CN101789887A - 网络用户分类方法、装置和网络业务监控系统 - Google Patents

Abstract

本发明实施例公开了一种网络用户分类方法、装置和网络业务监控系统，方法包括：对网络用户的网络流量进行监控，获取网络流量识别结果；对所述网络流量识别结果进行分析统计，获取网络统计信息；统计所述网络用户的上网信息；根据所述网络统计信息和所述上网信息，对所述网络用户进行分类。装置包括监控模块、统计模块和分类模块。本发明实施例在不影响用户正常的上网行为的基础上，大幅度提高了对网络用户分类的完备性和准确性，大大提高了用户的体验度。

Description

网络用户分类方法、装置和网络业务监控系统

技术领域

本发明实施例涉及信息网络技术，尤其涉及一种网络用户分类方法、装置和网络业务监控系统。

背景技术

随着互联网技术的不断进步和迅速扩张，网络给人们的工作和生活带来了极大的便利性，也随之产生了更多的需求。其中，个性化的信息服务和智能化的网络站点的构建显得尤为重要，而实现个性化、定制化的服务的关键是对网络用户进行准确的分类。

在现有技术中，通常通过对用户在网页间的鼠标行为分析而实现对网络用户的分类，通过分析用户的鼠标在网站间或网站内不同类内容的网页间的访问轨迹、停留时间等信息来确定用户的基本信息，如年龄、性别、职业以及兴趣爱好等，以便于网站的结构设计更符合网络用户的习惯，进而可以更加精确地进行广告推送、对不同类用户进行定制化的服务。

发明人在实现本发明的过程中，发现现有技术中至少存在如下缺陷：现有技术中的网络用户的分类方法完全依赖于用户浏览网页这种网络行为，因此，现有技术的这种方法无法保证对网络用户的分类的完备性和准确性。另外，现有技术忽略了其他的网络行为，如即时通讯(Instant Messaging；以下简称：IM)、网络电话(Voice over Internet Protocol；以下简称：VoIP)以及网络游戏等等，可见，现有技术的方法不能对用户的网络行为进行全面的分析，不能保证网络用户的分类的准确性。

发明内容

本发明实施例提供一种网络用户分类方法、装置和网络业务监控系统，在不影响用户正常的上网行为的基础上，大幅度提高对网络用户分类的完备性和准确性。

为了实现上述目的，本发明实施例提供了一种网络用户分类方法，包括：

对网络用户的网络流量进行监控，获取网络流量识别结果；

对所述网络流量识别结果进行分析统计，得到网络统计信息；

统计所述网络用户的上网信息；

根据所述网络统计信息和所述上网信息，对所述网络用户进行分类。

本发明实施例还提供了一种网络用户分类装置，包括：

监控模块，用于对网络用户的网络流量进行监控，获取网络流量识别结果；

统计模块，用于对所述网络流量识别结果进行分析统计，得到网络统计信息；所述统计模块还用于统计所述网络用户的上网信息；

分类模块，用于根据所述统计模块获取到的所述网络统计信息和所述上网信息，对所述网络用户进行分类。

本发明实施例还提供了一种网络业务监控系统，包括分类服务器和上述网络用户分类装置，所述网络用户分类装置通过所述分类服务器中保存的用户行为特征库对网络用户进行分类。

本发明实施例提供的网络用户分类方法、装置和网络业务监控系统，通过深度报文检测技术对网络用户的网络流量进行监控，并对监控得到的网络流量识别结果进行统计分析，获取网络统计信息，并实时性地统计网络用户的上网信息，根据网络统计信息和上网信息周期性地对网络用户进行分类，在不影响用户正常的上网行为的基础上，大幅度提高了对网络用户分类的完备性和准确性，大大提高了用户的体验度。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的一种网络用户分类方法的流程图；

