[发明专利]一种信息处理方法及装置

说明书

本发明公开了一种信息处理方法，所述方法包括：从N个采样点的上网行为审计设备收集网页访问日志；其中，N为正整数；按照第一预定周期对所述网页访问日志的域名进行归类和分析，生成域名分类信息；获取来自第一用户的上网行为审计设备的网页访问日志；按照第二预定周期，并基于域名分类信息对所述来自第一用户的上网行为审计设备的网页访问日志进行分析，以识别用于表征第一用户的真实访问行为的网页访问日志。本发明还同时公开了一种信息处理装置。采用本发明的技术方案，能准确识别用户的实际访问行为。

技术领域

本发明涉及网络的管理和安全技术领域，尤其涉及一种信息处理方法及装置。

背景技术

目前，上网行为管理设备能够通过对用户上网流量的审计得到用户的网页访问日志，其获取网页访问日志的原理通常是对用户的网络协议(Internet Protocol，IP)报文进行解析和重组，得到用户超文本传输协议(HTTP，Hyper Text Transfer Protocol)请求和应答中的各种信息。每一条网页访问日志记录有一个特定用户对一个特定统一资源定位符(Uniform Resource Locator，URL)的访问信息。

但是，当使用网页访问日志对用户行为进行分析时，会面临噪声问题；而去除噪声，识别用户实际网页访问行为，是进行后续用户行为分析的基础。噪声来自几个方面：

1.用户访问某个页面时，其点击动作是针对这个页面的主URL，会触发对主URL的请求。但进一步的，浏览器在收到主URL的应答后会发起对主页面所引用的各种内部资源(如图标和图片)和外部资源(如广告)的请求。这些针对资源URL的请求也会被上网行为管理设备审计下来，作为网页访问日志的一部分。通常大型网站的每次访问都会产生数十甚至上百条网页访问日志，但其中只有一条代表了用户的真实行为。

2.当用户访问某个页面后未关闭浏览器时，页面中的脚本会自动产生心跳、状态更新等请求，这些请求同样会产生网页访问日志。

3.某些软件，例如杀毒软件和终端管理软件，使用HTTP协议与应用服务器进行通讯，以支持升级等业务；类似这种软件的自动行为也会产生网页访问日志。

现有技术中，通常利用HTTP请求(request)及其响应(response)中的字段内容进行噪声判断。例如，利用浏览器填写accept()字段的规律、请求和应答中的内容类型(content type)等进行噪声判断。但是，根据RFC(Request For Comments，一系列以编号排定的文件)等标准，上述字段的取值并无强制约束，完全由软件的实现者进行定义，因此无法从根本上体现发起方是用户还是软件。即使由于浏览器的实现、请求和应答的内容存在一定的规律，但随着版本不断更新，这种规律也很可能不再有效。另外，能够发起HTTP请求的并非只有浏览器，使用上述方法也难以对各种各样的软件进行有效覆盖。

发明内容

有鉴于此，本发明的主要目的在于提供一种信息处理方法及装置，能准确识别用户的实际访问行为。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种信息处理方法，所述方法包括：

从N个采样点的上网行为审计设备收集网页访问日志；其中，N为正整数；

按照第一预定周期对所述网页访问日志的域名进行归类和分析，生成域名分类信息；

获取来自第一用户的上网行为审计设备的网页访问日志；

按照第二预定周期，并基于域名分类信息对所述来自第一用户的上网行为审计设备的网页访问日志进行分析，以识别用于表征第一用户的真实访问行为的网页访问日志。

上述方案中，优选地，所述按照第一预定周期对所述网页访问日志的域名进行归类和分析，生成域名分类信息，包括：