CN112347053B - 一种基于递归提取的复杂文件数据包差异性比对方法 - Google Patents

Abstract

本发明公开一种基于递归提取的复杂文件数据包差异性比对方法，其包括基于遍历递归的文件及文件夹信息提取模块、基于存储路径节点的文件归类数据统计与目录树生成模块、文件统计数据与目录树嵌合模块和差异性递归比对模块。本发明将镜像数据包与参考数据包相比对，经过本申请中各个模块的提取与整合，最终能够比对出两个数据包中不一致的部分，并加以标记提醒。

Description

一种基于递归提取的复杂文件数据包差异性比对方法

技术领域

本发明涉及一种基于递归提取的复杂文件数据包差异性比对方法。

背景技术

在当今信息社会发展下，智能设备在使用中形成了大量信息文件。针对信息清除、电子信息取证等行业，能够快速地比对出两个数据包中的不同信息尤为重要。由于数据包中所包含的文件名、文件类型、文件大小和文件存储路径等信息的差异性，很难找到一种通用的、自动化的方式实现比对。目前，大多依靠从业人员人工比对两个数据包中的不同信息。这种方法不仅耗费人力财力，更有可能由于人员的疏忽从而导致重要信息遗漏。

为了能够自动便捷的比对出两个数据包中的差异信息并实现其可视化，本申请提出了一种基于递归提取策略，提取数据包中的详细信息形成含统计数据的目录树，并通过差异性递归比对模块比对两个含统计数据的目录树中各个节点信息的差异化程度，以达到两个数据包中差异信息比对的完全性。

发明内容

本发明提出了基于递归提取的复杂文件数据包差异性比对方法，其包括基于遍历递归的文件及文件夹信息提取模块、基于存储路径节点的文件归类数据统计与目录树生成模块、文件统计数据与目录树嵌合模块和差异性递归比对模块。目的在于将镜像数据包与参考数据包相比对，经过本申请中各个模块的提取与整合，最终能够比对出两个数据包中不一致的部分，并加以标记提醒。

首先，将参考数据包注入基于遍历递归的文件及文件夹信息提取模块，根据文件和文件夹两种类型提取得到参考数据包文件信息列表和参考数据包文件夹存储路径信息列表；接着，将获得的参考数据包文件信息列表和参考数据包文件夹存储路径信息列表注入基于存储路径节点的文件归类数据统计与目录树生成模块，统计得到基于文件存储路径的文件归类统计数据和生成出目录树；然后，再利用文件统计数据与目录树嵌合模块将二者结合起来，形成参考数据包归类统计数据目录树，同样，将镜像数据包通过以上模块进行提取、生成和整合，形成镜像数据包归类统计数据目录树；最后利用差异性递归比对模块比对获得参考数据包归类统计数据目录树和镜像数据包归类统计数据目录树之间存在的差异，并及时的标记以形成差异化比对结果。

附图说明

图1基于递归提取的复杂文件数据包差异性比对方法结构图；

图2基于遍历递归的文件及文件夹信息提取模块流程图；

图3文件夹递归策略示意图；

图4遍历递归提取过程流程图；

图5基于存储路径节点的文件归类数据统计过程；

图6目录树生成过程；

图7文件统计数据与目录树嵌合过程；

图8差异性递归比对过程。

具体实施方式

本申请提出了基于递归提取的复杂文件数据包差异性比对方法，其包括基于遍历递归的文件及文件夹信息提取模块、基于存储路径节点的文件归类数据统计与目录树生成模块、文件统计数据与目录树嵌合模块和差异性递归比对模块，其结构图如图1所示。

(1)基于遍历递归的文件及文件夹信息提取模块

该模块的输入是参考数据包和镜像数据包，输出是参考数据包文件详细信息列表、参考数据包文件夹存储路径信息列表、镜像数据包文件详细信息列表和镜像数据包文件夹存储路径信息列表，功能是提取数据包中两种不同方式的信息，文件信息获取的目的在于后续目录树的填充与扩展，文件夹存储路径信息列表获取的目的在于后续生成目录树。由于获取的两类信息中包含的信息众多，难以做到同时获取所有需要的信息，在此模块中采用了递归提取策略实现目标要求。