图2为本发明实施例所提供的另一种网络用户分类方法的流程图；

图3为本发明实施例所提供的网络用户分类方法中的一种网络流量分析简化示意图；

图4为本发明实施例所提供的一种网络用户分类装置的结构图；

图5为本发明实施例所提供的网络用户分类装置中一种网络环境部署的具体示意图；

图6为本发明实施例所提供的另一种网络用户分类装置的结构图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例所提供的一种网络用户分类方法的流程图，如图1所示，本实施例提供了一种网络用户分类方法，可以包括如下步骤：

步骤101，对网络用户的网络流量进行监控，获取网络流量识别结果；

步骤102，对所述网络流量识别结果进行分析统计，得到网络统计信息，并统计所述网络用户的上网信息；

步骤103，根据所述网络统计信息和所述上网信息，对所述网络用户进行分类。

本实施例提供了一种网络用户分类方法，通过对网络用户的网络流量进行监控，并对监控得到的网络流量识别结果进行统计分析，得到网络统计信息，并实时性地统计网络用户的上网信息，根据网络统计信息和上网信息周期性地对网络用户进行分类，在不影响用户正常的上网行为的基础上，大幅度提高对网络用户分类的完备性和准确性，大大提高了用户的体验度。

图2为本发明实施例所提供的另一种网络用户分类方法的流程图，如图2所示，本实施例在上述图1提供的实施例的基础之上，提供了一种具体的网络用户分类方法，其中，上述步骤101可以具体包括下述步骤201和步骤202，上述步骤103可以具体包括下述步骤204和步骤205，具体地，本实施例提供的网络用户分类方法可以包括如下步骤：

步骤201，对网络用户的网络流量进行监控，并获取监控的数据流信息。

本步骤中对网络用户的网络流量进行监控可以采用包括深度报文检测(Deep Packet Inspection；以下简称：DPI)等多种技术。以例如，在运营商骨干网上采用深度报文检测技术对网络用户的网络流量进行监控，通过监控过程获取网络用户的各项网络行为所产生的数据流信息。其中，DPI技术是一种典型的业务识别技术，其可以对多个相关数据包的应用层协议头和协议负荷进行扫描，获取寄存在应用层中的特征信息，对网络流量进行精细的检查、监控和分析。本步骤通过DPI技术对网络用户进行各项网络行为所产生的网络流量进行监控，并获取对应的数据流信息。本实施例为对网络用户的网络流量直接进行监控分析，而不是现有技术中单独对网络用户浏览的网页或使用的软件进行分析，由于网络流量不仅可以反映网络用户浏览网页时所产生的网络流量，还可以反映网络用户使用IM、VoIP、网络游戏、炒股软件等软件时所产生的网络流量，可见，通过网络流量对网络用户进行分析可以较全面地对网络用户的网络行为进行分析。

步骤202，将数据流信息与协议特征库中保存的协议特征进行匹配，并根据匹配结果获取网络流量识别结果。

在通过DPI技术获取网络行为产生的数据流信息后，将各条数据流信息与协议特征库中保存的协议特征进行匹配，获取匹配结果，并根据匹配结果获取网络流量识别结果。本实施例采用的DPI技术不仅可以获取寄存在数据包网络层和传输层协议头中的基本信息，包括源/目的IP地址、源/目的传输层端口号、协议号，以及底层的连接状态等，还可以通过这些参数获得足够多的业务应用信息。本实施例利用DPI技术对各个数据流信息进行监控，然后将数据流信息与协议特征库中的协议特征进行匹配，当数据流信息与协议特征库中的某一协议特征相匹配时，则可以获取到网络流量识别结果为该数据流信息所对应的协议或软件信息，即可以识别出网络用户在当前一段时间内所使用的协议或软件信息。

步骤203，对网络流量识别结果进行分析统计，得到网络统计信息，并统计网络用户的上网信息。

在采用DPI技术对网络用户的网络流量进行监控，得到网络流量识别结果之后，本实施例还对网络流量识别结果进行分析统计，包括根据网络流量识别结果生成该网络用户每天的网络流量曲线、网络流量软件分布等网络统计信息；同时，还可根据网络用户产生的网络流量来统计网络用户的上网信息。其中，网络用户的上网信息包括但不限于该网络用户当前IP对应的主机实际地址、该用户的上网时间段、该用户的上网时长。本步骤在统计网络用户的上网信息时，需要对上网信息进行实时统计，以获取比较全面的上网信息。在进行统计时，通常实时性地对某网络用户当前IP在当前时间内是否使用网络以及网络流量的大小进行统计，以获取网络用户的上网信息。

