[发明专利]互联网上多媒体信息识别方法、装置及电子设备

说明书

本发明提供一种互联网上多媒体信息识别方法、装置及电子设备，该方法包括：对互联网数据进行采集，获取待识别数据集；对所述待识别数据集进行数据预处理，得到预处理数据集；根据多媒体规律规则库对所述预处理数据集进行多媒体信息识别，所述多媒体规律规则库包括多媒体魔术字节库、多媒体内容类型Content‑Type对应关系库和多媒体后缀名对应关系库。通过对互联网上的数据进行采集和预处理，并利用多媒体规律规则库对预处理数据集进行多媒体信息识别，可以有效从互联网数据中识别出隐蔽的多媒体信息。

技术领域

本发明涉及流量识别技术领域，尤其涉及一种互联网上多媒体信息识别方法、装置及电子设备。

背景技术

多媒体技术是目前信息技术领域发展最快、应用最广、变化最快的技术。随着5G网络的普及，互联网中多媒体数据急剧增加。同时，多媒体数据具有更强的隐蔽性。

为了对互联网中的多媒体数据进行有效监测，首先需要从海量互联网数据中识别出多媒体数据。所以，如何提出一种有效的互联网上多媒体信息识别方案，能够便于从海量互联网数据中识别出多媒体数据，是业界亟需解决的重要课题。

发明内容

针对现有技术存在的问题，本发明提供一种互联网上多媒体信息识别方法、装置及电子设备。

第一方面，本发明提供一种互联网上多媒体信息识别方法，包括：

对互联网数据进行采集，获取待识别数据集；

对所述待识别数据集进行数据预处理，得到预处理数据集；

根据多媒体规律规则库对所述预处理数据集进行多媒体信息识别，所述多媒体规律规则库包括多媒体魔术字节库、多媒体内容类型Content-Type对应关系库和多媒体后缀名对应关系库。

可选地，所述根据多媒体规律规则库对所述预处理数据集进行多媒体信息识别，包括：

获取所述预处理数据集中每个预处理数据的头部字节，与所述多媒体魔术字节库中的魔术字节进行匹配。

可选地，所述根据多媒体规律规则库对所述预处理数据集进行多媒体信息识别，包括：

获取预处理数据集中每个预处理数据对应的超文本传输协议HTTP报文中包含的Content-Type字段，与所述多媒体Content-Type对应关系库中的Content-Type字段进行匹配。

可选地，所述根据多媒体规律规则库对所述预处理数据集进行多媒体信息识别，包括：

获取预处理数据集中每个预处理数据对应的统一资源定位符URL或超文本传输协议HTTP报文中包含的后缀名，与所述多媒体后缀名对应关系库中的后缀名进行匹配。

可选地，所述方法还包括：

根据识别结果，将所述预处理数据集中识别为多媒体信息的预处理数据，标记为相应的多媒体数据类型。

可选地，所述方法还包括：

使用与标记的多媒体数据类型所对应的软件，对标记的预处理数据进行识别结果准确性检验。

可选地，所述对所述待识别数据集进行数据预处理，包括：

对所述待识别数据集进行分片重组、排序、剥离加密隧道、解压缩处理中的一项或多项。

第二方面，本发明还提供一种互联网上多媒体信息识别装置，包括：

数据采集模块，用于对互联网数据进行采集，获取待识别数据集；

数据预处理模块，用于对所述待识别数据集进行数据预处理，得到预处理数据集；