523828A CN 118101999 B CN118101999 B CN 118101999B
- Authority
- CN
- China
- Prior art keywords
- data
- short video
- flow data
- video flow
- security verification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000012795 verification Methods 0.000 claims abstract description 226
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 33
- 238000005206 flow analysis Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000000739 chaotic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及短视频流量数据处理领域，尤其涉及一种短视频流量数据分析方法，包括：S1、利用实时短视频流量数据建立短视频流量特征集合；S2、利用所述短视频流量特征集合对实时短视频流量数据进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果；S3、根据所述实时短视频流量数据的反向安全验证处理结果得到短视频流量数据分析结果，对于大批量高容量数据的处理可靠性有较为显著提升，引入多种时刻进行仿真动态分析，提升了流量数据的流动性监测，并且对于后续问题查找定位有着较好效果，同时，在大型短视频平台后端，减小运行空间以及数据抓取对于正常数据流转的影响，避免了分析监测对短视频前后端正常运行的干扰。
Description
技术领域
本发明涉及短视频流量数据处理领域，具体涉及一种短视频流量数据分析方法。
背景技术
随着短视频平台的不断发展，对于系统后台的流程数据管控监测也在逐渐增大工作数据量，正常流量数据流转传输的数据量大、来源广泛，并且数据以及视频特征近似，在大容量样本下的分析过程会产生分析误差，进而导致后续系统处理均存在一定风险。
发明内容
针对现有技术的不足，本发明提供了一种短视频流量数据分析方法，通过流量数据的系统硬件与软件特征提取处理，结合短视频自身类型、时间等特征进行分析处理，解析得到流量数据的可靠性与分析执行方法。
为实现上述目的，本发明提供了一种短视频流量数据分析方法，包括：
S1、利用实时短视频流量数据建立短视频流量特征集合；
S2、利用所述短视频流量特征集合对实时短视频流量数据进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果；
S3、根据所述实时短视频流量数据的反向安全验证处理结果得到短视频流量数据分析结果。
优选的，所述利用实时短视频流量数据建立短视频流量特征集合包括：
S1-1、采集实时短视频流量数据；
S1-2、根据所述实时短视频流量数据获取短视频流量数据的数据基本特征建立数据基本特征集合；
S1-3、根据所述数据基本特征集合建立流量数据特征集合；
S1-4、利用所述数据基本特征集合与流量数据特征集合作为短视频流量特征集合。
进一步的，根据所述实时短视频流量数据获取短视频流量数据的数据基本特征建立数据基本特征集合包括：
获取所述实时短视频流量数据对应视频类型作为第一数据基本特征；
根据所述实时短视频流量数据获取对应视频容量作为第二数据基本特征；
根据所述实时短视频流量数据获取对应流量峰值与流量谷值建立峰谷映射作为第三数据基本特征；
获取所述实时短视频流量数据的实时播放量作为辅助动态数据基本特征；
利用所述第一数据基本特征、第二数据基本特征、第三数据基本特征与辅助动态数据基本特征作为数据基本特征集合；
其中，所述视频类型为视频文件格式。
进一步的，根据所述数据基本特征集合建立流量数据特征集合包括：
S1-3-1、利用所述数据基本特征集合的第一数据基本特征对应通信协议作为第一流量数据特征；
S1-3-2、利用所述数据基本特征集合的第二数据基本特征对应网络存储地址作为第二流量数据特征；
S1-3-3、利用所述数据基本特征集合的第三数据基本特征对应网络带宽作为第三流量数据特征；
S1-3-4、利用所述第一流量数据特征、第二流量数据特征与第三流量数据特征作为流量数据特征集合。
进一步的，利用所述短视频流量特征集合对实时短视频流量数据进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果包括：
S2-1、利用所述实时短视频流量数据与短视频流量特征集合得到短视频流量数据的时序数据流分析结果；
