[发明专利]一种基于压缩包内容的文件格式识别方法及系统

摘要

本发明公开了一种基于压缩包内容的文件格式识别方法，包括特征提取阶段和文件识别阶段，特征提取阶段获取压缩包类型文件，并提取压缩包类型文件中所有的文件名称，通过统计分析，得到每种压缩包格式的特征标识，并形成特征库，文件识别阶段获取待识别文件，判断待识别文件是否为压缩包类型，获取压缩包类型的待识别文件中包含的所有文件名称，将这些文件名称与特征库中的特征进行匹配，最终报告待识别文件的文件格式。本发明还提出了一种基于压缩包内容的文件格式识别系统，弥补了现有格式识别技术在识别压缩包类型文件时只显示为压缩包文件，而不能精确识别具体压缩包格式的缺陷。

主权项

1.一种基于压缩包内容的文件格式识别方法，其特征在于，包括：收集压缩包类型文件，并记录文件格式；所述压缩包类型文件包括office系列文件、PDF文件和APK文件；获取压缩包类型文件内所有文件的文件名称；对比统计获取的文件名称，得到相同文件格式压缩包类型文件中所共有的文件名称，基于共有的文件名称得到相应压缩包类型文件格式的特征标识；生成用以识别压缩包类型文件格式的特征库，特征库中包含特征标识与压缩包类型文件格式的信息；获取待识别文件，判断待识别文件是否为压缩包类型文件，若不是，则报告未识别；若是，则获取待识别文件内包含的所有文件的文件名称；将获取的文件名称与特征库中的特征标识进行匹配，若匹配成功，则根据所述特征标识对应的压缩包类型文件格式信息报告待识别文件的文件格式；若匹配失败，则报告未识别。