[發明專利]應用特征庫生成方法和裝置

在審

• 申請號: 201710620842.0
• 申請日: 2017-07-27
• 公開（公告）號: CN110020037A
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 關迎暉;劉春;向勇;陳翀;陳康
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/953;G06F16/33;G06F17/27
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 劉劍波

本發明公開一種應用特征庫生成方法和裝置，涉及大數據領域。其中按照預定周期對深度包檢測數據進行預處理，以提取出具有預定權重的詞，根據具有預定權重的詞，通過搜索引擎抓取相關語料，以生成語料庫，根據語料庫生成應用特征庫。本發明利用DPI數據通過自學習以生成應用APP特征庫，從而可基于該APP特征庫自動識別出DPI數據中的APP應用，有效解決了APP識別的準確性和時效性問題。

技術領域

本發明涉及大數據領域，特別涉及一種應用特征庫生成方法和裝置。

背景技術

DPI(Deep Packet Inspection，深度包檢測)數據中包含豐富的應用APP使用信息，不同APP在DPI中會留下其特征指紋(如特定端口、特定字符串等)。通過對APP的識別，發現用戶的APP使用行為，進而為用戶行為分析、APP應用分析提供有效手段。

目前APP識別多采用規則或模糊匹配的方法，需要人工維護規則庫或APP特征庫，特征庫多來源自各大APP應用市場。針對不斷涌現的新應用，難以保證識別的時效性和準確性。

發明內容

本發明實施例提供一種應用特征庫生成方法和裝置，利用DPI數據通過自學習以生成應用APP特征庫，從而可基于該APP特征庫自動識別出DPI數據中的APP應用，有效解決了APP識別的準確性和時效性問題。

根據本發明的一個方面，提供一種應用特征庫生成方法，包括：

按照預定周期對深度包檢測數據進行預處理，以提取出具有預定權重的詞；

根據具有預定權重的詞，通過搜索引擎抓取相關語料，以生成語料庫；

根據語料庫生成應用特征庫。

在一個實施例中，對深度包檢測數據進行預處理包括：

對深度包檢測數據進行分詞處理，并去除停用詞；

計算詞權重；

提取出具有預定權重的詞。

在一個實施例中，應用特征庫包括關鍵詞、關鍵詞出現個數字典和關鍵詞出現頻率字典中的至少一個。

在一個實施例中，在根據語料庫生成應用特征庫后，還包括：

對于要識別的深度包檢測數據，通過應用特征庫提取相應的應用特征；

利用應用特征庫，識別出與應用特征相對應的應用名稱。

在一個實施例中，標注應用名稱的中文名稱。

根據本發明的另一方面，提供一種應用特征庫生成裝置，包括：

預處理模塊，用于按照預定周期對深度包檢測數據進行預處理，以提取出具有預定權重的詞；

語料庫生成模塊，用于根據具有預定權重的詞，通過搜索引擎抓取相關語料，以生成語料庫；

特征庫生成模塊，用于根據語料庫生成應用特征庫。

在一個實施例中，預處理模塊用于對深度包檢測數據進行分詞處理，并去除停用詞，計算詞權重，提取出具有預定權重的詞。

在一個實施例中，應用特征庫包括關鍵詞、關鍵詞出現個數字典和關鍵詞出現頻率字典中的至少一個。

在一個實施例中，上述裝置還包括：

應用識別模塊，用于在特征庫生成模塊根據語料庫生成應用特征庫后，對于要識別的深度包檢測數據，通過應用特征庫提取相應的應用特征，利用應用特征庫，識別出與應用特征相對應的應用名稱。

在一個實施例中，上述裝置還包括：

標注模塊，用于標注應用名稱的中文名稱。