[发明专利]基于循环神经网络的文件碎片分类方法及装置

权利要求书

1.一种基于循环神经网络的文件碎片分类方法，其特征在于：

提取文件碎片中的文件内容；

将提取的所述文件内容转换为十六进制的第一字符串序列；将字符串序列的每一个字符与预先形成的字典索引相关联，预定义字典是一个随机初始化而成的低维的实数向量组，每一向量对应一个字符，从预定义字典中引用相应的字符表示，定义字符向量维度为d；

将所述第一字符串序列输入到预先构建的已训练的基于循环神经网络算法的分类模型中，利用所述分类模型对所述文件碎片类型进行判断；在所述基于循环神经网络算法训练过程中更新关联的字符向量使其具有语义信息；

所述方法还包括：将提取的所述文件内容转换为二进制的第二字符串序列，分别获取所述第一字符串序列和所述第二字符串序列的哈希校验值，若所述第一字符串序列的哈希校验值和所述第二字符串序列的哈希校验值不相同，重新提取文件碎片中的文件内容。

2.如权利要求1所述的方法，其特征在于：构建所述基于循环神经网络算法的分类模型，包括：

根据预设条件利用循环神经网络算法建立分类模型；

所述预设条件包括如下条件中的一个或多个：分类模型的配置选项，批量数据大小、训练数据位置、模型输入接口位置信息、输入的文件碎片位置信息、文件碎片大小信息、时序步长和SGD算法选择。

3.如权利要求1或2所述的方法，其特征在于：所述基于循环神经网络算法的分类模型包括至少四层隐藏单元，其中前三层隐藏单元采用全连接神经网络单元。

4.如权利要求1或2所述的方法，其特征在于：所述基于循环神经网络算法的分类模型包括多层隐藏单元，其中一层隐藏单元采用双向循环神经网络。

5.如权利要求1所述的方法，其特征在于：所述提取文件碎片中的文件内容之前，所述方法还包括：

采用已知文件类型特征的文件碎片作为训练参数，对预先构建的基于循环神经网络算法的分类模型进行训练，获得所述分类模型中的各参数。

6.一种基于循环神经网络的文件碎片分类装置，其特征在于：包括信息采集模块、预处理模块和分类处理模块，

所述信息采集模块，用于提取文件碎片中的文件内容；

所述预处理模块，用于提取的将所述文件内容转换为十六进制的第一字符串序列；将字符串序列的每一个字符与预先形成的字典索引相关联，预定义字典是一个随机初始化而成的低维的实数向量组，每一向量对应一个字符，从预定义字典中引用相应的字符表示，定义字符向量维度为d；

所述分类处理模块，用于将预处理模块中的所述第一字符串序列输入到预先构建的基于循环神经网络算法的分类模型中，利用所述分类模型对所述文件碎片类型进行判断；在所述基于循环神经网络算法训练过程中更新关联的字符向量使其具有语义信息；

所述预处理模块还包括：将提取的所述文件内容转换为二进制的第二字符串序列，分别获取所述第一字符串序列和所述第二字符串序列的哈希校验值，若所述第一字符串序列的哈希校验值和所述第二字符串序列的哈希校验值不相同，重新提取文件碎片中的文件内容。

7.如权利要求6所述的装置，其特征在于：所述装置还包括：分类模型构建模块，

所述分类模型构建模块，用于根据预设条件利用循环神经网络算法建立分类模型；

所述预设条件包括如下条件中的一个或多个：分类模型的配置选项，批量数据大小、训练数据位置、模型输入接口位置信息、输入的文件碎片位置信息、文件碎片大小信息、时序步长和SGD算法选择。

8.如权利要求6或7所述的装置，其特征在于：所述基于循环神经网络算法的分类模型包括至少四层隐藏单元，其中前三层隐藏单元采用全连接神经网络单元。