[发明专利]一种比特数据特征挖掘方法、系统、设备及可读介质

权利要求书

1.一种比特数据特征挖掘方法，所述方法包括：

统计未知协议的链路通信数据文件中的每个长度为k的序列出现位置，并对所述序列出现次数进行统计并排序；

根据每个序列的出现位置计算相邻2个出现位置的位置间隔值，统计各位置间隔值的数量，数量最多的位置间隔值为优势位置间隔值；

根据优势位置间隔值、其出现的次数以及比特数据单元的长度，计算优势位置间隔值出现的比例，对优势位置间隔值出现的比例和设定的阈值比较，根据比较结果确定频繁序列，并依据频繁序列出现的位置，将具有强关联规则的频繁序列归纳为极大频繁模式集；

在极大频繁模式集中提取极大频繁项，将极大频繁项与协议的特征集合对比，查找与极大频繁项相符合的协议特征项即为协议特征序列，获得比特数据单元采用的协议特征和数据格式信息；

所述根据每个序列的出现位置计算相邻2个出现位置的位置间隔值，统计各位置间隔值的数量，数量最多的位置间隔值为优势位置间隔值；具体包括：

步骤2-1)设序列s出现位置的集合为{a₁,a₂,...a_j,...,a_m}，则相邻的2个序列出现位置对应的位置间隔值d_j为：

d_j＝a_j+1-a_j,1≤j＜m (1)

其中，j和m为自然数；定义P为所有d_j组成的集合：

{P|d_j＝a_j+1-a_j,1≤j＜m} (2)

步骤2-2)统计序列s的各位置间隔值出现的数量，若存在数量最多的位置间隔值d_j，则位置间隔值d_j为优势位置间隔值；当不存在数量最多的位置间隔值时，若存在d_j为其他间隔值的最大公约数，则d_j为优势位置间隔值；

所述根据优势位置间隔值、其出现的次数以及比特数据单元的长度，计算优势位置间隔值出现的比例，对优势位置间隔值出现的比例和设定的阈值比较，根据比较结果确定频繁序列，并依据频繁序列出现的位置，将具有强关联规则的频繁序列归纳为极大频繁模式集，具体包括：

步骤3-1)统计优势位置间隔值d_j实际出现次数，计算其与所述序列s理论出现次数的比例值，其中序列s作为特征序列在无误码情况下的理论出现次数为L_D/l_s，L_D为比特 数据单元D的比特数据长度，l_s为特征序列s的位置间隔值；

步骤3-2)比较所述比例值和设定的阈值min_sup，当所述比例值大于设定的阈值min_sup时，则该优势位置间隔对应的序列为频繁序列；

步骤3-3)确定长度为k的具有相同的优势位置间隔的频繁序列i_u和i_v出现的位置；其中u和v分别为频繁序列的序号；

步骤3-4)根据i_u和i_v的出现的位置，计算i_u和i_v以小于k的位置间隔出现的概率，若所述概率大于置信度阈值min_conf，则i_u和i_v之间具有强关联规则；

步骤3-5)通过遍历，对所有频繁序列的出现位置进行计算，查找所有具有强关联规则的频繁序列，将所有具有强关联规则的频繁序列归纳为极大频繁模式集L_j＝{i₁,i₂,...,i_n}。