S2-2、根据所述短视频流量数据的时序数据流分析结果进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果。
进一步的，利用所述实时短视频流量数据与短视频流量特征集合得到短视频流量数据的时序数据流分析结果包括：
S2-1-1、利用所述实时短视频流量数据与短视频流量特征集合的数据基本特征集合进行合理性验证处理得到短视频流量数据的合理性验证结果；
S2-1-2、利用所述实时短视频流量数据与短视频流量特征集合的流量数据特征集合进行安全性验证处理得到短视频流量数据的安全性验证结果；
S2-1-3、利用所述短视频流量数据的合理性验证结果与安全性验证结果作为短视频流量数据的时序数据流分析结果。
进一步的，利用所述实时短视频流量数据与短视频流量特征集合的数据基本特征集合进行合理性验证处理得到短视频流量数据的合理性验证结果包括：
S2-1-1-1、根据所述短视频流量特征集合的数据基本特征集合对应辅助动态数据基本特征作为合理性动态节点；
S2-1-1-2、利用当前时刻作为合理性验证起始时刻t；
S2-1-1-3、利用所述合理性验证起始时刻t的合理性动态节点与t+1时刻的合理性动态节点的差值作为短视频流量数据的时段数据基准；
S2-1-1-4、利用所述合理性验证起始时刻t的合理性动态节点与t+1时刻的合理性动态节点的播放量趋势作为短视频流量数据的时段走向基准；
S2-1-1-5、判断所述合理性验证起始时刻t的第一数据基本特征与t+1时刻的第一数据基本特征是否一致，若是，则执行S2-1-1-6，否则，所述短视频流量数据的合理性验证结果为混乱，不更新当前时刻，并返回S1-1；
S2-1-1-6、判断所述合理性验证起始时刻t的第二数据基本特征与t+1时刻的第二数据基本特征是否一致，若是，则执行S2-1-1-7，否则，所述短视频流量数据的合理性验证结果为修改，更新当前时刻，并返回S1-1；
S2-1-1-7、判断所述合理性验证起始时刻t的第三数据基本特征与t+1时刻的第三数据基本特征是否一致，若是，则直接执行S2-1-1-9，否则，执行S2-1-1-8；
S2-1-1-8、判断所述合理性验证起始时刻t的第三数据基本特征和t+1时刻的第三数据基本特征的阈值差值，与t+1时刻的第三数据基本特征和t+2时刻的第三数据基本特征的阈值差值是否趋势相同，若是，则执行S2-1-1-9，否则，所述短视频流量数据的合理性验证结果为异常，更新当前时刻，并返回S1-1；
S2-1-1-9、判断所述合理性验证起始时刻t与t+1时刻间的时段数据基准与时段走向基准是否完全对应，若是，则所述短视频流量数据的合理性验证结果为合理，否则，所述短视频流量数据的合理性验证结果为不合理；
其中，所述阈值差值为第三数据基本特征的流量峰值与流量谷值的差值，趋势相同为阈值差值变化趋势相同。
进一步的，利用所述实时短视频流量数据与短视频流量特征集合的流量数据特征集合进行安全性验证处理得到短视频流量数据的安全性验证结果包括：
S2-1-2-1、利用当前时刻作为安全性验证起始时刻k；
S2-1-2-2、判断所述安全性验证起始时刻k的第一流量数据特征与k+1时刻的第一流量数据特征是否一致，若是，则执行S2-1-2-3，否则，所述短视频流量数据的安全性验证结果为传输错误，不更新当前时刻，并返回S1-3-1；
S2-1-2-3、判断所述安全性验证起始时刻k的第二流量数据特征与k+1时刻的第二流量数据特征是否一致，若是，则执行S2-1-2-4，否则，所述短视频流量数据的安全性验证结果为存储误差，不更新当前时刻，并返回S1-3-1；
S2-1-2-4、判断所述安全性验证起始时刻k的第三流量数据特征和k+1时刻的第三流量数据特征的差值，与k+1时刻的第三流量数据特征和k+2时刻的第三流量数据特征的差值是否浮动趋势相同，若是，则所述短视频流量数据的安全性验证结果为正常，否则，所述短视频流量数据的安全性验证结果为异常，更新当前时刻，并返回S1-3-1；
其中，所述浮动趋势相同为差值变化的趋势相同，所述安全性验证起始时刻k晚于合理性验证起始时刻t。
进一步的，根据所述短视频流量数据的时序数据流分析结果进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果包括：
S2-2-1、判断所述短视频流量数据的时序数据流分析结果对应合理性验证结果与安全性验证结果是否均为正常，若是，则直接输出实时短视频流量数据的反向安全验证处理结果为正常，否则，执行S2-2-2；
S2-2-2、判断所述短视频流量数据的时序数据流分析结果对应合理性验证结果是否为异常，若是，则执行S2-2-3，否则，直接执行S2-2-4；
S2-2-3、判断所述短视频流量数据的时序数据流分析结果对应安全性验证结果是否为异常，若是，则所述实时短视频流量数据的反向安全验证处理结果为异常，否则，执行S2-2-4；