(2)基于存储路径节点的文件归类数据统计与目录树生成模块

该模块的输入是参考数据包文件详细信息列表、参考数据包文件夹存储路径信息列表、镜像数据包文件详细信息列表和镜像数据包文件夹存储路径信息列表，输出是基于文件存储路径节点的参考数据包文件归类统计数据、参考数据包目录树、基于文件存储路径节点的镜像数据包文件归类统计数据和镜像数据包目录树，功能是基于输入信息分别形成文件统计数据节点和目录树。

(3)文件统计数据与目录树嵌合模块

该模块的输入是基于文件存储路径节点的参考数据包文件归类统计数据、参考数据包目录树、基于文件存储路径节点的镜像数据包文件归类统计数据和镜像数据包目录树，输出是参考数据包归类统计数据目录树和镜像数据包归类统计数据目录树，功能是根据文件存储路径将目录树映射填充完毕。

(4)差异性递归比对模块

该模块的输入是参考数据包归类统计数据目录树和镜像数据包归类统计数据目录树，输出是差异化比对结果，功能是将两个归类统计数据目录树逐层一一比对，针对其中差异化的地方进行标记后再遍历比对全部内容后形成结果并输出。

基于遍历递归的文件及文件夹信息提取模块

该模块的输入是参考数据包和镜像数据包，输出是参考数据包文件详细信息列表、参考数据包文件夹存储路径信息列表、镜像数据包文件详细信息列表和镜像数据包文件夹存储路径信息列表，主要由三个部分组成：数据包解析模块和两个遍历递归提取模块。具体过程如图2所示。

首先，通过数据包解析模块将数据包解析成文件信息和文件夹信息。由于在后续比对模块中是以目录树的形式进行对比，文件夹信息获取的目的就是在于形成目录树的枝干。

然后，利用遍历递归提取模块1和2将文件信息和文件夹信息分别进行信息提取进而得到文件详细信息列表和文件夹存储路径信息列表。

文件信息包含的内容众多，即便看到的表现形式一致也可能存在文件格式、存储路径等的区别。为保证比对结果的可靠性以及科学性，设计了遍历递归提取模块获取文件全部重要信息。

为保证所获得信息的完整性，本申请中采用的递归策略针对同一文件或文件夹，每次提取该文件或文件夹的一种信息，之后再针对其进行其他信息的重复提取。针对于文件，首先获得其文件名进行保存，之后不断访问该文件进行其他信息的提取，最后将该文件的所有详细内容进行整合保存于一个目录下，保证其完整性。针对文件夹，采用的递归策略是由上至下进行提取。首先打开根目录，保存其中所有内容至根目录下，之后再打开根目录中第一个文件进行逐层递归保存，直至遍历该文件夹的所有内容，之后返回同级目录下继续遍历保存，直至遍历完整个数据包。具体过程如图3所示。

遍历递归提取具体过程如图4所示。具体为：

首先，根据信息分解模块将同一信息中不同内容分开进行提取。

然后，通过信息递归模块整合所提取的信息。针对文件信息，同一文件的内容保存在一起以保证文件信息的整体性。针对文件夹信息，将同一根目录下的文件夹存放在一起，若其中递归获得的信息不完全，则返回至信息分解模块中重新获取丢失信息。

接着，通过遍历模块判断是否提取完毕所有文件信息。若未遍历结束，则继续提取下一文件信息。

最后，当经过遍历模块判断得出已遍历结束所有信息时，则停止遍历，进而得到数据包文件详细信息列表或数据包文件夹存储路径信息列表。其中，数据包文件详细信息列表包括文件名、存储路径、文件类型和文件大小。

基于存储路径节点的文件归类数据统计与目录树生成模块

该模块的输入是参考数据包文件详细信息列表、参考数据包文件夹存储路径信息列表、镜像数据包文件详细信息列表和镜像数据包文件夹存储路径信息列表，输出是基于文件存储路径节点的参考数据包文件归类统计数据、参考数据包目录树、基于文件存储路径节点的镜像数据包文件归类统计数据和镜像数据包目录树，其包括文件归类数据统计模块和目录树生成模块两部分。

文件归类统计

文件归类数据统计模块的目的是获得基于文件存储路径节点的文件归类统计数据。具体过程如图5所示。

首先，通过对文件详细信息列表中的文件存储路径信息进行分析，建立基于文件存储路径的文件数据统计节点，并找出每一条文件存储路径分叉中的终极文件数据统计节点。

接着，基于终极文件数据统计节点，对该节点下的文件详细信息列表进行分析、归类与统计。

然后，沿着文件存储路径分叉进行终极文件数据统计节点的上一级节点下的文件数据统计，并将终极数据统计节点的统计数据并入上级节点的统计数据之中，并以此为策略，逐级向上递归，从而完成基于完整文件存储路径的文件数据统计节点的数据统计。

