[发明专利]基于嵌套式深度孪生神经网络的移动端用户行为检测方法

说明书

本发明公开了基于嵌套式深度孪生神经网络的移动端用户行为检测方法，包括以下步骤：分别采集纯净流量包和真实流量包，并构建训练数据；将纯净流量包和真实流量包的大小作为其特征，并对特征进行对10取模运算；分别用正数和负数表示流入和流出移动端的流量包；对纯净流量包和真实流量包进行重新排列后，滤除干扰纯净流量包和干扰真实流量包；构建嵌套式深度孪生神经网络，并根据训练数据对其进行训练；将待检测的真实流量包输入训练好的嵌套式深度孪生神经网络，得到移动端用户行为的识别结果。本发明需要的基础数据少，易于实现，且不用手动去除噪音流量，能够精准的识别移动端的用户行为。

技术领域

本发明属于移动应用流量分析领域，具体涉及基于嵌套式深度孪生神经网络的移动端用户行为检测方法。

背景技术

随着无线通信和移动互联网的迅速发展，移动终端和智能手机变得越来越普及和强大，移动用户的数量也在迅速增加。移动终端和智能手机的普及推动了计算机互联网向移动互联网的转型。智能手机用户通常会根据自己的兴趣来安装和使用应用程序。数以百万计的应用程序被开发出来，提供丰富的服务，从新闻、天气、社交、娱乐到医疗、健身、金融等行业。谷歌Play Store现在拥有超过210万个应用程序，苹果商店拥有180万多个应用程序。同时，由于智能手机与移动用户之间的高黏附性，使得数据敏感度更高，信息泄漏的可能性更大，对用户造成的损失更严重。因此，对移动应用流量进行分析和检测，提高移动终端的安全性和私密性，是移动安全领域最重要的任务之一。但是现有的技术有以下缺点：需要收集大量的用户行为数据用于模型的训练与提升；只能对单个APP的用户行为进行智能识别。

发明内容

针对现有技术中的上述不足，本发明提供的基于嵌套式深度孪生神经网络的移动端用户行为检测方法解决了现有技术存在的问题。

为了达到上述发明目的，本发明采用的技术方案为：基于嵌套式深度孪生神经网络的移动端用户行为检测方法，包括以下步骤：

S1、采集移动端用户n*m个行为的M个纯净流量包和M个真实流量包；

S2、将纯净流量包和真实流量包进行配对，构建训练数据；

S3、提取训练数据中纯净流量包和真实流量包的大小，将纯净流量包和真实流量包的大小作为其第一特征；

S4、将纯净流量包和真实流量包的第一特征进行对10取模运算，得到纯净流量包和真实流量包的第二特征；

S5、将流入移动端的纯净流量包和真实流量包的第二特征用正数表示方向，将流出移动端的纯净流量包和真实流量包的第二特征用负数表示方向；

S6、根据纯净流量包和真实流量包中的信息，对纯净流量包和真实流量包进行重新排列，并滤除干扰纯净流量包和干扰真实流量包；

S7、构建嵌套式深度孪生神经网络，并根据训练数据对其进行训练；

S8、将待检测的真实流量包输入训练完成的嵌套式深度孪生神经网络，通过嵌套式深度孪生神经网络检验真实流量包中包含的与纯净流量包相同的行为模式，得到移动端用户行为的识别结果。

进一步地，所述步骤S1包括以下分步骤：

S1.1、在移动端上安装待采集流量的n个APP，采集时单独运行一个APP，并在其每一个操作时，采集一个纯净流量包；

S1.2、采集n个APP的m个操作，得到移动端用户n*m个行为的纯净流量包；

S1.3、重复M次步骤S1.2，得到移动端用户n*m个行为的M个纯净流量包；

S1.4、在移动端上安装待采集流量的n个APP和若干日常APP，同时运行多个APP，采集n个APP的m个操作，每个操作采集一个真实流量包，得到移动端用户n*m个行为的真实流量包；