S2-2-4、获取所述异常对应验证处理的特征集合作为反向安全验证标签；
S2-2-5、判断所述反向安全验证标签是否为数据基本特征集合，若是，则利用所述第一数据基本特征、第二数据基本特征与第三数据基本特征分别作为第一反向安全验证子标签、第二反向安全验证子标签与第三反向安全验证子标签，否则，利用所述第一流量数据特征、第二流量数据特征与第三流量数据特征分别作为第一反向安全验证子标签、第二反向安全验证子标签与第三反向安全验证子标签；
S2-2-6、利用当前时刻作为反向安全验证起始时刻y；
S2-2-7、判断所述安全性验证起始时刻y的第一反向安全验证子标签与y-1时刻的第一反向安全验证子标签是否一致，若是，则执行S2-2-8，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
S2-2-8、判断所述安全性验证起始时刻y的第二反向安全验证子标签与y-1时刻的第二反向安全验证子标签是否一致，若是，则执行S2-2-9，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
S2-2-9、判断所述安全性验证起始时刻y的第三反向安全验证子标签和y-1时刻的第三反向安全验证子标签的差值，与y-1时刻的第三反向安全验证子标签和y-2时刻的第三反向安全验证子标签的差值是否浮动趋势相同，若是，则所述实时短视频流量数据的反向安全验证处理结果为正常，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
其中，所述异常对应验证处理的特征集合为数据基本特征集合或流量数据特征集合，所述浮动趋势为差值的变化趋势。
进一步的，根据所述实时短视频流量数据的反向安全验证处理结果得到短视频流量数据分析结果包括：
S3-1、判断所述实时短视频流量数据的反向安全验证处理结果是否为异常，若是，则输出实时短视频流量数据与对应短视频流量特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1，否则，执行S3-2；
S3-2、判断所述反向安全验证处理结果对应合理性验证结果是否存在异常，若是，则输出所述数据基本特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1，否则，输出所述流量数据特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1。
与最接近的现有技术相比，本发明具有的有益效果：
对于大批量高容量数据的处理可靠性有较为显著提升，同时基于流量数据的关联数据作为特征，引入多种时刻进行仿真动态分析，提升了流量数据的流动性监测，并且对于后续问题查找定位有着较好效果，同时，在大型短视频平台后端，减小运行空间以及数据抓取对于正常数据流转的影响，避免了分析监测对短视频前后端正常运行的干扰。
附图说明
图1是本发明提供的一种短视频流量数据分析方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
本发明提供了一种短视频流量数据分析方法，如图1所示，包括：
S1、利用实时短视频流量数据建立短视频流量特征集合；
S2、利用所述短视频流量特征集合对实时短视频流量数据进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果；
S3、根据所述实时短视频流量数据的反向安全验证处理结果得到短视频流量数据分析结果。
本实施例中，一种短视频流量数据分析方法，本方案应用于大容量高速率的短视频平台的后台云端处理系统，其中步骤S1与步骤S2为共同运行环境，步骤S3在实际应用中则应该采用独立环境运行，避免干扰数据流转及存储。
S1具体包括：
S1-1、采集实时短视频流量数据；
S1-2、根据所述实时短视频流量数据获取短视频流量数据的数据基本特征建立数据基本特征集合；
S1-3、根据所述数据基本特征集合建立流量数据特征集合；
S1-4、利用所述数据基本特征集合与流量数据特征集合作为短视频流量特征集合。
S1-2具体包括：
S1-2-1、获取所述实时短视频流量数据对应视频类型作为第一数据基本特征；
S1-2-2、根据所述实时短视频流量数据获取对应视频容量作为第二数据基本特征；
S1-2-3、根据所述实时短视频流量数据获取对应流量峰值与流量谷值建立峰谷映射作为第三数据基本特征；
S1-2-4、获取所述实时短视频流量数据的实时播放量作为辅助动态数据基本特征；
S1-2-5、利用所述第一数据基本特征、第二数据基本特征、第三数据基本特征与辅助动态数据基本特征作为数据基本特征集合；
其中，所述视频类型为视频文件格式。
