一种获取APP业务特征库的方法及相应的装置制造方法及图纸

本发明专利技术公开了一种获取APP业务特征库的方法及相应的装置，该方法包括：获取APP安装包、现网业务数据和模拟业务数据；分别解析APP安装包、现网业务数据和模拟业务数据，得到各自所属的APP名称，生成学习数据集；对现网业务数据和模拟业务数据进行特征提取，得到包含至少一个业务特征的业务特征树；将业务特征树与学习数据集进行特征匹配，确定业务特征树中的各个业务特征所属的APP名称，生成业务特征库。本发明专利技术的现网业务数据具有一定的复杂性，可以消除数据盲区，保证了识别率；从多特征维度构造业务特征库，能够有效识别辨识度较低的业务数据，提高了特征识别的精准性，能够有效解决人力。

A Method of Obtaining APP Business Feature Base and Its Corresponding Device

【技术实现步骤摘要】
一种获取APP业务特征库的方法及相应的装置
本专利技术属于大数据领域，更具体地，涉及一种获取APP业务特征库的方法及相应的装置。
技术介绍
近几年来，计算机技术迅猛发展，大数据和机器学习等热门领域更是精彩纷呈。在互联网方面，用户画像、精准营销成为产业热词，而这一系列技术的基础就是有标签的数据。对于DPI(DeepPacketInspection，简写为DPI)产品来说，业务流量就是数据，怎样合理的利用好业务数据是DPI产品的重中之重。在这需求之中：APP(Application，简写为APP)业务识别正是分析处理基础数据的关键技术。现有技术中，关于APP特征识别存在几种不同的方案，例如，申请号为CN201710453676.X的专利，公开了一种APP识别规则的获取方法及装置，该专利只采集了本地一段时间内模拟产生的业务特征数据，具有一定数据盲区，且采用分词的方式采集特征，特征值具有单一性，没有使用复合特征，不能满足DPI识别的要求。申请号为CN201810346473.5的专利，公开了一种APP流量自动识别模型构建方法，该专利虽然顾及到了本地模拟抓包数据集，但是由于模拟抓包数据集中不包含基于IOS的业务数据，且IOS应用和安卓应用的服务具有一定的隔离性，该专利无法做到双系统的特征均识别到位，覆盖面较窄。申请号为CN201610994224.8的专利，公开了一种APP识别方法及系统，该专利只对安装包内的URL进行了分析，识别力度较弱，很容易产生特征盲区，造成共有特征被认定为私有特征。鉴于此，克服该现有技术所存在的缺陷是本
亟待解决的问题。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种获取APP业务特征库的方法及相应的装置，其目的在于，本专利技术中的现网业务数据具有一定的复杂性，解决了本地抓包的模拟数据的局限性和单一性，可以消除数据盲区，保证了识别率；而且，结合APP安装包、现网业务数据和模拟业务数据，可以得到复合特征，进而从多特征维度构造业务特征库，能够有效识别辨识度较低的业务数据，提高了特征识别的精准性，能够有效解决人力。为实现上述目的，按照本专利技术的一个方面，提供了一种获取APP业务特征库的方法，所述APP业务特征库用于识别用户数据所属的APP名称，所述方法包括：获取APP安装包、现网业务数据和模拟业务数据；分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集；对所述现网业务数据和所述模拟业务数据进行特征提取，得到包含至少一个业务特征的业务特征树；将所述业务特征树与所述学习数据集进行特征匹配，确定所述业务特征树中的各个业务特征所属的APP名称，并将所述业务特征树中的各个业务特征与各自所属的APP名称建立映射关系，生成业务特征库。优选地，所述学习数据集包括第一标签数据集，所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：在获取所述APP安装包的过程中，从应用市场中爬取所述APP安装包所属的APP名称，或，解析所述APP安装包得到所述APP安装包所属的APP名称；解析所述APP安装包，得到所述APP安装包内所包含的URL数据，将所述URL数据与其所属的APP名称建立映射关系，得到第一标签数据集，将所述第一标签数据集添加至所述学习数据集中。优选地，所述获取APP安装包、现网业务数据和模拟业务数据包括：触发模拟器安装所述APP安装包，并遍历APP的功能；在APP运行期间，采用抓包工具获取APP业务流量，其中，每一所述APP业务流量与其所属的APP安装包一一对应；将所述APP业务流量按照预设的格式进行存储，得到模拟业务数据，其中，每一所述模拟业务数据与其所属的APP安装包一一对应。优选地，所述学习数据集包括第二标签数据集，所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：在获取所述APP安装包的过程中，从应用市场中爬取所述APP安装包所属的APP名称，或，解析所述APP安装包得到所述APP安装包所属的APP名称；将所述模拟业务数据与其所属的APP名称建立映射关系，得到第二标签数据集，将所述第二标签数据集添加至所述学习数据集中。优选地，所述获取APP安装包、现网业务数据和模拟业务数据包括：在实际网络环境中，搜集用户使用各类APP时所产生的数据，得到现网业务数据。优选地，所述学习数据集包括第三标签数据集，所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：在获取所述APP安装包的过程中，从应用市场中爬取所述APP安装包所属的APP名称，或，解析所述APP安装包得到所述APP安装包所属的APP名称；解析所述APP安装包，得到所述APP安装包的包名，其中，所述包名中包含所述APP安装包对应的APP标识，将所述包名与其所属的APP名称建立映射关系；解析所述现网业务数据，得到所述现网业务数据中的UA数据，其中，所述UA数据中包含产生所述现网业务数据的APP的APP标识；采用字符串相似性判断算法，对所述包名和所述UA数据进行识别，当所述包名内的APP标识与所述UA数据中的APP标识相同时，所述UA数据所属的APP名称与所述包名所属的APP名称相同，得到所述现网业务数据所属的APP名称；将所述现网业务数据与其所属的APP名称建立映射关系，得到第三标签数据集，将所述第三标签数据集添加至所述学习数据集中。优选地，所述APP安装包具体包括基于安卓系统的apk包和基于IOS系统的ipa包；所述解析所述APP安装包，得到所述APP安装包的包名包括：识别所述APP安装包所适用的系统类型；当所述APP安装包为基于安卓系统的apk包时，从AndroidManifest文件中提取APP安装包的包名；当所述APP安装包为基于IOS系统的ipa包时，从PropertyList文件中提取APP安装包的包名。优选地，所述学习数据集包括第二标签数据集和第三标签数据集；所述模拟业务数据是模拟器在安装所述APP安装包后，遍历APP功能时所产生的数据，其中，所述模拟业务数据中包含模拟器的设备号，所述现网业务数据是实际网络环境下，用户使用各类APP时所产生的数据；所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：获取所述模拟业务数据中重复率高于第一预设阈值的特征项，将所述特征项遍历所述现网业务数据；若所述特征项在所述现网业务数据中的出现率不大于第二预设阈值，则将所述特征项标记为模拟器的设备号，并本文档来自技高网...