步骤204，根据网络统计信息和上网信息定位网络用户的属性信息。

在完成对网络流量的监控，获取网络流量识别结果，以及完成对网络流量识别结果的分析统计，获取到网络统计信息，并实时性地统计到网络用户的上网信息之后，将获取到的网络统计信息和上网信息发送到分类服务器中。本步骤为根据网络统计信息中包含的当前一端时间内网络用户所使用过的协议或软件信息，并结合上网信息中包括的用户的上网时间、上网时长、IP对应的实际地址等信息，便可比较准确地定位得到该网络用户的属性信息，属性信息包括该网络用户的职业、兴趣习惯等。

步骤205，将属性信息与分类服务器中保存的用户行为特征库中的用户分类模板进行匹配，并根据匹配结果对网络用户进行分类。

在定位得到网络用户的属性信息之后，本步骤周期性地将该属性信息与分类服务器中保存的用户行为特征库中的用户分类模板进行匹配，得到匹配结果，并根据匹配结果对网络用户进行分类。本实施例中的分类服务器用于保存用户行为特征库，后续利用分类服务器中保存的用户行为特征库中的用户分类模板来对网络用户进行具体分类。本步骤中也可以根据实际情况设定分类周期，无需每天对网络用户进行分类，而是按照设定的分类周期对网络用户进行分类。其中，用户行为特征库可以为用户群网络习惯规律的集合，例如：IP对应为某小区宽带用户，上网时间对应为每天晚上20:00-23:00，流量分析对应为网络游戏+汽车论坛+IM语音。当将网络用户的属性信息与用户分类模板进行匹配之后，根据得到的匹配结果来对网络用户进行分类。具体地，在进行匹配时，如果该属性信息与用户行为特征库中的某个用户分类模板相匹配，则将该网络用户分类为该用户分类模板对应的用户类别。

图3为本发明实施例所提供的网络用户分类方法中的一种网络流量分析简化示意图，如图3所示，通过本实施例的步骤201和步骤202即可分析得到A用户的网络流量识别结果，即A用户在当前一段时间内所使用的协议或软件包括：炒股软件、QQ和MSN等IM软件、汽车论坛、软件学习论坛等，通过本实施例的步骤203即可分析统计得到用户每天的网络流量曲线、网络流量软件分布等网络统计信息，并根据网络用户产生的网络流量来统计A用户的上网信息，上网信息包括：该用户为小区宽带用户、该用户的上网时间为晚上19:30-22:30。根据上述A用户的网络流量识别结果和用户信息可以容易推测出A用户为一个业余炒股的IT白领，喜欢交友聊天，近期有买车的打算。而类似地，可以推测出B用户为一个喜欢体育和网络游戏的大学生。然后，在对网络用户进行具体的分类之后，便可以对同类用户进行个性化服务的定制以及进行兴趣趋向的研究。

进一步地，本实施例还可以通过问卷调查方法和特定人群网络流量分析方法，获取用户行为特征库，并将用户行为特征库保存在分类服务器中。本实施例通过问卷调查方法和对特定人群进行网络流量分析的方法来得到分类服务器中的用户行为特征库。其中，调查问卷可以在社会不同年龄不同行业的人群中进行调查，调查他们的上网时间、地点、网络行为等，根据大量的问卷调查获取的数据统计出不同人群的上网规律，以得到用户行为特征库。特定人群网络流量分析方法则是针对一些特定的具有代表性的人群，这些人群的真实信息是事前可以获知的，如性别、年龄、职业等，通过对这些人的调查分析，记录他们的上网时间，并对其网络流量进行分析，结合问卷调查方法统计得到结果对用户行为特征库进行进一步的修正，便可以得到比较准确的用户行为特征库。

