[發明專利]一種支持用戶私有IP發現的跨屏追蹤方法

有效

• 申請號: 201810826981.3
• 申請日: 2018-07-25
• 公開（公告）號: CN108924246B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 申德榮;亓建順;聶鐵錚;寇月;于戈
• 申請（專利權）人: 東北大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06F16/9535;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 劉曉嵐

1.一種支持用戶私有IP發現的跨屏追蹤方法，其特征在于：包括以下步驟：

步驟1、構建訓練數據集和測試數據集；選取服務器日志中己知用戶的記錄集合作為訓練數據集，其余記錄集合作為測試數據集；

步驟2、采用半監督學習的方式，計算訓練數據集和測試數據集中所有IP為用戶私有IP的概率；

步驟3、生成候選集，提高跨屏追蹤的處理效率；

步驟3.1、信息聚合；將訓練數據集中的用戶信息以及測試數據集中設備信息和Cookie信息進行聚合，記作其中id_i表示用戶、設備或者Cookie，表示id_j使用了次IP_i；

步驟3.2、生成可用IP集合IP_usable對于每一個IP_i，如果IP_i的用戶私有IP概率pro(IP_i)大于閾值δ，則IP_i可用于候選集生成，將其加入到可用IP集合IP_usable

步驟3.3、生成候選集can；對于測試數據集中的每一個Cookie_i，訓練數據集中的用戶u_j與Cookie_i的共同IP集合，記作若非空且與IP_usable的交集非空，則將(Cookie_i，u_j)作為候選對加入到候選集can，否則不加入到候選集；測試數據集中的設備dev_j與Cookie_i的共同IP集合，記作若非空且與IP_usable的交集非空，則將(Cookie_i，dev_j)作為候選對加入到候選集can，否則不加入到候選集；對于測試數據集中每一個dev_i，訓練數據集的用戶u_j與dev_i的共同IP集合，記作若非空且與IP_usable的交集非空，則將候選對(dev_i，u_j)加入到候選集can，否則不加入到候選集；

步驟4、計算候選集的屬性相似度；針對每個候選對的屬性，計算屬性相似度，得到候選對的屬性相似度向量；對于候選對，分別對日志中的各個屬性計算詞頻-逆文本詞頻(termfrequency-inverse document frequency，即TF-IDF)的相似度以及關聯度相似度，同時計算IP屬性的PIPSim相似度，構成多維的相似度向量；

步驟4.1、計算候選集中候選對的IP屬性的PIPSim(Similarity based on User’sPrivate IP)相似度；

對用戶、設備和Cookie信息進行聚合，得到將按如下所示公式進行歸一化處理：

則聚合信息進一步表示為那么id_i和id_j的PIPSim相似度即為向量的余弦相似度；

步驟4.2、計算候選集中候選對的TF-IDF相似度；

將設備或者Cookie轉換為TF-IDF向量表示，對于候選對的TF-IDF相似度使用向量的余弦相似度表示；所述詞頻和逆文本詞頻的計算公式分別如公式3和公式4所示：

其中，d表示同一設備或Cookie的日志記錄集合，f_t，d表示關鍵詞t在d的所有記錄中出現的頻率，max{f_t′，d，t′∈d}表示詞頻中的最大數；N表示設備和Cookie的總數，|{d∈D：t∈d}|表示設備和Cookie的記錄中出現關鍵詞t的設備和Cookie的總數；

步驟4.3、計算候選集中候選對的關聯相似度；對于候選對(id_i，id_j)的關聯相似度用公式5進行計算：

其中，cooccur(id_i，id_j)為id_i和id_j所有日志記錄中有相同屬性值的日志數；total(id_i)為id_i的日志數；total(D)為候選集中總的日志數；

步驟5、對步驟4得到的屬性相似度向量進行聚合，得到候選對的相似度；

步驟6、使用圖聚類算法對設備和Cookie進行聚類，每一個類簇中的設備和Cookie屬于同一用戶。