本發(fā)明屬于數(shù)據(jù)檢索領(lǐng)域，更具體地，涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的app相似圖標(biāo)檢索方法和系統(tǒng)。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的發(fā)展以及智能手機(jī)普及率的提高，手持移動(dòng)終端得到了巨大的發(fā)展，伴隨而來的是手機(jī)端應(yīng)用程序數(shù)量的增加，對(duì)于用戶以及安全性檢測(cè)人員而言通過手機(jī)應(yīng)用程序圖標(biāo)來快速的搜索出對(duì)應(yīng)的或者相似的手機(jī)應(yīng)用程序是一件非常困難的事情。對(duì)此，需要用到圖像檢索技術(shù)。

當(dāng)前的圖像檢索技術(shù)主要集中在基于文本的檢索以及基于內(nèi)容的檢索。基于文本的檢索是指對(duì)圖像文件建立關(guān)鍵字或文本標(biāo)題以及一些附加信息對(duì)圖像進(jìn)行描述，然后將圖像的存儲(chǔ)路徑和圖像的關(guān)鍵詞建立聯(lián)系。它的缺點(diǎn)在于：隨著大量圖像的出現(xiàn)，需要大量的勞動(dòng)力去管理和注釋這些圖像：不同的人對(duì)同一幅圖像的理解不同，文本描述信息相對(duì)主觀；不同國家的人由于語言的差異會(huì)造成對(duì)同一圖像的語義理解的差異。因而僅僅基于關(guān)鍵詞的檢索已不能滿足用戶的檢索要求。不僅如此，傳統(tǒng)的數(shù)據(jù)庫檢索結(jié)果與信息的組織方式及查詢結(jié)果的顯示方式有關(guān)，而無法按照查詢結(jié)果的相似程度進(jìn)行輸出。能夠?qū)Χ嗝襟w數(shù)據(jù)內(nèi)容進(jìn)行自動(dòng)語義分析、表達(dá)和檢索是數(shù)據(jù)庫及其它信息系統(tǒng)的發(fā)展趨勢(shì)。

基于內(nèi)容的主要做法是提取圖像的特征，然后再根據(jù)圖像特征進(jìn)行相似度的計(jì)算，目前在大規(guī)模數(shù)據(jù)中較多的算法有d-hash、sift、lbp等算法，但是這些算法的缺點(diǎn)也是比較明顯，對(duì)于d-hash算法而言，檢索效率比較高，但是準(zhǔn)確率很低，而且該算法對(duì)輪廓的敏感度太高，不能用在輪廓一致的圖像中檢索；對(duì)于sifi算法，相對(duì)于d-hash算法而言，該算法具有很高的準(zhǔn)確率，但是該算法的復(fù)雜度很高，不僅在計(jì)算sift特征時(shí)，最主要的是在檢索時(shí)，sift特征由n個(gè)128維的浮點(diǎn)型向量組成，在兩幅圖像進(jìn)行相似度計(jì)算時(shí)計(jì)算量非常大，而且sift算法在大規(guī)模的數(shù)據(jù)中進(jìn)行檢索時(shí)，只能采用線性計(jì)算的方法，在全庫中檢索時(shí)需要與全庫中的每一張圖像進(jìn)行一次相似度的計(jì)算，這大大提高了檢索的時(shí)間。

由此可見，現(xiàn)有技術(shù)存在檢索效率低和檢索準(zhǔn)確率低的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的app(armorpiercingproof，計(jì)算機(jī)應(yīng)用程序)相似圖標(biāo)檢索方法和系統(tǒng)，其目的在于將樣本特征向量、樣本文件標(biāo)識(shí)和索引存入檢索系統(tǒng)，對(duì)組合特征向量，在檢索系統(tǒng)中進(jìn)行檢索，得到文件標(biāo)識(shí)集合，將文件標(biāo)識(shí)集合取并集，在并集中進(jìn)行線性計(jì)算，得到樣本app圖標(biāo)與目標(biāo)app圖標(biāo)的相似度，利用相似度對(duì)樣本app圖標(biāo)進(jìn)行排序。由此解決現(xiàn)有技術(shù)存在檢索效率低和檢索準(zhǔn)確率低的技術(shù)問題。