本实施例中，一种短视频流量数据分析方法，所述视频文件格式在方案抓取实时短视频流量数据时就为固定类型，当存在视频文件格式存在修改或偏离预设类型范围时，分析方案中止，并报错。
S1-3具体包括：
S1-3-1、利用所述数据基本特征集合的第一数据基本特征对应通信协议作为第一流量数据特征；
S1-3-2、利用所述数据基本特征集合的第二数据基本特征对应网络存储地址作为第二流量数据特征；
S1-3-3、利用所述数据基本特征集合的第三数据基本特征对应网络带宽作为第三流量数据特征；
S1-3-4、利用所述第一流量数据特征、第二流量数据特征与第三流量数据特征作为流量数据特征集合。
S2具体包括：
S2-1、利用所述实时短视频流量数据与短视频流量特征集合得到短视频流量数据的时序数据流分析结果；
S2-2、根据所述短视频流量数据的时序数据流分析结果进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果。
S2-1具体包括：
S2-1-1、利用所述实时短视频流量数据与短视频流量特征集合的数据基本特征集合进行合理性验证处理得到短视频流量数据的合理性验证结果；
S2-1-2、利用所述实时短视频流量数据与短视频流量特征集合的流量数据特征集合进行安全性验证处理得到短视频流量数据的安全性验证结果；
S2-1-3、利用所述短视频流量数据的合理性验证结果与安全性验证结果作为短视频流量数据的时序数据流分析结果。
S2-1-1具体包括：
S2-1-1-1、根据所述短视频流量特征集合的数据基本特征集合对应辅助动态数据基本特征作为合理性动态节点；
S2-1-1-2、利用当前时刻作为合理性验证起始时刻t；
S2-1-1-3、利用所述合理性验证起始时刻t的合理性动态节点与t+1时刻的合理性动态节点的差值作为短视频流量数据的时段数据基准；
S2-1-1-4、利用所述合理性验证起始时刻t的合理性动态节点与t+1时刻的合理性动态节点的播放量趋势作为短视频流量数据的时段走向基准；
S2-1-1-5、判断所述合理性验证起始时刻t的第一数据基本特征与t+1时刻的第一数据基本特征是否一致，若是，则执行S2-1-1-6，否则，所述短视频流量数据的合理性验证结果为混乱，不更新当前时刻，并返回S1-1；
S2-1-1-6、判断所述合理性验证起始时刻t的第二数据基本特征与t+1时刻的第二数据基本特征是否一致，若是，则执行S2-1-1-7，否则，所述短视频流量数据的合理性验证结果为修改，更新当前时刻，并返回S1-1；
S2-1-1-7、判断所述合理性验证起始时刻t的第三数据基本特征与t+1时刻的第三数据基本特征是否一致，若是，则直接执行S2-1-1-9，否则，执行S2-1-1-8；
S2-1-1-8、判断所述合理性验证起始时刻t的第三数据基本特征和t+1时刻的第三数据基本特征的阈值差值，与t+1时刻的第三数据基本特征和t+2时刻的第三数据基本特征的阈值差值是否趋势相同，若是，则执行S2-1-1-9，否则，所述短视频流量数据的合理性验证结果为异常，更新当前时刻，并返回S1-1；
S2-1-1-9、判断所述合理性验证起始时刻t与t+1时刻间的时段数据基准与时段走向基准是否完全对应，若是，则所述短视频流量数据的合理性验证结果为合理，否则，所述短视频流量数据的合理性验证结果为不合理；
其中，所述阈值差值为第三数据基本特征的流量峰值与流量谷值的差值，趋势相同为阈值差值变化趋势相同。
本实施例中，一种短视频流量数据分析方法，所述合理性验证结果为混乱时，短视频流量数据的基础格式获取错误，因此在输出当前合理性验证结果的同时，不对当前时刻进行更新，重新采集实时短视频流量数据进行处理；
所述合理性验证结果为修改时，则对应短视频存在视频内容修改的情况，因此当前处理流程终止，更新当前时刻，重新采集实时短视频流量数据进行处理；
所述合理性验证结果为异常时，首先当前合理性验证结果为异常，并可认定为方案运行流程中检测出异常情况，输出当前合理性验证结果的同时，更新时刻，重新采集实时短视频流量数据进行处理。
S2-1-2具体包括：
S2-1-2-1、利用当前时刻作为安全性验证起始时刻k；
S2-1-2-2、判断所述安全性验证起始时刻k的第一流量数据特征与k+1时刻的第一流量数据特征是否一致，若是，则执行S2-1-2-3，否则，所述短视频流量数据的安全性验证结果为传输错误，不更新当前时刻，并返回S1-3-1；
S2-1-2-3、判断所述安全性验证起始时刻k的第二流量数据特征与k+1时刻的第二流量数据特征是否一致，若是，则执行S2-1-2-4，否则，所述短视频流量数据的安全性验证结果为存储误差，不更新当前时刻，并返回S1-3-1；
S2-1-2-4、判断所述安全性验证起始时刻k的第三流量数据特征和k+1时刻的第三流量数据特征的差值，与k+1时刻的第三流量数据特征和k+2时刻的第三流量数据特征的差值是否浮动趋势相同，若是，则所述短视频流量数据的安全性验证结果为正常，否则，所述短视频流量数据的安全性验证结果为异常，更新当前时刻，并返回S1-3-1；
