[发明专利]一种https环境下用户行为分析的方法和系统

权利要求书

1.一种https环境下用户行为分析的方法，其特征在于，包括：

步骤1)对需要分析的互联网资源页面建立内容特征库，特征库由多个特征码组成，特征码包括：https请求URL的Host、页面大小、页面包含资源内容、资源内容大小、动态资源信息、内嵌URLs及数量之一或者组合；

步骤2)对用户访问互联网资源的https报文数据逐条分析，提取特征信息，以与特征码匹配分析；

步骤3)将提取特征信息的日志与内容特征库中的特征码匹配，还原用户真实访问行为，并做进一步的分析和统计。

2.根据权利要求1所述的https环境下用户行为分析的方法，其特征在于，步骤1)中，针对需要分析的网站通过爬虫技术爬取所需要分析的每个网页，根据爬取网页的数据建立网页特征库。

3.根据权利要求1或2所述的https环境下用户行为分析的方法，其特征在于，步骤2)中，提取的特征信息选自以下：

访问URL的Host/Domain；

https请求页面未缓存部分的总长度；

https请求页面中未缓存的图片或者CSS加载资源的数量；

页面加载的每一个资源对象的大小；

https请求发生的时间。

4.根据权利要求3所述的https环境下用户行为分析的方法，其特征在于，步骤2)中，基于以上1个或多个特征信息组合形成一个或多个特征指纹，通过一定时间范围内用户访问https请求确定用户访问路径。

5.根据权利要求1所述的https环境下用户行为分析的方法，其特征在于，步骤3)中将提取特征信息的日志与内容特征库中的特征码匹配具体选自以下的方法：

通过指纹组合唯一匹配；

如果无法通过指纹组合唯一匹配时，可以通过访问该网页时同时加载的资源或URL序列多条件匹配；

从页面中获取3-5个必定每次会加载的对象内容，同时获取这些对象内容的大小和host信息，依据每次加载页面访问对象序列的host信息和对象大小作为指纹信息进行匹配。

6.一种https环境下用户行为分析的系统，其特征在于，包括：

特征库建立单元，用于对需要分析的互联网资源页面建立内容特征库，特征库由多个特征码组成，特征码包括：https请求URL的Host、页面大小、页面包含资源内容、资源内容大小、动态资源信息、内嵌URLs及数量之一或者组合；

特征码匹配单元，用于对用户访问互联网资源的https报文数据逐条分析，提取特征信息，以与特征码匹配分析；

行为还原单元，用于将提取特征信息的日志与内容特征库中的特征码匹配，还原用户真实访问行为，并做进一步的分析和统计。

7.根据权利要求6所述的https环境下用户行为分析的系统，其特征在于，所述特征库建立单元，针对需要分析的网站通过爬虫技术爬取所需要分析的每个网页，根据爬取网页的数据建立网页特征库。

8.根据权利要求6或7所述的https环境下用户行为分析的系统，其特征在于，所述特征码匹配单元，提取的特征信息选自以下：

访问URL的Host/Domain；

https请求页面未缓存部分的总长度；

https请求页面中未缓存的图片或者CSS加载资源的数量；

页面加载的每一个资源对象的大小；

https请求发生的时间。

9.根据权利要求8所述的https环境下用户行为分析的系统，其特征在于，所述特征码匹配单元，进一步用于基于以上1个或多个特征信息组合形成一个或多个特征指纹，通过一定时间范围内用户访问https请求确定用户访问路径。

10.根据权利要求6所述的https环境下用户行为分析的系统，其特征在于，所述行为还原单元，将提取特征信息的日志与内容特征库中的特征码匹配具体选自以下的方法：

通过指纹组合唯一匹配；

如果无法通过指纹组合唯一匹配时，可以通过访问该网页时同时加载的资源或URL序列多条件匹配；

从页面中获取3-5个必定每次会加载的对象内容，同时获取这些对象内容的大小和host信息，依据每次加载页面访问对象序列的host信息和对象大小作为指纹信息进行匹配。