由此可见，本实施例不仅完全弥补了现有技术中存在的不足，还极大地丰富了现有的用户分类的手段，主要体现在以下几方面：首先，由于本实施例在运营商端骨干网络上实施的，所有步骤均在网络端执行，用户端并不参与任何步骤，因此可以在网络用户不知情的情况下，实现对网络用户的精确分类，不影响网络用户的正常上网行为，可以解决用户体验差的问题。其次，本实施例不再仅聚焦于用户对网页的浏览行为，而对网络用户的网络行为进行全面地分析，包括网络游戏、IM、VoIP以及炒股软件等网络行为所产生的网络流量，可见，本实施例可以对用户的所有网络行为所产生的流量进行分析，以此为依据对网络用户进行分类。再次，本实施例极大地提高了网络用户分类的准确性，与现有的分析用户的鼠标行为技术相比，本实施例对用户的网络流量进行整体分析，比现有技术的分类方法更具有稳定性。另外，本实施例所统计的信息不依赖与网络用户的输入信息，不会由于用户对网络的不信任输入虚假的个人信息、注册信息等而影响后续对网络用户的分类，可见本实施例的方案所统计的网络流量比较客观，准确性也较高。本发明在不干涉用户正常上网的情况下，就可以对用户的网页浏览、P2P、VoIP、网络游戏、炒股软件、即时聊天以及在线视频等等流量进行综合分析，并且还结合用户的网络类型、上网时间进行辅助，来最终保证用户分类的准确性。

本实施例提供了一种网络用户分类方法，通过DPI技术对网络用户的网络流量进行监控，并对监控得到的网络流量识别结果进行统计分析，得到网络统计信息，并实时性地统计网络用户的上网信息，根据网络统计信息和上网信息，周期性地对网络用户进行分类，在不影响用户正常的上网行为的基础上，大幅度提高了对网络用户分类的完备性和准确性，大大提高了用户的体验度。

图4为本发明实施例所提供的一种网络用户分类装置的结构图，如图4所示，本实施例提供了一种网络用户分类装置，该装置可以执行上述方法实施例中的各个步骤，此处不再赘述。图5为本发明实施例所提供的网络用户分类装置中一种网络环境部署的具体示意图，如图5所示，该网络用户分类装置可以部署在城市城域网和国家骨干网之间。通常情况下，可以包括两种接入方式：一种是直路部署到网络中，这样效率高，可控性强，但是一旦出现故障容易引起网络事故；另外一种是旁路部署方式，把用户网络数据镜像到用户分类设备模块中，这样虽然实时性稍差，但是安全可靠，同样可以实现和直路部署一样的功能。具体地，该网络用户分类装置可以包括监控模块401、统计模块402和分类模块403，其中，监控模块401用于对网络用户的网络流量进行监控，获取网络流量识别结果。监控模块401可以用于采用深度报文检测技术对网络用户的网络流量进行监控，获取网络流量识别结果。统计模块402用于对所述网络流量识别结果进行分析统计，得到网络统计信息，并统计所述网络用户的上网信息。分类模块403用于根据所述统计模块获取到的所述网络统计信息和所述上网信息，对所述网络用户进行分类。

本实施例提供了一种网络用户分类装置，通过设置监控模块、统计模块和分类模块，通过对网络用户的网络流量进行监控，并对监控得到的网络流量识别结果进行统计分析，得到网络统计信息，并实时性地统计网络用户的上网信息，根据网络统计信息和上网信息，周期性地对网络用户进行分类，在不影响用户正常的上网行为的基础上，大幅度提高了对网络用户分类的完备性和准确性，大大提高了用户的体验度。

图6为本发明实施例所提供的另一种网络用户分类装置的结构图，如图6所示，本实施例在上述图4所示的实施例的基础之上，其中，监控模块401可以包括监控单元411和匹配单元421。其中，监控单元411用于采用深度报文检测技术对网络用户的网络流量进行监控，并获取监控的数据流信息。匹配单元421用于将监控单元411获取到的数据流信息与协议特征库中保存的协议特征进行匹配，并根据匹配结果获取网络流量识别结果。