其中，所述浮动趋势相同为差值变化的趋势相同，所述安全性验证起始时刻k晚于合理性验证起始时刻t。
S2-2具体包括：
S2-2-1、判断所述短视频流量数据的时序数据流分析结果对应合理性验证结果与安全性验证结果是否均为正常，若是，则直接输出实时短视频流量数据的反向安全验证处理结果为正常，否则，执行S2-2-2；
S2-2-2、判断所述短视频流量数据的时序数据流分析结果对应合理性验证结果是否为异常，若是，则执行S2-2-3，否则，直接执行S2-2-4；
S2-2-3、判断所述短视频流量数据的时序数据流分析结果对应安全性验证结果是否为异常，若是，则所述实时短视频流量数据的反向安全验证处理结果为异常，否则，执行S2-2-4；
S2-2-4、获取所述异常对应验证处理的特征集合作为反向安全验证标签；
S2-2-5、判断所述反向安全验证标签是否为数据基本特征集合，若是，则利用所述第一数据基本特征、第二数据基本特征与第三数据基本特征分别作为第一反向安全验证子标签、第二反向安全验证子标签与第三反向安全验证子标签，否则，利用所述第一流量数据特征、第二流量数据特征与第三流量数据特征分别作为第一反向安全验证子标签、第二反向安全验证子标签与第三反向安全验证子标签；
S2-2-6、利用当前时刻作为反向安全验证起始时刻y；
S2-2-7、判断所述安全性验证起始时刻y的第一反向安全验证子标签与y-1时刻的第一反向安全验证子标签是否一致，若是，则执行S2-2-8，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
S2-2-8、判断所述安全性验证起始时刻y的第二反向安全验证子标签与y-1时刻的第二反向安全验证子标签是否一致，若是，则执行S2-2-9，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
S2-2-9、判断所述安全性验证起始时刻y的第三反向安全验证子标签和y-1时刻的第三反向安全验证子标签的差值，与y-1时刻的第三反向安全验证子标签和y-2时刻的第三反向安全验证子标签的差值是否浮动趋势相同，若是，则所述实时短视频流量数据的反向安全验证处理结果为正常，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
其中，所述异常对应验证处理的特征集合为数据基本特征集合或流量数据特征集合，所述浮动趋势为差值的变化趋势。
S3具体包括：
S3-1、判断所述实时短视频流量数据的反向安全验证处理结果是否为异常，若是，则输出实时短视频流量数据与对应短视频流量特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1，否则，执行S3-2；
S3-2、判断所述反向安全验证处理结果对应合理性验证结果是否存在异常，若是，则输出所述数据基本特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1，否则，输出所述流量数据特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1。
本实施例中，一种短视频流量数据分析方法，本方案在实际实施中，可将数据流或者某时段数据进行整体分析处理，由于流量数据的静态分析无法做出准确判断，因此，方案引入多个自定义时刻进行逻辑处理，进而达到进行数据流分析的最简单的形式就是对数据流图的某个节点建立其时序性数据流。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (5)
1.一种短视频流量数据分析方法，其特征在于，包括：
S1、利用实时短视频流量数据建立短视频流量特征集合；
S1-1、采集实时短视频流量数据；
S1-2、根据所述实时短视频流量数据获取短视频流量数据的数据基本特征建立数据基本特征集合；
S1-2-1、获取所述实时短视频流量数据对应视频类型作为第一数据基本特征；
S1-2-2、根据所述实时短视频流量数据获取对应视频容量作为第二数据基本特征；
S1-2-3、根据所述实时短视频流量数据获取对应流量峰值与流量谷值建立峰谷映射作为第三数据基本特征；
S1-2-4、获取所述实时短视频流量数据的实时播放量作为辅助动态数据基本特征；
S1-2-5、利用所述第一数据基本特征、第二数据基本特征、第三数据基本特征与辅助动态数据基本特征作为数据基本特征集合；
其中，所述视频类型为视频文件格式；
S1-3、根据所述数据基本特征集合建立流量数据特征集合；
S1-3-1、利用所述数据基本特征集合的第一数据基本特征对应通信协议作为第一流量数据特征；
S1-3-2、利用所述数据基本特征集合的第二数据基本特征对应网络存储地址作为第二流量数据特征；
