本公开涉及流量检测，尤其涉及一种流量检测方法、装置、电子设备、存储介质及程序产品。
背景技术：
1、本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、随着数字化和智能化的日益加深，网络安全问题面临挑战。
3、相关技术中，为了检测出流量中的异常流量，通常训练有流量检测模型，以用于检测流量。
4、然而，网络环境中的异常流量是会发生变化；同时，异常流量发生在多种场景，且存在异常流量小样本问题。相关技术中的流量检测方案对于较新的异常流量的检测能力较差，且无法检测多场景下的异常流量以及异常流量小样本，导致安全性较差。
技术实现思路
1、有鉴于此，本公开的目的在于提出一种流量检测方法、装置、电子设备、存储介质及程序产品，至少在一定程度上解决相关技术中的技术问题之一。
2、基于上述目的，本公开示例性实施例第一方面提供了一种流量检测方法，包括：
3、确定网络环境流量；
4、基于训练完成的环境检测模型对所述网络环境流量进行处理，得到重构误差；
5、响应于确定所述重构误差大于或等于重构误差阈值，确定所述网络环境流量与训练用网络环境流量之间的差异流量；
6、基于所述差异流量进行元学习，对训练完成的流量检测模型进行更新，得到更新的流量检测模型；
7、基于所述更新的流量检测模型进行流量检测。
8、基于同一发明构思，本公开示例性实施例第二方面提供了一种流量检测装置，包括：
9、网络环境流量确定模块，被配置为确定网络环境流量；
10、重构误差确定模块，被配置为基于训练完成的环境检测模型对所述网络环境流量进行处理，得到重构误差；
11、差异流量确定模块，被配置为响应于确定所述重构误差大于或等于重构误差阈值，确定所述网络环境流量与训练用网络环境流量之间的差异流量；
12、流量检测模型更新模块，被配置为基于所述差异流量进行元学习，对训练完成的流量检测模型进行更新，得到更新的流量检测模型；
13、流量检测模块，被配置为基于所述更新的流量检测模型进行流量检测。
14、基于同一发明构思，本公开示例性实施例第三方面提供了一种电子设备，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，所述处理器执行所述程序时实现如第一方面所述的方法。
15、基于同一发明构思，本公开示例性实施例第四方面提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如第一方面所述的方法。
16、基于同一发明构思，本公开示例性实施例第五方面提供了一种计算机程序产品，包括计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行如第一方面所述的方法。
17、从上面所述可以看出，本公开实施例提供的流量检测方法、装置、电子设备、存储介质及程序产品，该方法包括：确定网络环境流量；基于训练完成的环境检测模型对所述网络环境流量进行处理，得到重构误差；响应于确定所述重构误差大于或等于重构误差阈值，确定所述网络环境流量与训练用网络环境流量之间的差异流量；基于所述差异流量进行元学习，对训练完成的流量检测模型进行更新，得到更新的流量检测模型；基于所述更新的流量检测模型进行流量检测。本公开提供的流量检测模型，可以根据网络环境的变化进行更新，以适应新的网络环境，且能够对多场景下的异常流量以及异常流量小样本进行检测，提高了检测能力，提高了安全性。
1.一种流量检测方法，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，所述训练完成的环境检测模型中包括训练完成的变分自编码器，所述训练完成的变分自编码器中包括训练完成的编码器和训练完成的解码器；
3.根据权利要求2所述的方法，其特征在于，所述训练完成的环境检测模型的训练方式，包括：
4.根据权利要求1所述的方法，其特征在于，所述训练完成的流量检测模型中包括训练完成的元学习网络，所述训练完成的元学习网络的第四权重参数基于不同训练用元学习任务的不同训练用第三权重参数进行动态加权损失处理得到；
5.根据权利要求4所述的方法，其特征在于，所述基于不同所述训练用第三权重参数和所述当前元学习任务的当前第三权重参数进行动态加权损失处理，包括：
6.根据权利要求4所述的方法，其特征在于，所述训练完成的流量检测模型的训练方式，包括：
7.一种流量检测装置，其特征在于，包括：
8.一种电子设备，其特征在于，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，所述处理器执行所述程序时实现如权利要求1至6任意一项所述的方法。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至6任一所述方法。
10.一种计算机程序产品，其特征在于，包括计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行如权利要求1至6任意一项所述的方法。
