[发明专利]一种识别AVI类型block的方法

权利要求书

1.一种识别AVI类型block的方法，其特征在于，所述方法包括如下步骤：

步骤1：镜像备份；

所述备份为完全备份，存储在备份对象上的删除数据和未删除数据都被拷贝存储在另一个介质上，包括：

1)选择另一存储介质；

2)根据备份对象不同，选择不同的备份工具，对备份对象的所有数据进行完全备份；

3)备份完成，保存原存储介质；备份在另一存储介质上的数据将用于AVI类型block的识别；

步骤2：提取block；

1)扫描镜像数据，分析元数据，确定镜像中已分配的block和未分配的block；

2)已分配的block数据不需要恢复；将已分配的block做标记；然后，依次读取出未分配的block，并以txt文件形式存储起来；每一个被以txt格式存储的block是识别的对象；

步骤3：字节标志码匹配；

AVI文件类型属于RIFF封装类型的文件一种；RIFF文件类型包含各种用于区分数据类型的字节识别码；通过对RIFF文件类型的文件分析，除了RIFF这个字节识别码外，这些类型的文件没有其他相同的识别码；通过除RIFF外的字节识别码确定block的类型；

步骤4：C4.5决策树识别；

建立一个与存储介质类型存储环境相当的训练集，该训练集包含了存储介质中所有文件类型的block，并且每种文件类型的block数量足够且相同，然后对这些block进行预处理，包括：

1)应用Matlab提取输入的block的字节频率分布特征，所有文件的字节频率分布特征构成了block数*256的矩阵，并保存为CSV文件；每一行代表一个block的字节频率分布特征，每一列就是一个用作特征的字节值；

2)根据每个block所属的文件类型，确定每一行的属性值；如果该行的字节频率分布为AVI碎片特征，记作Yes，反之，记作No；

对于预处理获得的CSV文件，通过C4.5决策树方法建立决策树，决策树的每个节点都是作为特征的字节值，将字节识别码匹配后剩下的block依次根据C4.5算法识别，包括：

步骤4‐2‐1：读取需要识别的block，提取其字节频率分布特征；

步骤4‐2‐2：根据已经建立的C4.5决策树，在获得某个需要识别的block的字节频率分布后，按照每个节点的阈值逐个选择分支，当判断到叶子结点时，识别完成；

步骤4-2-3：按照步骤4‐2‐1、步骤4‐2‐2完成其他所有block的识别。

2.根据权利要求1所述的一种识别AVI类型block的方法，其特征在于，所述方法的步骤1中包括：确保根据存储介质类型，选择合适的备份软件，并且备份完成后，保存原存储介质；备份的范围从第一个扇区一直到最后一个扇区；备份数据包括元数据部分和实际数据部分。

3.根据权利要求1所述的一种识别AVI类型block的方法，其特征在于，所述方法的步骤2中包括：根据元数据信息，标记出已分配的block，也即不需要恢复的block；对于未分配block，采用txt文件类型将其逐个保存，用于后续识别。

4.根据权利要求1所述的一种识别AVI类型block的方法，其特征在于，所述方法的步骤3中包括：对AVI格式文件特有的字节标识码，有如下：List、avi、hdrl、avih、strl、strf、strd、JUNK、odml、movi、##wb、##dc、##db、rec、idx1；所述标识码对每个需要识别的block进行字节匹配，##表示编号01,02,03…。

5.根据权利要求1所述的一种识别AVI类型block的方法，其特征在于，所述方法的步骤3中，采用KMP方法，对每个以txt格式存储的block进行字节识别码匹配；txt文件中若含有一个匹配的字节标识码，就停止匹配运算，并且认为该block就是AVI类型的block；已识别出来的block组成一个集合，从原来的txt文件集合中剔除出已经识别出来的block，剩下的txt文件用作第二轮C4.5决策树方法识别。