基于大规模语言模型的流量回放方法、装置、计算机设备和存储介质与流程

摘要: 本申请涉及计算机网络与人工智能融合,具体地,涉及一种基于大规模语言模型的流量回放方法、装置、计算机设备和存储介质。背景技术:1、目前,现有的流量录制与回放技术多...
基于大规模语言模型的流量回放方法、装置、计算机设备和存储介质与流程

本申请涉及计算机网络与人工智能融合,具体地,涉及一种基于大规模语言模型的流量回放方法、装置、计算机设备和存储介质。

背景技术:

1、目前,现有的流量录制与回放技术多依赖于报文层的精确捕获与逐包重放,存在的问题包括:对高层协议语义忽略,导致回放无法触发应用层逻辑或场景复现不完整;回放场景缺乏灵活性与泛化能力,难以在不同网络环境或服务版本间迁移;隐私与合规问题:录制原始报文常包含敏感信息,需复杂脱敏策略;回放效率与容量问题:原始报文量大,存储与传输成本高。

2、因此,如何利用大语言模型提取网络流量的语义特征并生成可用于高保真、可迁移与可控回放的流量表示,同时降低存储成本、支持脱敏处理并提升回放的业务有效性。

技术实现思路

1、本申请实施例中提供了一种基于大规模语言模型的流量回放方法、装置、计算机设备和存储介质。

2、本申请实施例的第一个方面,提供了一种基于大规模语言模型的流量回放方法,包括:

3、在网络边界或终端部署采集器,按会话或事务粒度捕获原始网络报文;

4、对所述原始网络报文进行解析、分组、协议识别、字段提取以及请求-响应关系匹配,生成结构化会话序列;

5、基于规则与模型结合的脱敏策略对所述结构化会话序列中的敏感字段进行替换或加密,并记录脱敏映射关系;

6、将脱敏后的结构化会话序列输入预先训练的大规模语言模型,生成包含意图、参数抽象、会话流程、边界条件及异常场景的结构化语义表示;

7、将所述结构化语义表示归纳为多层级的会话模板,包括原子请求模板、复合事务模板和业务场景模板,并存入模板库;

8、根据回放目标从所述模板库中选择会话模板,并结合参数采样策略、时间控制策略、并发控制策略以及网络环境仿真策略,生成回放计划;

9、根据所述回放计划重构或生成网络请求,通过协议栈向被测系统发送请求,并在发送过程中注入可控的网络条件;

10、采集被测系统在回放过程中的响应信息与性能指标,并利用大规模语言模型对回放结果进行语义级别的合规性与有效性评估,生成评估报告。

11、在本申请一个可选的实施例中,所述将脱敏后的结构化会话序列输入预先训练的大规模语言模型,生成包含意图、参数抽象、会话流程、边界条件及异常场景的结构化语义表示,包括:

12、所述大规模语言模型通过微调、提示工程或结构化输出约束方式生成所述结构化语义表示,所述语义表示还包括时间特征、并发特征与状态转移信息。

13、‌在本申请一个可选的实施例中,所述模板库支持版本管理、模板复用与参数化变异,用于适配不同网络环境、服务版本或测试场景。

14、在本申请一个可选的实施例中,所述网络条件包括延迟、抖动、丢包、限速中的一种或多种;所述回放执行支持断点续传与异常自动重试机制。

15、在本申请一个可选的实施例中,所述回放执行还支持报文重建或语义驱动请求生成,并可仿真延迟、丢包、限速网络环境。

16、在本申请一个可选的实施例中,所述语义级别的评估包括:判断是否触发预期业务逻辑、是否覆盖异常路径与分支条件、是否出现潜在缺陷,并基于评估结果对模板库进行反馈优化。

17、在本申请一个可选的实施例中,所述方法还包括:收集调用链追踪信息,并结合大规模语言模型对回放结果进行业务逻辑符合性判断与异常覆盖分析。

18、本申请实施例的第二个方面,提供了一种基于大规模语言模型的流量回放装置,包括:

19、生成模块,用于在网络边界或终端部署采集器,按会话或事务粒度捕获原始网络报文;对所述原始网络报文进行解析、分组、协议识别、字段提取以及请求-响应关系匹配,生成结构化会话序列;