為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的app相似圖標(biāo)檢索方法，包括：

(1)對(duì)于樣本app圖標(biāo)，基于卷積神經(jīng)網(wǎng)絡(luò)提取樣本特征向量，記錄樣本特征向量的樣本文件標(biāo)識(shí)，將樣本特征向量均分成n個(gè)樣本部分，在每個(gè)樣本部分建立一個(gè)索引，得到n個(gè)索引，將樣本特征向量、樣本文件標(biāo)識(shí)和n個(gè)索引存入檢索系統(tǒng)；

(2)對(duì)于目標(biāo)app圖標(biāo)，基于卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)特征向量，將目標(biāo)特征向量均分成n個(gè)目標(biāo)部分，對(duì)每個(gè)目標(biāo)部分進(jìn)行組合，得到m個(gè)目標(biāo)組合特征向量；

(3)對(duì)m個(gè)組合特征向量，在檢索系統(tǒng)中進(jìn)行m次檢索，得到m個(gè)文件標(biāo)識(shí)集合，將m個(gè)文件標(biāo)識(shí)集合取并集，在并集中進(jìn)行線性計(jì)算，得到樣本app圖標(biāo)與目標(biāo)app圖標(biāo)的相似度，利用相似度對(duì)樣本app圖標(biāo)進(jìn)行排序。

進(jìn)一步的，步驟(1)還包括對(duì)樣本app圖標(biāo)進(jìn)行預(yù)處理，步驟(2)還包括對(duì)目標(biāo)app圖標(biāo)進(jìn)行預(yù)處理。

進(jìn)一步的，預(yù)處理包括：圖像灰度化、圖像放縮和圖像歸一化。

進(jìn)一步的，步驟(1)還包括對(duì)樣本特征向量進(jìn)行哈希化處理，步驟(2)還包括對(duì)目標(biāo)特征向量進(jìn)行哈希化處理。

進(jìn)一步的，哈希化處理的具體實(shí)現(xiàn)方式為：設(shè)定一個(gè)閾值，將特征向量x映射為二進(jìn)制向量f(x)，所述特征向量為樣本特征向量和目標(biāo)特征向量中的任意一個(gè)。

按照本發(fā)明的另一方面，提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的app相似圖標(biāo)檢索系統(tǒng)，包括：

檢索系統(tǒng)模塊，用于對(duì)于樣本app圖標(biāo)，基于卷積神經(jīng)網(wǎng)絡(luò)提取樣本特征向量，記錄樣本特征向量的樣本文件標(biāo)識(shí)，將樣本特征向量均分成n個(gè)樣本部分，在每個(gè)樣本部分建立一個(gè)索引，得到n個(gè)索引，將樣本特征向量、樣本文件標(biāo)識(shí)和n個(gè)索引存入檢索系統(tǒng)；

組合特征向量模塊，用于對(duì)于目標(biāo)app圖標(biāo)，基于卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)特征向量，將目標(biāo)特征向量均分成n個(gè)目標(biāo)部分，對(duì)每個(gè)目標(biāo)部分進(jìn)行組合，得到m個(gè)目標(biāo)組合特征向量；

圖標(biāo)排序模塊，用于對(duì)m個(gè)組合特征向量，在檢索系統(tǒng)中進(jìn)行m次檢索，得到m個(gè)文件標(biāo)識(shí)集合，將m個(gè)文件標(biāo)識(shí)集合取并集，在并集中進(jìn)行線性計(jì)算，得到樣本app圖標(biāo)與目標(biāo)app圖標(biāo)的相似度，利用相似度對(duì)樣本app圖標(biāo)進(jìn)行排序。

進(jìn)一步的，檢索系統(tǒng)模塊還包括對(duì)樣本app圖標(biāo)進(jìn)行預(yù)處理，組合特征向量模塊還包括對(duì)目標(biāo)app圖標(biāo)進(jìn)行預(yù)處理。

進(jìn)一步的，預(yù)處理包括：圖像灰度化、圖像放縮和圖像歸一化。

進(jìn)一步的，檢索系統(tǒng)模塊還包括對(duì)樣本特征向量進(jìn)行哈希化處理，組合特征向量模塊還包括對(duì)目標(biāo)特征向量進(jìn)行哈希化處理。

進(jìn)一步的，哈希化處理的具體實(shí)現(xiàn)方式為：設(shè)定一個(gè)閾值，將特征向量x映射為二進(jìn)制向量f(x)，所述特征向量為樣本特征向量和目標(biāo)特征向量中的任意一個(gè)。

總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)發(fā)明與現(xiàn)有技術(shù)相比，能夠取得下列有益效果：

