本发明专利技术涉及系统性能优化技术，揭露了一种垃圾文件监测方法，包括：获取系统文件集，提取所述系统文件集中的文件特征，得到文件特征集；利用所述文件特征集构建超平面函数；利用所述超平面函数对所述系统文件集进行分类，得到异常文件集；提取异常文件集中每个文件的文件名，判断所述文件名是否包含预设关键词，若文件名包含预设关键词；则确定所述文件名对应的文件为垃圾文件；将所述垃圾文件自动清理。此外，本发明专利技术还涉及区块链技术，系统文件集及文件特征可存储于区块链的节点。本发明专利技术还提出一种垃圾文件监测装置、电子设备以及存储介质。本发明专利技术可以解决业务垃圾文件监测不全、准确性低的问题。确性低的问题。确性低的问题。
【技术实现步骤摘要】
垃圾文件监测方法、装置、设备及存储介质
[0001]本专利技术涉及系统性能优化
，尤其涉及一种垃圾文件监测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]现有软件行业的后端服务器基本上都采用linux服务器，在Linux服务器上安装软件、运行软件时会产生大量的垃圾文件，当这些垃圾文件达到一定数量级而未被清理时，就会严重影响系统运行，导致系统卡顿、响应过慢，严重情况下还会对服务器硬件造成伤害。
[0003]现有的针对linux系统下的垃圾清理软件，清理软件垃圾的重点主要在于清理软件安装包及其配置、图片缓存、旧的内核文件等系统性程序的垃圾文件，无法识别并清理系统中最活跃、产生文件最多的业务应用产生的业务垃圾，容易导致系统性能下降，严重时会导致系统瘫痪，因此监测业务垃圾文件成为了亟待解决的问题。
技术实现思路
[0004]本专利技术提供一种垃圾文件监测方法、装置及计算机可读存储介质，其主要目的在于解决业务垃圾文件监测难的问题。
[0005]为实现上述目的，本专利技术提供的一种垃圾文件监测方法，包括：
[0006]获取系统文件集；
[0007]提取所述系统文件集中的文件特征，得到文件特征集；
[0008]利用所述文件特征集构建超平面函数；
[0009]利用所述超平面函数对所述系统文件集进行分类，得到异常文件集；
[0010]提取所述异常文件集中每个文件的文件名；
[0011]若所述文件名包含预设关键词，则确定所述文件名对应的文件为垃圾文件；
[0012]清除所述垃圾文件。
[0013]可选地，所述提取所述系统文件集中的文件特征，包括：
[0014]对所述系统文件集中的文件基础项进行解析，得到文件信息；
[0015]对所述文件信息中的字词信息进行数字化转化，得到文件数字化特征；对所述文件信息中的数值信息进行数值化特征提取，得到数值化特征；
[0016]整合所述数字化特征和数值化特征，得到文件特征集。
[0017]可选地，所述利用所述文件特征集构建超平面函数，包括：
[0018]利用预构建的向量转换模型对所述文件特征集中的文件特征执行向量化操作，得到特征向量集；
[0019]将所述向量特征集映射到坐标集中，得到特征向量坐标集，其中，所述特征向量坐标集的维度与所述特征向量集中的特征向量数量一致；
[0020]计算所述特征向量坐标集中任意两个坐标之间的欧式距离，并选择所述欧式距离最小的特征坐标作为目标特征坐标；
[0021]将所述目标特征坐标分别构建左边界函数和右边界函数，并构建到所述左边界函数和右边界函数距离一致的坐标点集，根据所述坐标点集构建超平面函数。
[0022]可选地，所述利用所述超平面函数对所述系统文件集进行分类，得到异常文件集，包括：
[0023]计算所述目标特征坐标到所述超平面函数的距离值，并根据所述距离值构建最小距离函数；
[0024]构建约束条件，并利用拉格朗日乘数法求解基于所述约束条件的最小距离函数，得到超平面其中，所述约束条件为每个所述目标特征坐标到超平面的距离都大于等于所述最小距离函数；
[0025]利用所述超平面对所述系统文件集进行分类，得到异常文件集。
[0026]可选地，所述约束条件如下：
[0027][0028]其中，γ
i
为所述目标特征坐标到所述超平面函数的距离值，x
i
是第i个目标特征坐标，y
i
是x
i
属于左边界函数还是右边界函数的类别标记，其中，所述类别标记为+1或
‑
1，w和b为预设的固定参数。
[0029]可选地，所述在所述文件名包含预设关键词时，确定所述文件名对应的文件为垃圾文件，包括：
[0030]将所述每个文件的文件名与预构建的垃圾文件关键词进行匹配；
[0031]当所述文件的文件名与任何一个垃圾文件关键词匹配成功时，确定所述文件的文件名包含预设关键词，则确定所述文件为垃圾文件。
[0032]可选地，所述将所述垃圾文件自动清理，包括：
[0033]根据所述垃圾文件的文件名获取所述垃圾文件存储路径；
[0034]在所述存储路径内清除所述垃圾文件。
[0035]为了解决上述问题，本专利技术还提供一种垃圾文件监测装置，所述装置包括：
