[发明专利]高性能IP网络中个人标识信息识别系统及方法

权利要求书

1.网络个人标识信息识别方法，其特征在于：通过以下步骤实现：

步骤1：IP网络收集到的流量以PCAP格式输入到网络个人标识信息识别系统，包括特征提取模块、数据过滤与整形模块、算法执行模块和优化模块；

步骤2：网络个人标识信息识别系统中的特征提取模块提取网络特征字段，得到一个五维的数据组；

步骤3：数据过滤与整形模块对步骤2输出的五维的数据组进行过滤与整形；

步骤4：算法执行模块建立用户行为树模型，利用用户行为树的性质计算出函数VF与函数UVF，然后采用函数VF与函数UVF的计算结果进行两次检测，最后输出PII-DK与PII-VALUE两个列表，具体为：

步骤4.1：用相同的DOMAIN-KEY的数据建立用户行为树模型；

其中，用户行为树模型的根为DOMAIN-KEY、第二层为USER、第三层为VALUE，叶子节点为FREQUENCY；

步骤4.2：计算步骤4.1用户行为树模型中每个用户子树下节点的数量，若节点数量为1且FREQUENCY大于1，则函数VF的值为1，否则VF=0；

步骤4.3：满足VF=1的数据继续计算各用户节点的孩子节点VALUE是否相同，如果与其他VALUE都不同则UVF=1，否则UVF=0；

步骤4.4：满足VF=UVF=1的DOMAIN-KEY组成PII-DK列表，并将列表中具有相同DOMAIN-KEY的VALUE字段的值构成PII-VALUE列表；

步骤5：优化模块进行校验和扩散，具体为：

计算步骤4.4中PII-VALUE列表中的每个VALUE值对应的用户数，若只对应1个用户，则通过校验，否则校验失败，将包含有校验失败的VALUE值的DOMIAN-KEY从PII-DK中删除；

数据经过校验后，将PII-DK列表内的所有DOMAIN-KEY记录包含的VALUE提取出来，建立一个PII-VALUE列表，然后使用这些VALUE值重新计算数据过滤和整形前的数据集，并且DOMAIN-KEY不在PII-DK列表内，扩散过程找出新的DOMAIN-KEY加入到PII-DK列表当中，直到PII-DK没有更新为止；

步骤6：输出PII-DK列表；

至此，经过步骤1到步骤6，完成了高性能IP网络中个人标识信息识别方法。

2.根据权利要求1所述的网络个人标识信息识别方法，其特征在于：步骤3，具体为：

步骤3.1：按照域名和IP地址的命名规则过滤掉不符合规则的数据组；

步骤3.2：删除数据组中VALUE值少于K个字符的值；

其中，K的取值范围为自然数；

步骤3.3：删除数据组中相同DOMAIN和KEY中少于X条记录的样本；

其中，X的取值范围为自然数；

步骤3.4：将数据组中所有符号的URL编码转化为UTF-8编码；

步骤3.5：将数据组中所有的大写字母转换为小写字母；

步骤3.6：移除数据组中的默认值和干扰值；

步骤3.7：利用最长前缀匹配算法聚合相同DOMAIN与VALUE字段内的值，即将相同的DOMAIN和KEY数据中，如果VALUE字段的字符串包含在其他VALUE字符串内，则将它们合并为长度较长的VALUE；

步骤3.8：将DOMAIN字段中所有的三级以上的域名按照三级域名聚合，去除一、二级域名；

步骤3.9：将DOMAIN字段中所有IP地址去掉端口号，并按照相同C类地址的网络号聚合。