最后，通过递归统计策略的遍历执行模块判断文件数据统计递归策略是否递归至根目录，若遍历不完全，则利用基于文件数据统计节点的文件数据递归统计模块重新递归，直至遍历完全。

目录树生成

目录树生成模块的功能是通过文件夹存储路径信息列表形成目录树，便于后续比对模块中应用。具体过程如图6所示。

首先，通过目录提取模块提取文件夹存储路径信息列表中目录节点信息，获得所需目录树的节点信息。

然后，利用同级路径提取模块提取文件夹存储路径信息列表中同级目录信息，此时同一级别目录下会提取出大量信息，并且不同级之间信息必然会存在一个重合。

最后，利用目录结点信息形成目录树结点，结合同级路径提取模块提取得到的同级路径目录信息依据终级目录逐次填充至目录树中，针对重合的目录信息则依据最小级优先原则，舍弃较大级别中相同目录信息。

文件统计数据与目录树嵌合模块

该模块的输入是基于文件存储路径节点的参考数据包文件归类统计数据、参考数据包目录树、基于文件存储路径节点的镜像数据包文件归类统计数据和镜像数据包目录树，输出是参考数据包归类统计数据目录树和镜像数据包归类统计数据目录树。具体过程如图7所示。具体流程如下：

首先，利用文件归类数据统计模块中提取出来的基于文件存储路径的文件数据统计节点，建立数据统计节点的树形结构。

然后，通过数据统计与目录树匹配模块，将已生成数据统计节点的树形结构中与目录树结构进行分析匹配，形成数据统计节点与目录树节点之间的对应关系。

最后，利用文件统计数据映射填充模块，通过数据统计节点与目录树节点之间的对应关系，将数据统计节点中的文件归类统计数据映射并填充至目录数节点之中，从而得到数据包归类统计数据目录树。

差异性递归比对模块

该模块的输入是参考数据包归类统计数据目录树和镜像数据包归类统计数据目录树，输出是差异性比对结果。具体过程如图8所示。具体流程如下：

首先，通过目录树展开模块将两个数据包目录树的各个节点展开，以保证能比对两个目录树中全部信息。

然后，利用差异性递归比对模块比对两个数据包目录树中的不同信息，在目录树生成模块中已保证两个目录树生成的节点一致。通过其中的节点比对模块比对出同一节点处信息的不同，每找到同一节点处的不同信息则通过递归存储模块进行保存，并继续进行该节点其他信息的比对。

最后，将递归存储后的差异信息通过差异标记模块进行标记，进而得到差异性比对结果。

本申请的创新性体现在

1)能够通过递归提取策略获取数据包中文件详细信息，其包括文件名、存储路径、文件类型和文件大小；

2)能够比对两个数据包中的差异性，并针对差异性信息进行标记提醒。

Claims (4)

1.一种基于递归提取的复杂文件数据包差异性比对方法，其特征在于，包括以下步骤：

首先，将参考数据包注入基于遍历递归的文件及文件夹信息提取模块，根据文件和文件夹两种类型提取得到参考数据包文件信息列表和参考数据包文件夹存储路径信息列表；

接着，将获得的参考数据包文件信息列表和参考数据包文件夹存储路径信息列表注入基于存储路径节点的文件归类数据统计与目录树生成模块，统计得到基于文件存储路径的文件归类统计数据和生成出目录树；

然后，再利用文件统计数据与目录树嵌合模块将二者结合起来，形成参考数据包归类统计数据目录树，同样，将镜像数据包通过以上模块进行提取、生成和整合，形成镜像数据包归类统计数据目录树；