[0036]文件特征获取模块，用于提取所述系统文件集中的特征，得到文件特征集；
[0037]超平面函数构建模块，用于利用所述文件特征集构建超平面函数；
[0038]文件分类模块，用于利用所述超平面函数对所述系统文件集进行分类，得到异常文件集；
[0039]垃圾文件识别模块，用于在所述文件名包含预设关键词时，确定所述文件名对应的文件为垃圾文件；
[0040]垃圾文件清理模块，用于清除所述垃圾文件。
[0041]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0042]至少一个处理器；以及，
[0043]与所述至少一个处理器通信连接的存储器；其中，
[0044]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的垃圾文件监测方法。
[0045]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存
储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的垃圾文件监测方法。
[0046]本专利技术实施例通过提取系统文件集中的特征，得到文件特征集，并通过所述文件特征集构建超平面函数，利用所述超平面函数对系统文件集进行分类，可以更全面的筛选出异常文件，再根据异常文件中的文件名判断文件名是否包含预设关键词，若包含预设关键词则确定所述文件为垃圾文件。从而从所述异常文件中更为准确的识别垃圾文件。因此本专利技术提出的垃圾文件监测方法、装置、电子设备及计算机可读存储介质，可以解决业务垃圾文件监测不全，准确性低的问题。
附图说明
[0047]图1为本专利技术一实施例提供的垃圾文件监测方法的流程示意图；
[0048]图2为本专利技术一实施例提供的超平面函数构建的的流程示意图；
[0049]图3为本专利技术一实施例提供的生成异常文件集的流程示意图；
[0050]图4为本专利技术一实施例提供的垃圾文件监测装置的功能模块图；
[0051]图5为本专利技术一实施例提供的实现所述垃圾文件监测方法的电子设备的结构示意图。
[0052]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0053]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0054]本申请实施例提供一种垃圾文件监测方法。所述垃圾文件监测方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种垃圾文件监测方法，其特征在于，所述方法包括：获取系统文件集；提取所述系统文件集中的文件特征，得到文件特征集；利用所述文件特征集构建超平面函数；利用所述超平面函数对所述系统文件集进行分类，得到异常文件集；提取所述异常文件集中每个文件的文件名；在所述文件名包含预设关键词时，确定所述文件名对应的文件为垃圾文件；清除所述垃圾文件。2.如权利要求1所述的垃圾文件监测方法，其特征在于，所述提取所述系统文件集中的文件特征，得到文件特征集，包括：对所述系统文件集中的文件基础项进行解析，得到文件信息；对所述文件信息中的字词信息进行数字化转化，得到文件数字化特征；对所述文件信息中的数值信息进行数值化特征提取，得到数值化特征；整合所述数字化特征和数值化特征，得到文件特征集。3.如权利要求1所述的垃圾文件监测方法，其特征在于，所述利用所述文件特征集构建超平面函数，包括：利用预构建的向量转换模型对所述文件特征集中的文件特征执行向量化操作，得到特征向量集；将所述向量特征集映射到坐标集中，得到特征向量坐标集，其中，所述特征向量坐标集的维度与所述特征向量集中的特征向量数量一致；计算所述特征向量坐标集中任意两个坐标之间的欧式距离，并选择所述欧式距离最小的特征坐标作为目标特征坐标；将所述目标特征坐标分别构建左边界函数和右边界函数，并构建到所述左边界函数和右边界函数距离一致的坐标点集，根据所述坐标点集构建超平面函数。4.如权利要求1所述的垃圾文件监测方法，其特征在于，所述利用所述超平面函数对所述系统文件集进行分类，得到异常文件集，包括：计算所述目标特征坐标到所述超平面函数的距离值，并根据所述距离值构建最小距离函数；构建约束条件，并利用拉格朗日乘数法求解基于所述约束条件的最小距离函数，得到超平面，其中，所述约束条件为每个所述目标特征坐标到所述超平面的距离都大于等于所述最小距离函数；利用所述超平面对所述系统文件集进行分类，得到异常文件集。5.如权利要求4所述的垃圾文件监测方法，其特征在于，所述约束条件如下：4所述...
【专利技术属性】
技术研发人员：孙浩鑫，梁俊杰，周军，赖众程，高洪喜，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。