[发明专利]应用识别方法和装置

说明书

本公开公开了一种应用识别方法和装置，涉及安全领域。其中的方法包括：获取应用与特征的关联矩阵图；提取待识别流量数据中的特征组合；基于关联矩阵图，计算特征组合相对于每个关联应用的特征分值；根据特征分值，识别出待识别流量数据对应的应用。本公开能够提高应用识别的有效性和准确性。

技术领域

本公开涉及安全领域，尤其涉及一种应用识别方法和装置。

背景技术

在移动互联网时代，App(Application，应用)是主要的流量载体。对于运营商，移动端App成为用户移动数据流量的主要来源。App通过HTTP协议与其主机服务进行通信，与其他HTTP数据交换无异。

随着H5渗入App的开发，App数据传输使用HTTP/HTTPS，理解HTTP流量构成并识别头部App及运营商自营/合作App对运营商进行网络规划、流量监控、市场分析至关重要。

但无法基于端口和协议识别应用，而采用基于DPI(Deep Packet Inspection，深度包检测)的特征识别APP，由于具有特征的移动流量占比极少，从而APP识别的有效性低。

发明内容

本公开要解决的一个技术问题是，提供一种应用识别方法和装置，能够提高应用识别的有效性。

根据本公开一方面，提出一种应用识别方法，包括：获取应用与特征的关联矩阵图；提取待识别流量数据中的特征组合；基于关联矩阵图，计算特征组合相对于每个关联应用的特征分值；根据特征分值，识别出待识别流量数据对应的应用。

在一些实施例中，获取流量训练数据；提取每个应用的特征；根据每个应用的特征对流量训练数据进行基于特征的分组，建立应用与特征的关联矩阵图；其中，关联矩阵图中包括：每个特征在每个应用中出现的次数，以及每个特征在流量训练数据中出现的总次数。

在一些实施例中，计算特征组合相对于每个关联应用的特征分值包括：计算特征组合中每个特征，相对于每个关联应用出现的概率；将特征组合相对于每个关联应用出现的概率之和，作为特征组合相对于每个关联应用的特征分值。

在一些实施例中，计算特征组合相对于每个关联应用的特征分值还包括：确定每个特征对应的权值指标，其中，每个特征对应的权值指标为相应的特征对应的应用个数的倒数；根据每个特征对应的权值指标，计算特征组合相对于每个关联应用出现的加权概率和；将加权概率和，作为特征组合相对于每个关联应用的特征分值。

在一些实施例中，将待识别流量数据，按照时间进行划分；识别每个时间段内待识别流量数据对应的应用。

在一些实施例中，提取每个应用的特征包括以下步骤中的一种或多种：根据流量训练数据进行协议解析，确定每个应用的特征；基于应用商店提取每个应用的特征；将每个应用的第三方流量作为对应应用的特征。

在一些实施例中，将提取的特征在搜索引擎进行应用关联，去除特征中用户代理字段中的无效字段。

根据本公开的另一方面，还提出一种应用识别装置，包括：关联矩阵获取单元，被配置为获取应用与特征的关联矩阵图；特征提取单元，被配置为提取待识别流量数据中的特征组合；特征分值计算单元，被配置为基于关联矩阵图，计算特征组合相对于每个关联应用的特征分值；应用流量识别单元，被配置为根据特征分值，识别出待识别流量数据对应的应用。

在一些实施例中，关联矩阵图构建单元，被配置为获取流量训练数据，提取每个应用的特征，根据每个应用的特征，对流量训练数据进行基于特征的分组，建立应用与特征的关联矩阵图；其中，关联矩阵图中包括：每个特征在每个应用中出现的次数，以及每个特征在流量训练数据中出现的总次数。

根据本公开的另一方面，还提出一种应用识别装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的应用识别方法。