(1)本發(fā)明將樣本特征向量、樣本文件標(biāo)識(shí)和索引存入檢索系統(tǒng)，對(duì)組合特征向量，在檢索系統(tǒng)中進(jìn)行檢索，得到文件標(biāo)識(shí)集合，將文件標(biāo)識(shí)集合取并集，在并集中進(jìn)行線性計(jì)算，得到樣本app圖標(biāo)與目標(biāo)app圖標(biāo)的相似度，利用相似度對(duì)樣本app圖標(biāo)進(jìn)行排序。進(jìn)而克服了傳統(tǒng)圖像檢索中準(zhǔn)確率低，檢索效率不高的問題，同時(shí)為用戶提供很大的方便，可以根據(jù)圖標(biāo)來搜索對(duì)應(yīng)的手機(jī)應(yīng)用程序；同時(shí)也為安全檢測(cè)人員對(duì)于仿冒app的檢測(cè)提供了一個(gè)新的途徑；更為重要的是為銀行或者一些機(jī)構(gòu)打擊仿冒app或者發(fā)布安全警告等提供了技術(shù)支持。

(2)優(yōu)選的，本發(fā)明對(duì)樣本app圖標(biāo)和目標(biāo)app圖標(biāo)進(jìn)行預(yù)處理，將圖標(biāo)圖像的規(guī)格統(tǒng)一化，保證了計(jì)算的高效性。

(3)優(yōu)選的，本發(fā)明對(duì)樣本app圖標(biāo)和目標(biāo)app圖標(biāo)進(jìn)行哈希化處理，提高了檢索效率。

(4)優(yōu)選的，本發(fā)明對(duì)樣本app圖標(biāo)和目標(biāo)app圖標(biāo)進(jìn)行哈希化處理，設(shè)定閾值為0.5，在保證檢索效率的同時(shí)，提高了檢索準(zhǔn)確率。

附圖說明

圖1是本發(fā)明實(shí)施例提供的一種基于卷積神經(jīng)網(wǎng)絡(luò)的app相似圖標(biāo)檢索方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；

圖3是本發(fā)明實(shí)施例將目標(biāo)特征向量均分和轉(zhuǎn)換的示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)發(fā)明及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

如圖1所示，一種基于卷積神經(jīng)網(wǎng)絡(luò)的app相似圖標(biāo)檢索方法，包括：

(1)對(duì)于樣本app圖標(biāo)，基于卷積神經(jīng)網(wǎng)絡(luò)提取樣本特征向量，記錄樣本特征向量的樣本文件標(biāo)識(shí)，將樣本特征向量均分成n個(gè)樣本部分，在每個(gè)樣本部分建立一個(gè)索引，得到n個(gè)索引，將樣本特征向量、樣本文件標(biāo)識(shí)和n個(gè)索引存入檢索系統(tǒng)；

(2)對(duì)于目標(biāo)app圖標(biāo)，基于卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)特征向量，將目標(biāo)特征向量均分成n個(gè)目標(biāo)部分，對(duì)每個(gè)目標(biāo)部分進(jìn)行組合，得到m個(gè)目標(biāo)組合特征向量；

(3)對(duì)m個(gè)組合特征向量，在檢索系統(tǒng)中進(jìn)行m次檢索，得到m個(gè)文件標(biāo)識(shí)集合，將m個(gè)文件標(biāo)識(shí)集合取并集，在并集中進(jìn)行線性計(jì)算，得到樣本app圖標(biāo)與目標(biāo)app圖標(biāo)的相似度，利用相似度對(duì)樣本app圖標(biāo)進(jìn)行排序。

進(jìn)一步的，對(duì)樣本app圖標(biāo)和目標(biāo)app圖標(biāo)進(jìn)行預(yù)處理。

在對(duì)圖標(biāo)進(jìn)行檢索時(shí)，為了提取圖標(biāo)的特征向量，需要將圖像的規(guī)格統(tǒng)一化，本發(fā)明中對(duì)于圖標(biāo)圖像的預(yù)處理主要有三個(gè)步驟：圖像灰度化、圖像放縮、圖像歸一化。

圖標(biāo)圖像采用的是rgb的編碼方式，一個(gè)像素點(diǎn)由一個(gè)三維的向量表示如(r，g，b)，但是由于設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)的輸入是一維的，同時(shí)為了計(jì)算的高效性，所以需要將圖標(biāo)圖像進(jìn)行灰度化的轉(zhuǎn)換，本發(fā)明中采用的灰度轉(zhuǎn)化算法如下：

gray(i，j)＝0.299*r(i，j)+0.578*g(i，j)+0.114*b(i，j)