进一步地，分类模块403可以包括定位单元413和分类单元423。其中，定位单元413根据统计模块402获取到的网络统计信息和上网信息定位所述网络用户的属性信息。分类单元423用于周期性地将定位单元413得到的属性信息与分类服务器中保存的用户行为特征库中的用户分类模板进行匹配，并根据匹配结果对所述网络用户进行分类。

本实施例提供了一种网络用户分类装置，通过设置监控模块、统计模块和分类模块，通过DPI技术对网络用户的网络流量进行监控，并对监控得到的网络流量识别结果进行统计分析，得到网络统计信息，并实时性地统计网络用户的上网信息，根据网络统计信息和上网信息周期性地对网络用户进行分类，在不影响用户正常的上网行为的基础上，大幅度提高了对网络用户分类的完备性和准确性，大大提高了用户的体验度。

本发明实施例还提供了一种网络业务监控系统，包括分类服务器和上述图4或图6所示的网络用户分类装置，网络用户分类装置通过分类服务器中保存的用户行为特征库对网络用户进行分类。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (9)

1.一种网络用户分类方法，其特征在于，包括：

对网络用户的网络流量进行监控，获取网络流量识别结果；

对所述网络流量识别结果进行分析统计，得到网络统计信息；

统计所述网络用户的上网信息；

根据所述网络统计信息和所述上网信息，对所述网络用户进行分类。

2.根据权利要求1所述的方法，其特征在于，所述对网络用户的网络流量进行监控，获取网络流量识别结果包括：采用深度报文检测技术对网络用户的网络流量进行监控，获取网络流量识别结果。

3.根据权利要求2所述的方法，其特征在于，所述采用深度报文检测技术对网络用户的网络流量进行监控，获取网络流量识别结果包括：

采用深度报文检测技术对网络用户的网络流量进行监控，并获取监控的数据流信息；

将所述数据流信息与协议特征库中保存的协议特征进行匹配，并根据匹配结果获取网络流量识别结果。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述网络统计信息和所述上网信息，对所述网络用户进行分类包括：

根据所述网络统计信息和所述上网信息定位所述网络用户的属性信息；

周期性地将所述属性信息与分类服务器中保存的用户行为特征库中的用户分类模板进行匹配，并根据匹配结果对所述网络用户进行分类。

5.一种网络用户分类装置，其特征在于，包括：

监控模块，用于对网络用户的网络流量进行监控，获取网络流量识别结果；

统计模块，用于对所述网络流量识别结果进行分析统计，得到网络统计信息；所述统计模块还用于统计所述网络用户的上网信息；

分类模块，用于根据所述统计模块获取到的所述网络统计信息和所述上网信息，对所述网络用户进行分类。

6.根据权利要求5所述的装置，其特征在于，所述监控模块具体用于采用深度报文检测技术对网络用户的网络流量进行监控，获取网络流量识别结果。

7.根据权利要求6所述的装置，其特征在于，所述监控模块包括：

监控单元，用于采用深度报文检测技术对网络用户的网络流量进行监控，并获取监控的数据流信息；

匹配单元，用于将所述监控单元获取到的所述数据流信息与协议特征库中保存的协议特征进行匹配，并根据匹配结果获取网络流量识别结果。

8.根据权利要求5-7中任一项所述的装置，其特征在于，所述分类模块包括：

定位单元，根据所述统计模块获取到的所述网络统计信息和所述上网信息定位所述网络用户的属性信息；

分类单元，用于周期性地将所述定位单元得到的所述属性信息与分类服务器中保存的用户行为特征库中的用户分类模板进行匹配，并根据匹配结果对所述网络用户进行分类。

9.一种网络业务监控系统，其特征在于，包括分类服务器和上述权利要求5-7中任一项所述的网络用户分类装置，所述网络用户分类装置通过所述分类服务器中保存的用户行为特征库对网络用户进行分类。

Images