[发明专利]一种获取APP业务特征库的方法及相应的装置

说明书

本发明公开了一种获取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。

技术领域

本发明属于大数据领域，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。

背景技术

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(Deep Packet Inspection，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技术领域亟待解决的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种获取APP业务特征库的方法及相应的装置，其目的在于，本发明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，按照本发明的一个方面，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：