(i，j)是像素點(diǎn)坐標(biāo)，gray(i，j)是像素點(diǎn)坐標(biāo)為(i，j)時(shí)的灰度值，r(i，j)是像素點(diǎn)坐標(biāo)為(i，j)時(shí)的r通道，g(i，j)是像素點(diǎn)坐標(biāo)為(i，j)時(shí)的g通道，b(i，j)是像素點(diǎn)坐標(biāo)為(i，j)時(shí)的b通道。

對(duì)于樣本app圖標(biāo)和目標(biāo)app圖標(biāo)，圖標(biāo)圖像大小不一，同時(shí)卷積神經(jīng)網(wǎng)絡(luò)的輸入大小固定，需要對(duì)圖標(biāo)進(jìn)行縮小或者放大，本發(fā)明中采用了雙線性插值法，對(duì)于一個(gè)目標(biāo)像素點(diǎn)，通過反向變換得到它的浮點(diǎn)坐標(biāo)為(i+u，j+v)，其中i、j是原始圖像中的坐標(biāo)點(diǎn)，u、v為區(qū)間[0，1)之間的浮點(diǎn)數(shù)，則目標(biāo)像素點(diǎn)的值可以由原始圖像中最鄰近的四個(gè)點(diǎn)的值來確定，相應(yīng)的公式為：

其中，f(i，j)是原始圖像中(i，j)處的像素值，依次類推，f(i，j+1)是原始圖像中(i，j+1)處的像素值，f(i+1，j)是原始圖像中(i+1，j)處的像素值，f(i+1，j+1)是原始圖像中(i+1，j+1)處的像素值，使用周圍的四個(gè)點(diǎn)計(jì)算出目標(biāo)像素(i+u，j+v)的像素值f(i+u，j+v)。

第三個(gè)要做的是對(duì)圖像進(jìn)行歸一化，本發(fā)明采用線性歸一化的算法，具體公式如下：

設(shè)定min(x)為0，max(x)為255，然后代入上面的公式，x為使用周圍的四個(gè)點(diǎn)計(jì)算出目標(biāo)像素(i+u，j+v)的像素值f(i+u，j+v)，計(jì)算出歸一化之后的像素值x。

進(jìn)一步的，對(duì)預(yù)處理后的圖標(biāo)進(jìn)行特征向量提取，深度學(xué)習(xí)出現(xiàn)之前較為傳統(tǒng)的辦法都是人工設(shè)定的特征向量提取規(guī)則，本發(fā)明采用了最前沿的研究成果，使用深度學(xué)習(xí)技術(shù)來對(duì)圖標(biāo)圖像特征向量進(jìn)行提取，并且使提取出來的特征向量易于在大規(guī)模的數(shù)據(jù)中進(jìn)行相似度的計(jì)算。

具體的做法如下：

設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)，參照alexnet網(wǎng)絡(luò)結(jié)構(gòu)，在第七層與第八層之間添加一個(gè)全連接層，該層的維度為64，并且采用softmax函數(shù)作為激活函數(shù)，具體設(shè)計(jì)如圖2所示。

訓(xùn)練上一步設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)，使用caffe深度學(xué)習(xí)框架進(jìn)行訓(xùn)練調(diào)參，由于待檢索的圖像沒有標(biāo)簽，無法使用待檢索數(shù)據(jù)進(jìn)行訓(xùn)練，所以使用公開的帶標(biāo)簽的數(shù)據(jù)集對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，本發(fā)明采用的訓(xùn)練數(shù)據(jù)集為imagenet中的數(shù)據(jù)。

使用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)全庫的圖標(biāo)進(jìn)行離線的前向計(jì)算(forword)，然后記錄下第八層的值。

通過以上步驟，每張圖像可以得到一個(gè)64維的特征向量，向量中每一維的值都是0到1之間的浮點(diǎn)數(shù)，將該特征向量保存。

進(jìn)一步的，步驟(1)還包括對(duì)樣本特征向量進(jìn)行哈希化處理，步驟(2)還包括對(duì)目標(biāo)特征向量進(jìn)行哈希化處理。

進(jìn)一步的，哈希化處理的具體實(shí)現(xiàn)方式為：設(shè)定一個(gè)閾值，將特征向量x映射為二進(jìn)制向量f(x)，所述特征向量為樣本特征向量和目標(biāo)特征向量中的任意一個(gè)。

