适用于资源受限设备的移动应用类别实时识别方法

陈 旖 张美璟 许发见

(福建警察学院计算机与信息安全管理系 福建 福州350007)

0 引 言

近年来，移动互联网发展迅猛，截至2019年2月，中国手机网民规模达8.17亿，网民中使用手机上网人群的占比为98.6%[1]。相比于传统的桌面计算机，在使用场景上，手机更贴近生活环境，使用频率高，移动范围广；在信息类型上，手机蕴含更多的个人信息；在软件种类上，手机以移动应用(App)为主。其中，手机上安装的移动应用App的类型及使用频率在用户画像刻画[2]、用户习惯研究[3]方面具有较高的价值。例如：频繁使用购物App的用户往往被打上购买欲强的标签；反复开启同类购物软件，可能反映出某类用户存在比价习惯等。因此，对手机上安装的App类型与使用频率进行识别和统计，可以为进一步的数据挖掘提供数据，具有很好的参考价值。

然而，移动互联网产生的数据量极为庞大，如果采用离线识别的方式进行分析，需占用大量的存储空间并消耗大量的带宽进行文件传输。如果采用在线实时分析，则需要在网络设备上直接处理数据，而常见的网络设备往往计算能力受限，因此要求识别方法应避免占用过多的系统资源。

针对移动App识别的问题，文献[4]提出了一种通过HTTP报文user-agent字段进行识别的方法，但由于多数应用并未遵循规范，未使用该字段标记自身类型，使得该方法目前可用性较低。文献[5]提出了一种基于视觉感知特性的应用识别方法，其采用HTTP报文的头域和请求信息作为输入构建样本图像，再将其输入二维卷积感知网络模型进行分类器训练。……