S1-3-3、利用所述数据基本特征集合的第三数据基本特征对应网络带宽作为第三流量数据特征；
S1-3-4、利用所述第一流量数据特征、第二流量数据特征与第三流量数据特征作为流量数据特征集合；
S1-4、利用所述数据基本特征集合与流量数据特征集合作为短视频流量特征集合；
S2、利用所述短视频流量特征集合对实时短视频流量数据进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果；
S2-1、利用所述实时短视频流量数据与短视频流量特征集合得到短视频流量数据的时序数据流分析结果；
S2-1-1、利用所述实时短视频流量数据与短视频流量特征集合的数据基本特征集合进行合理性验证处理得到短视频流量数据的合理性验证结果；
S2-1-2、利用所述实时短视频流量数据与短视频流量特征集合的流量数据特征集合进行安全性验证处理得到短视频流量数据的安全性验证结果；
S2-1-3、利用所述短视频流量数据的合理性验证结果与安全性验证结果作为短视频流量数据的时序数据流分析结果；
S2-2、根据所述短视频流量数据的时序数据流分析结果进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果；
S3、根据所述实时短视频流量数据的反向安全验证处理结果得到短视频流量数据分析结果。
2.如权利要求1所述的一种短视频流量数据分析方法，其特征在于，利用所述实时短视频流量数据与短视频流量特征集合的数据基本特征集合进行合理性验证处理得到短视频流量数据的合理性验证结果包括：
S2-1-1-1、根据所述短视频流量特征集合的数据基本特征集合对应辅助动态数据基本特征作为合理性动态节点；
S2-1-1-2、利用当前时刻作为合理性验证起始时刻t；
S2-1-1-3、利用所述合理性验证起始时刻t的合理性动态节点与t+1时刻的合理性动态节点的差值作为短视频流量数据的时段数据基准；
S2-1-1-4、利用所述合理性验证起始时刻t的合理性动态节点与t+1时刻的合理性动态节点的播放量趋势作为短视频流量数据的时段走向基准；
S2-1-1-5、判断所述合理性验证起始时刻t的第一数据基本特征与t+1时刻的第一数据基本特征是否一致，若是，则执行S2-1-1-6，否则，所述短视频流量数据的合理性验证结果为混乱，不更新当前时刻，并返回S1-1；
S2-1-1-6、判断所述合理性验证起始时刻t的第二数据基本特征与t+1时刻的第二数据基本特征是否一致，若是，则执行S2-1-1-7，否则，所述短视频流量数据的合理性验证结果为修改，更新当前时刻，并返回S1-1；
S2-1-1-7、判断所述合理性验证起始时刻t的第三数据基本特征与t+1时刻的第三数据基本特征是否一致，若是，则直接执行S2-1-1-9，否则，执行S2-1-1-8；
S2-1-1-8、判断所述合理性验证起始时刻t的第三数据基本特征和t+1时刻的第三数据基本特征的阈值差值，与t+1时刻的第三数据基本特征和t+2时刻的第三数据基本特征的阈值差值是否趋势相同，若是，则执行S2-1-1-9，否则，所述短视频流量数据的合理性验证结果为异常，更新当前时刻，并返回S1-1；
S2-1-1-9、判断所述合理性验证起始时刻t与t+1时刻间的时段数据基准与时段走向基准是否完全对应，若是，则所述短视频流量数据的合理性验证结果为合理，否则，所述短视频流量数据的合理性验证结果为不合理；
其中，所述阈值差值为第三数据基本特征的流量峰值与流量谷值的差值，趋势相同为阈值差值变化趋势相同。
3.如权利要求2所述的一种短视频流量数据分析方法，其特征在于，利用所述实时短视频流量数据与短视频流量特征集合的流量数据特征集合进行安全性验证处理得到短视频流量数据的安全性验证结果包括：
S2-1-2-1、利用当前时刻作为安全性验证起始时刻k；
S2-1-2-2、判断所述安全性验证起始时刻k的第一流量数据特征与k+1时刻的第一流量数据特征是否一致，若是，则执行S2-1-2-3，否则，所述短视频流量数据的安全性验证结果为传输错误，不更新当前时刻，并返回S1-3-1；
S2-1-2-3、判断所述安全性验证起始时刻k的第二流量数据特征与k+1时刻的第二流量数据特征是否一致，若是，则执行S2-1-2-4，否则，所述短视频流量数据的安全性验证结果为存储误差，不更新当前时刻，并返回S1-3-1；
S2-1-2-4、判断所述安全性验证起始时刻k的第三流量数据特征和k+1时刻的第三流量数据特征的差值，与k+1时刻的第三流量数据特征和k+2时刻的第三流量数据特征的差值是否浮动趋势相同，若是，则所述短视频流量数据的安全性验证结果为正常，否则，所述短视频流量数据的安全性验证结果为异常，更新当前时刻，并返回S1-3-1；
其中，所述浮动趋势相同为差值变化的趋势相同，所述安全性验证起始时刻k晚于合理性验证起始时刻t。