具體的，對(duì)于64維的特征向量進(jìn)行相似度的檢索效率會(huì)非常低，本發(fā)明采用了對(duì)特征向量進(jìn)行哈希化的方法，具體做法是設(shè)定一個(gè)閾值，發(fā)明中的閾值為0.5，然后將特征向量x映射為01二進(jìn)制向量，采用如下公式：

通過以上方法，64維的特征向量變成了64維的二進(jìn)制向量，該64維的二進(jìn)制向量作為最終的特征向量。

根據(jù)對(duì)前面局部敏感哈希算法的介紹，本發(fā)明中的檢索問題也轉(zhuǎn)換成為高維空間中的相似搜索問題，為了解決這個(gè)問題，本發(fā)明采用了lsh算法的核心思想，將特征根據(jù)不同的哈希函數(shù)放入不同的桶中，然后在檢索時(shí)，在相同的桶中做檢索。本發(fā)明根據(jù)lsh算法思想，將特征均勻的分為四個(gè)部分，這四個(gè)部分當(dāng)做keyl、key2、key3、key4，keyl為0101010111000101，key2為0001100110000111，key3為0010100110001101，key4為0110001100011100，每個(gè)特征都是一個(gè)16維的二進(jìn)制向量，然后將這些二進(jìn)制向量轉(zhuǎn)換為一個(gè)十六進(jìn)制數(shù)，作為最后的id，這樣特征轉(zhuǎn)換成了4個(gè)id：idl、id2、id3、id4，id1為55c5，id2為1987，id3為298d，id4為631c，每個(gè)id都是一個(gè)十六進(jìn)制的數(shù)，如圖3所示。

對(duì)特征進(jìn)行處理之后，將特征存放到另一個(gè)搜索系統(tǒng)中，在本發(fā)明中，采用了elasticsearch搜索系統(tǒng)，在es系統(tǒng)中建立新的索引(index)，然后將每個(gè)特征作為文件標(biāo)識(shí)文檔(document)存入系統(tǒng)中，文件標(biāo)識(shí)文檔中包含的特征有：id1、id2、id3、id4、特征向量哈希化處理后的值、文件md5等屬性。

隨著app的增長，對(duì)于app的檢索技術(shù)的要求越來越高，通常app商店提供的搜索欄都是通過關(guān)鍵字來查找對(duì)應(yīng)的app，輸入app的關(guān)鍵字，然后去app的描述信息中查找對(duì)應(yīng)的app，這往往需要在將app錄入時(shí)輸入大量的描述信息，當(dāng)然這些信息也可以由開發(fā)人員輸入。但是，在對(duì)于安全行業(yè)的工作者來說，僅僅根據(jù)app的描述信息來對(duì)app進(jìn)行安全分析，是一件困難的事情，尤其是對(duì)一些仿冒的app的檢測(cè)而言，仿冒的app描述信息可能與真實(shí)的app不一樣，或者完全不相關(guān)，但是仿冒的app在圖標(biāo)上與真實(shí)的app很相似，從用戶的角度很難區(qū)分這兩者的區(qū)別，為了區(qū)分出這些仿冒app，一個(gè)可行的辦法是根據(jù)該app的圖標(biāo)去搜索出相似的app，然后再根據(jù)這些相似app的集合去確定該app是不是仿冒app。從另一個(gè)安全情報(bào)分析的角度上考慮，基于app圖標(biāo)的搜索也是很有必要的，比如某銀行的app應(yīng)用被惡意的仿冒假冒，銀行為了發(fā)掘出有哪些仿冒者，有多少個(gè)仿冒的app時(shí)，通過圖標(biāo)去進(jìn)行搜索，找出相似的app，然后過濾出良性的app，剩下的就可以找到被仿冒的一些app，進(jìn)一步可以查找仿冒app的開發(fā)者的信息，進(jìn)而追究法律責(zé)任。

本發(fā)明克服了傳統(tǒng)圖像檢索中準(zhǔn)確率低，檢索效率不高的問題，同時(shí)為用戶提供很大的方便，可以根據(jù)圖標(biāo)來搜索對(duì)應(yīng)的手機(jī)應(yīng)用程序；同時(shí)也為安全檢測(cè)人員對(duì)于仿冒app的檢測(cè)提供了一個(gè)新的途徑；更為重要的是為銀行或者一些機(jī)構(gòu)打擊仿冒app或者發(fā)布安全警告等提供了技術(shù)支持。

本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。