最后利用差异性递归比对模块比对获得参考数据包归类统计数据目录树和镜像数据包归类统计数据目录树之间存在的差异，并及时的标记以形成差异化比对结果；

基于遍历递归的文件及文件夹信息提取模块的过程为：

首先，通过数据包解析模块将数据包解析成文件信息和文件夹信息；由于在后续比对模块中是以目录树的形式进行对比，文件夹信息获取的目的就是在于形成目录树的枝干；

然后，利用遍历递归提取模块1和遍历递归提取模块2将文件信息和文件夹信息分别进行信息提取进而得到文件详细信息列表和文件夹存储路径信息列表；

采用的递归策略针对同一文件或文件夹，每次提取该文件或文件夹的一种信息，之后再针对其进行其他信息的重复提取；

针对于文件，首先获得其文件名进行保存，之后不断访问该文件进行其他信息的提取，最后将该文件的所有详细内容进行整合保存于一个目录下，保证其完整性；

针对文件夹，采用的递归策略是由上至下进行提取，首先打开根目录，保存其中所有内容至根目录下，之后再打开根目录中第一个文件进行逐层递归保存，直至遍历该文件夹的所有内容，之后返回同级目录下继续遍历保存，直至遍历完整个数据包；

遍历递归提取具体过程为：

首先，根据信息分解模块将同一信息中不同内容分开进行提取；

然后，通过信息递归模块整合所提取的信息，针对文件信息，同一文件的内容保存在一起以保证文件信息的整体性，针对文件夹信息，将同一根目录下的文件夹存放在一起，若其中递归获得的信息不完全，则返回至信息分解模块中重新获取丢失信息；

接着，通过遍历模块判断是否提取完毕所有文件信息，若未遍历结束，则继续提取下一文件信息；

最后，当经过遍历模块判断得出已遍历结束所有信息时，则停止遍历，进而得到数据包文件详细信息列表或数据包文件夹存储路径信息列表，其中，数据包文件详细信息列表包括文件名、存储路径、文件类型和文件大小。

2.如权利要求1所述的基于递归提取的复杂文件数据包差异性比对方法，其特征在于，基于存储路径节点的文件归类数据统计与目录树生成模块包括：

文件归类数据统计具体过程为：

首先，通过对文件详细信息列表中的文件存储路径信息进行分析，建立基于文件存储路径的文件数据统计节点，并找出每一条文件存储路径分叉中的终极文件数据统计节点；

接着，基于终极文件数据统计节点，对该节点下的文件详细信息列表进行分析、归类与统计；

然后，沿着文件存储路径分叉进行终极文件数据统计节点的上一级节点下的文件数据统计，并将终极数据统计节点的统计数据并入上级节点的统计数据之中，并以此为策略，逐级向上递归，从而完成基于完整文件存储路径的文件数据统计节点的数据统计；

最后，通过递归统计策略的遍历执行模块判断文件数据统计递归策略是否递归至根目录，若遍历不完全，则利用基于文件数据统计节点的文件数据递归统计模块重新递归，直至遍历完全；

目录树生成的具体过程为：

首先，通过目录提取模块提取文件夹存储路径信息列表中目录节点信息，获得所需目录树的节点信息；

然后，利用同级路径提取模块提取文件夹存储路径信息列表中同级目录信息，此时同一级别目录下会提取出大量信息，并且不同级之间信息必然会存在一个重合；

最后，利用目录结点信息形成目录树结点，结合同级路径提取模块提取得到的同级路径目录信息依据终级目录逐次填充至目录树中，针对重合的目录信息则依据最小级优先原则，舍弃其他级别中相同目录信息。

3.如权利要求2所述的基于递归提取的复杂文件数据包差异性比对方法，其特征在于，文件统计数据与目录树嵌合模块的具体过程为：

首先，利用文件归类数据统计模块中提取出来的基于文件存储路径的文件数据统计节点，建立数据统计节点的树形结构；

然后，通过数据统计与目录树匹配模块，将已生成数据统计节点的树形结构中与目录树结构进行分析匹配，形成数据统计节点与目录树节点之间的对应关系；

最后，利用文件统计数据映射填充模块，通过数据统计节点与目录树节点之间的对应关系，将数据统计节点中的文件归类统计数据映射并填充至目录数节点之中，从而得到数据包归类统计数据目录树。

4.如权利要求3所述的基于递归提取的复杂文件数据包差异性比对方法，其特征在于，差异性递归比对模块的具体过程为：

首先，通过目录树展开模块将两个数据包目录树的各个节点展开，以保证能比对两个目录树中全部信息；

然后，利用差异性递归比对模块比对两个数据包目录树中的不同信息，在目录树生成模块中已保证两个目录树生成的节点一致，通过其中的节点比对模块比对出同一节点处信息的不同，每找到同一节点处的不同信息则通过递归存储模块进行保存，并继续进行该节点其他信息的比对；

最后，将递归存储后的差异信息通过差异标记模块进行标记，进而得到差异性比对结果。