【技术保护点】
1.一种获取APP业务特征库的方法，其特征在于，所述APP业务特征库用于识别用户数据所属的APP名称，所述方法包括：获取APP安装包、现网业务数据和模拟业务数据；分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集；对所述现网业务数据和所述模拟业务数据进行特征提取，得到包含至少一个业务特征的业务特征树；将所述业务特征树与所述学习数据集进行特征匹配，确定所述业务特征树中的各个业务特征所属的APP名称，并将所述业务特征树中的各个业务特征与各自所属的APP名称建立映射关系，生成业务特征库。

【技术特征摘要】
1.一种获取APP业务特征库的方法，其特征在于，所述APP业务特征库用于识别用户数据所属的APP名称，所述方法包括：获取APP安装包、现网业务数据和模拟业务数据；分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集；对所述现网业务数据和所述模拟业务数据进行特征提取，得到包含至少一个业务特征的业务特征树；将所述业务特征树与所述学习数据集进行特征匹配，确定所述业务特征树中的各个业务特征所属的APP名称，并将所述业务特征树中的各个业务特征与各自所属的APP名称建立映射关系，生成业务特征库。2.根据权利要求1所述的方法，其特征在于，所述学习数据集包括第一标签数据集，所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：在获取所述APP安装包的过程中，从应用市场中爬取所述APP安装包所属的APP名称，或，解析所述APP安装包得到所述APP安装包所属的APP名称；解析所述APP安装包，得到所述APP安装包内所包含的URL数据，将所述URL数据与其所属的APP名称建立映射关系，得到第一标签数据集，将所述第一标签数据集添加至所述学习数据集中。3.根据权利要求1所述的方法，其特征在于，所述获取APP安装包、现网业务数据和模拟业务数据包括：触发模拟器安装所述APP安装包，并遍历APP的功能；在APP运行期间，采用抓包工具获取APP业务流量，其中，每一所述APP业务流量与其所属的APP安装包一一对应；将所述APP业务流量按照预设的格式进行存储，得到模拟业务数据，其中，每一所述模拟业务数据与其所属的APP安装包一一对应。4.根据权利要求3所述的方法，其特征在于，所述学习数据集包括第二标签数据集，所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：在获取所述APP安装包的过程中，从应用市场中爬取所述APP安装包所属的APP名称，或，解析所述APP安装包得到所述APP安装包所属的APP名称；将所述模拟业务数据与其所属的APP名称建立映射关系，得到第二标签数据集，将所述第二标签数据集添加至所述学习数据集中。5.根据权利要求1所述的方法，其特征在于，所述获取APP安装包、现网业务数据和模拟业务数据包括：在实际网络环境中，搜集用户使用各类APP时所产生的数据，得到现网业务数据。6.根据权利要求5所述的方法，其特征在于，所述学习数据集包括第三标签数据集，所述分别解析所述APP安装包、所述现网业务数据和所述模拟业务数据，得到各自所属的APP名称，并将所述APP安装包、所述现网业务数据和所述模拟业务数据与各自所属的APP名称建立映射关系，生成学习数据集包括：在获取所述APP安装包的过程中，从应用市场中爬取所述APP安装包所属的APP名...

【专利技术属性】
技术研发人员：杨琨，叶志钢，张本军，
申请(专利权)人：武汉绿色网络信息服务有限责任公司，
类型：发明
国别省市：湖北,42