[发明专利]应用特征库生成方法和装置

说明书

本发明公开一种应用特征库生成方法和装置，涉及大数据领域。其中按照预定周期对深度包检测数据进行预处理，以提取出具有预定权重的词，根据具有预定权重的词，通过搜索引擎抓取相关语料，以生成语料库，根据语料库生成应用特征库。本发明利用DPI数据通过自学习以生成应用APP特征库，从而可基于该APP特征库自动识别出DPI数据中的APP应用，有效解决了APP识别的准确性和时效性问题。

技术领域

本发明涉及大数据领域，特别涉及一种应用特征库生成方法和装置。

背景技术

DPI(Deep Packet Inspection，深度包检测)数据中包含丰富的应用APP使用信息，不同APP在DPI中会留下其特征指纹(如特定端口、特定字符串等)。通过对APP的识别，发现用户的APP使用行为，进而为用户行为分析、APP应用分析提供有效手段。

目前APP识别多采用规则或模糊匹配的方法，需要人工维护规则库或APP特征库，特征库多来源自各大APP应用市场。针对不断涌现的新应用，难以保证识别的时效性和准确性。

发明内容

本发明实施例提供一种应用特征库生成方法和装置，利用DPI数据通过自学习以生成应用APP特征库，从而可基于该APP特征库自动识别出DPI数据中的APP应用，有效解决了APP识别的准确性和时效性问题。

根据本发明的一个方面，提供一种应用特征库生成方法，包括：

按照预定周期对深度包检测数据进行预处理，以提取出具有预定权重的词；

根据具有预定权重的词，通过搜索引擎抓取相关语料，以生成语料库；

根据语料库生成应用特征库。

在一个实施例中，对深度包检测数据进行预处理包括：

对深度包检测数据进行分词处理，并去除停用词；

计算词权重；

提取出具有预定权重的词。

在一个实施例中，应用特征库包括关键词、关键词出现个数字典和关键词出现频率字典中的至少一个。

在一个实施例中，在根据语料库生成应用特征库后，还包括：

对于要识别的深度包检测数据，通过应用特征库提取相应的应用特征；

利用应用特征库，识别出与应用特征相对应的应用名称。

在一个实施例中，标注应用名称的中文名称。

根据本发明的另一方面，提供一种应用特征库生成装置，包括：

预处理模块，用于按照预定周期对深度包检测数据进行预处理，以提取出具有预定权重的词；

语料库生成模块，用于根据具有预定权重的词，通过搜索引擎抓取相关语料，以生成语料库；

特征库生成模块，用于根据语料库生成应用特征库。

在一个实施例中，预处理模块用于对深度包检测数据进行分词处理，并去除停用词，计算词权重，提取出具有预定权重的词。

在一个实施例中，应用特征库包括关键词、关键词出现个数字典和关键词出现频率字典中的至少一个。

在一个实施例中，上述装置还包括：

应用识别模块，用于在特征库生成模块根据语料库生成应用特征库后，对于要识别的深度包检测数据，通过应用特征库提取相应的应用特征，利用应用特征库，识别出与应用特征相对应的应用名称。

在一个实施例中，上述装置还包括：

标注模块，用于标注应用名称的中文名称。