4.如权利要求1所述的一种短视频流量数据分析方法，其特征在于，根据所述短视频流量数据的时序数据流分析结果进行反向安全验证处理得到实时短视频流量数据的反向安全验证处理结果包括：
S2-2-1、判断所述短视频流量数据的时序数据流分析结果对应合理性验证结果与安全性验证结果是否均为正常，若是，则直接输出实时短视频流量数据的反向安全验证处理结果为正常，否则，执行S2-2-2；
S2-2-2、判断所述短视频流量数据的时序数据流分析结果对应合理性验证结果是否为异常，若是，则执行S2-2-3，否则，直接执行S2-2-4；
S2-2-3、判断所述短视频流量数据的时序数据流分析结果对应安全性验证结果是否为异常，若是，则所述实时短视频流量数据的反向安全验证处理结果为异常，否则，执行S2-2-4；
S2-2-4、获取所述异常对应验证处理的特征集合作为反向安全验证标签；
S2-2-5、判断所述反向安全验证标签是否为数据基本特征集合，若是，则利用所述第一数据基本特征、第二数据基本特征与第三数据基本特征分别作为第一反向安全验证子标签、第二反向安全验证子标签与第三反向安全验证子标签，否则，利用所述第一流量数据特征、第二流量数据特征与第三流量数据特征分别作为第一反向安全验证子标签、第二反向安全验证子标签与第三反向安全验证子标签；
S2-2-6、利用当前时刻作为反向安全验证起始时刻y；
S2-2-7、判断所述安全验证起始时刻y的第一反向安全验证子标签与y-1时刻的第一反向安全验证子标签是否一致，若是，则执行S2-2-8，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
S2-2-8、判断所述安全验证起始时刻y的第二反向安全验证子标签与y-1时刻的第二反向安全验证子标签是否一致，若是，则执行S2-2-9，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
S2-2-9、判断所述安全验证起始时刻y的第三反向安全验证子标签和y-1时刻的第三反向安全验证子标签的差值，与y-1时刻的第三反向安全验证子标签和y-2时刻的第三反向安全验证子标签的差值是否浮动趋势相同，若是，则所述实时短视频流量数据的反向安全验证处理结果为正常，否则，所述实时短视频流量数据的反向安全验证处理结果为异常；
其中，所述异常对应验证处理的特征集合为数据基本特征集合或流量数据特征集合，所述浮动趋势为差值的变化趋势。
5.如权利要求4所述的一种短视频流量数据分析方法，其特征在于，根据所述实时短视频流量数据的反向安全验证处理结果得到短视频流量数据分析结果包括：
S3-1、判断所述实时短视频流量数据的反向安全验证处理结果是否为异常，若是，则输出实时短视频流量数据与对应短视频流量特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1，否则，执行S3-2；
S3-2、判断所述反向安全验证处理结果对应合理性验证结果是否存在异常，若是，则输出所述数据基本特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1，否则，输出所述流量数据特征集合作为短视频流量数据分析结果，并更新当前时刻，返回S1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410523828.9A CN118101999B (zh) | 2024-04-29 | 2024-04-29 | 一种短视频流量数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410523828.9A CN118101999B (zh) | 2024-04-29 | 2024-04-29 | 一种短视频流量数据分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118101999A CN118101999A (zh) | 2024-05-28 |
| CN118101999B true CN118101999B (zh) | 2024-06-21 |
Family
ID=91142627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410523828.9A Active CN118101999B (zh) | 2024-04-29 | 2024-04-29 | 一种短视频流量数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118101999B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109889533A (zh) * | 2019-03-11 | 2019-06-14 | 北京网御星云信息技术有限公司 | 云环境下的安全防御方法及系统、计算机可读存储介质 |
