[发明专利]一种还原WEB类应用内容的方法及其系统

说明书

技术领域

本发明属于数据通信领域，涉及一种高效还原WEB类应用内容的方法及其系统。

背景技术

WEB类应用基于HTTP协议，种类繁多，包括目前比较热门的社交类网站、邮箱类网站、BBS类网站、博客类网站、游戏类网站、搜索类网站、在线聊天类网站等。还原WEB类应用的登陆与内容，对网络安全、色情监控等有着非常重要的作用。传统的协议还原方法是基于数据包搜索的，按顺序分析每个HTTP数据包，从而分析出相应的应用协议，并在HTTP内容字段分析出登陆信息，发帖信息等内容。在网络流量小，WEB应用种类少的网络环境中，基于数据包搜索的方法也是可行的，但是如今的网络流量越来越大，WEB类应用在所有网络应用中所占的比例越来越高，而基于数据包搜索的方法的效率也越来越低，同时从事协议还原人员的工作量也越加繁重，所以传统协议还原的方法已经不能满足如今的网络环境。需要一种新的方法来还原WEB类应用的内容。

发明内容

本发明提出了一种基于模板的方法来还原WEB类应用内容的方法及系统，极大地提高了WEB类应用内容还原的性能。

为了实现本发明的目的，本发明的技术方案概述如下：

一种还原WEB类应用内容的方法，其步骤为：

1)根据WEB类应用数据包特征，写成WEB类应用模板文件；

2)读取模板文件并解析，把解析出的关键字组成一个结构体，形成模板链表；

3)将待还原WEB类应用数据包的HTTP头部解析，并取得头部内容；

4)采用匹配算法，将解析出的头部内容中的关键字与模板中的关键字进行比对，找出匹配的模板；

5)解析出待还原WEB类应用数据包HTTP头部内容的关键字和关键内容位置，并将模板描述的关键字与解析出的关键字进行比对，从模板中取出匹配的内容；

6)将匹配的内容按数据库表格式化输出，得到还原的WEB类应用内容。

所述步骤1)采用WEB类描述语言将模板文件分为三部分，第一部分为模板识别部分，包括URL、HOST、POST/GET的内容，由分析某类WEB应用数据包HTTP头部得到；第二部分为关键内容描述部分，包括关键字，关键内容在数据包中的起始位置，关键内容长度，由分析某类WEB应用数据包所得；第三部分为数据类型。

所述步骤1)WEB类数据包特征为HTTP头部字段，包括网站登陆信息、发帖内容、回帖内容、注册信息或聊天信息。

所述步骤2)结构体包括模板识别部分、关键内容描述部分、数据类型部分。

所述步骤4)找出匹配模板的方法为：先用解析出的HOST字段比对，然后再将URL字段进行精确比对，找出匹配的模板。

所述步骤4)采用改进式Boyer-Moore算法。

所述步骤5)解析WEB类应用数据包HTTP内容部分的方法为：利用WEB类应用数据包中的分割符将登陆信息或发贴内容取出，组成格式化内容结构体链表。

所述结构体包括关键字，关键内容在数据包中的起始位置，关键内容长度。

为了实现本发明的另一目的，采用的技术方案如下：

一种还原WEB类应用内容的系统，其特征在于，包括数据包输入模块、协议识别模块、模板导入模块、模板查找与内容提取模块和输出模块；所述数据包输入模块输入WEB类应用数据包，所述协议识别模块识别输入的数据包类别，由模板导入模块根据协议类别写成模板文件，读取模板并解析成模板链表；模板查找内容提取模块识别出HTTP协议，解析HTTP头部字段操作，与模板文件对比，取出匹配内容，输出模块将匹配的内容按数据库表格式化输出。

所述数据包输入模块从网卡捕获数据包。

与现有技术相比，本发明具有的技术效果有：传统WEB类应用还原技术只适用于网络环境简单并且WEB类应用少的环境，本发明所述方法不但适用于简单网络环境，而且克服了随着WEB类应用的增加协议分析人员负担的增加、随着源码的增加系统稳定性的下降、随着协议数量线性的增加系统性能线性的下降的缺陷。利用本发明，可以满足WEB类应用越来越多的网络环境下协议还原的需求。

附图说明

图1为模板导入过程；

图2为模板查找与内容提取过程；

图3为还原系统结构图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细描述。