20、输入模块,用于基于规则与模型结合的脱敏策略对所述结构化会话序列中的敏感字段进行替换或加密,并记录脱敏映射关系;将脱敏后的结构化会话序列输入预先训练的大规模语言模型,生成包含意图、参数抽象、会话流程、边界条件及异常场景的结构化语义表示;

21、选择模块,用于将所述结构化语义表示归纳为多层级的会话模板,包括原子请求模板、复合事务模板和业务场景模板,并存入模板库;根据回放目标从所述模板库中选择会话模板,并结合参数采样策略、时间控制策略、并发控制策略以及网络环境仿真策略,生成回放计划;

22、评估模块,用于根据所述回放计划重构或生成网络请求,通过协议栈向被测系统发送请求,并在发送过程中注入可控的网络条件;采集被测系统在回放过程中的响应信息与性能指标,并利用大规模语言模型对回放结果进行语义级别的合规性与有效性评估,生成评估报告。

23、本申请实施例的第三个方面,提供了一种计算机设备,包括:包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上任一项基于大规模语言模型的流量回放方法的步骤。

24、本申请实施例的第四个方面,提供了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,计算机程序被处理器执行时实现如上任一项的基于大规模语言模型的流量回放方法的步骤。

25、本申请实施例提供的上述技术方案与现有技术相比至少具有如下优点的部分或全部:

26、本申请实施例所述的基于大规模语言模型的流量回放方法,在网络边界或终端部署采集器,按会话或事务粒度捕获原始网络报文;对所述原始网络报文进行解析、分组、协议识别、字段提取以及请求-响应关系匹配,生成结构化会话序列;基于规则与模型结合的脱敏策略对所述结构化会话序列中的敏感字段进行替换或加密,并记录脱敏映射关系;将脱敏后的结构化会话序列输入预先训练的大规模语言模型,生成包含意图、参数抽象、会话流程、边界条件及异常场景的结构化语义表示;将所述结构化语义表示归纳为多层级的会话模板,包括原子请求模板、复合事务模板和业务场景模板,并存入模板库;根据回放目标从所述模板库中选择会话模板,并结合参数采样策略、时间控制策略、并发控制策略以及网络环境仿真策略,生成回放计划;根据所述回放计划重构或生成网络请求,通过协议栈向被测系统发送请求,并在发送过程中注入可控的网络条件;采集被测系统在回放过程中的响应信息与性能指标,并利用大规模语言模型对回放结果进行语义级别的合规性与有效性评估,生成评估报告,能够从报文中抽取语义信息、构建可泛化的会话表示,并在保证隐私的前提下进行高效回放。

1.一种基于大规模语言模型的流量回放方法,其特征在于,包括:

2.‌根据权利要求1所述的方法,其特征在于,所述将脱敏后的结构化会话序列输入预先训练的大规模语言模型,生成包含意图、参数抽象、会话流程、边界条件及异常场景的结构化语义表示,包括:

3.根据权利要求1所述的方法,其特征在于,所述模板库支持版本管理、模板复用与参数化变异,用于适配不同网络环境、服务版本或测试场景。

4.根据权利要求1所述的方法,其特征在于,所述网络条件包括延迟、抖动、丢包、限速中的一种或多种;所述回放执行支持断点续传与异常自动重试机制。

5.根据权利要求4所述的方法,其特征在于,所述回放执行还支持报文重建或语义驱动请求生成,并可仿真延迟、丢包、限速网络环境。

6.根据权利要求1所述的方法,其特征在于,所述语义级别的评估包括:判断是否触发预期业务逻辑、是否覆盖异常路径与分支条件、是否出现潜在缺陷,并基于评估结果对模板库进行反馈优化。

7.根据权利要求1所述的方法,其特征在于,所述方法还包括:收集调用链追踪信息,并结合大规模语言模型对回放结果进行业务逻辑符合性判断与异常覆盖分析。

8.一种基于大规模语言模型的流量回放装置,其特征在于,包括:

9.一种计算机设备,包括:包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述基于大规模语言模型的流量回放方法的步骤。

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至7中任一项所述基于大规模语言模型的流量回放方法的步骤。