| CN113378990A (zh) * | 2021-07-07 | 2021-09-10 | 西安电子科技大学 | 基于深度学习的流量数据异常检测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106792835B (zh) * | 2017-02-13 | 2020-12-22 | 金华市智甄通信设备有限公司 | 一种无线设备共享带宽的控制方法及系统 |
| CN113850282A (zh) * | 2021-05-31 | 2021-12-28 | 天翼智慧家庭科技有限公司 | 一种基于动态分类的流量管理方法、系统及装置 |
| CN114547617A (zh) * | 2022-03-01 | 2022-05-27 | 恒安嘉新（北京）科技股份公司 | 确定目标数据的方法、装置、电子设备及存储介质 |
-
2024
- 2024-04-29 CN CN202410523828.9A patent/CN118101999B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109889533A (zh) * | 2019-03-11 | 2019-06-14 | 北京网御星云信息技术有限公司 | 云环境下的安全防御方法及系统、计算机可读存储介质 |
| CN113378990A (zh) * | 2021-07-07 | 2021-09-10 | 西安电子科技大学 | 基于深度学习的流量数据异常检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118101999A (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107864071B (zh) | 一种面向主动安全的数据动态采集方法、装置及系统 | |
| CN111563014B (zh) | 接口服务性能测试方法、装置、设备和存储介质 | |
| CN106909454B (zh) | 一种规则处理方法和设备 | |
| CN112529528B (zh) | 基于大数据流计算的工作流监控与告警方法、装置及系统 | |
| CN118400290B (zh) | 一种基于改进边端架构的agv应用部署处理方法 | |
| CN118035265B (zh) | 一种基于动态数据库的参数记录变更动态处理方法 | |
| CN106649344B (zh) | 一种网络日志压缩方法和装置 | |
| CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
| CN107203464B (zh) | 业务问题的定位方法以及装置 | |
| CN117009774B (zh) | 一种多元数据快速验证方法 | |
| CN117451115B (zh) | 一种用于分拣输送系统的实时状态监测方法 | |
| CN117255031B (zh) | 一种基于多重映射的网络通信认证方法 | |
| CN115185818A (zh) | 一种基于二进制集合的程序依赖簇检测方法 | |
| CN118101999B (zh) | 一种短视频流量数据分析方法 | |
| CN112492627B (zh) | 后到先服务通信系统、发射端设备、介质及性能优化方法 | |
| CN111064637B (zh) | NetFlow数据去重方法及装置 | |
| CN115549862B (zh) | 基于动态解析的mes系统并发性能测试数据接收方法 | |
| CN103593249B (zh) | 一种ha预警方法及虚拟资源管理器 | |
| CN114500011A (zh) | 一种基于行为基线异常分析和事件编排的辅助决策方法 | |
| CN113259396A (zh) | 一种S7comm协议的异常检测方法及装置 | |
| CN112379656A (zh) | 工业系统异常数据的检测的处理方法、装置、设备和介质 | |
| CN112069168A (zh) | 一种设备运行数据云端存储方法 | |
| CN118012674B (zh) | 一种向后故障恢复方法、云操作系统以及智能计算平台 | |
| CN117614880B (zh) | 一种基于动态数组的通信线路实时监测方法 | |
| CN117473200B (zh) | 一种用于网站信息数据的综合采集分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |