[發(fā)明專利]高性能IP網絡中個人標識信息識別系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201711474953.1
• 申請日: 2017-12-29
• 公開（公告）號: CN108199878B
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 劉翼;嵩天
• 申請（專利權）人: 北京理工大學;延安大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;H04L29/06
• 代理公司: 北京正陽理工知識產權代理事務所(普通合伙) 11639
• 代理人: 王民盛

1.網絡個人標識信息識別方法，其特征在于：通過以下步驟實現：

步驟1：IP網絡收集到的流量以PCAP格式輸入到網絡個人標識信息識別系統(tǒng)，包括特征提取模塊、數據過濾與整形模塊、算法執(zhí)行模塊和優(yōu)化模塊；

步驟2：網絡個人標識信息識別系統(tǒng)中的特征提取模塊提取網絡特征字段，得到一個五維的數據組；

步驟3：數據過濾與整形模塊對步驟2輸出的五維的數據組進行過濾與整形；

步驟4：算法執(zhí)行模塊建立用戶行為樹模型，利用用戶行為樹的性質計算出函數VF與函數UVF，然后采用函數VF與函數UVF的計算結果進行兩次檢測，最后輸出PII-DK與PII-VALUE兩個列表，具體為：

步驟4.1：用相同的DOMAIN-KEY的數據建立用戶行為樹模型；

其中，用戶行為樹模型的根為DOMAIN-KEY、第二層為USER、第三層為VALUE，葉子節(jié)點為FREQUENCY；

步驟4.2：計算步驟4.1用戶行為樹模型中每個用戶子樹下節(jié)點的數量，若節(jié)點數量為1且FREQUENCY大于1，則函數VF的值為1，否則VF=0；

步驟4.3：滿足VF=1的數據繼續(xù)計算各用戶節(jié)點的孩子節(jié)點VALUE是否相同，如果與其他VALUE都不同則UVF=1，否則UVF=0；

步驟4.4：滿足VF=UVF=1的DOMAIN-KEY組成PII-DK列表，并將列表中具有相同DOMAIN-KEY的VALUE字段的值構成PII-VALUE列表；

步驟5：優(yōu)化模塊進行校驗和擴散，具體為：

計算步驟4.4中PII-VALUE列表中的每個VALUE值對應的用戶數，若只對應1個用戶，則通過校驗，否則校驗失敗，將包含有校驗失敗的VALUE值的DOMIAN-KEY從PII-DK中刪除；

數據經過校驗后，將PII-DK列表內的所有DOMAIN-KEY記錄包含的VALUE提取出來，建立一個PII-VALUE列表，然后使用這些VALUE值重新計算數據過濾和整形前的數據集，并且DOMAIN-KEY不在PII-DK列表內，擴散過程找出新的DOMAIN-KEY加入到PII-DK列表當中，直到PII-DK沒有更新為止；

步驟6：輸出PII-DK列表；

至此，經過步驟1到步驟6，完成了高性能IP網絡中個人標識信息識別方法。

2.根據權利要求1所述的網絡個人標識信息識別方法，其特征在于：步驟3，具體為：

步驟3.1：按照域名和IP地址的命名規(guī)則過濾掉不符合規(guī)則的數據組；

步驟3.2：刪除數據組中VALUE值少于K個字符的值；

其中，K的取值范圍為自然數；

步驟3.3：刪除數據組中相同DOMAIN和KEY中少于X條記錄的樣本；

其中，X的取值范圍為自然數；

步驟3.4：將數據組中所有符號的URL編碼轉化為UTF-8編碼；

步驟3.5：將數據組中所有的大寫字母轉換為小寫字母；

步驟3.6：移除數據組中的默認值和干擾值；

步驟3.7：利用最長前綴匹配算法聚合相同DOMAIN與VALUE字段內的值，即將相同的DOMAIN和KEY數據中，如果VALUE字段的字符串包含在其他VALUE字符串內，則將它們合并為長度較長的VALUE；

步驟3.8：將DOMAIN字段中所有的三級以上的域名按照三級域名聚合，去除一、二級域名；

步驟3.9：將DOMAIN字段中所有IP地址去掉端口號，并按照相同C類地址的網絡號聚合。