从java中的文本文件中提取短语

Question

我正在做基于主机的入侵检测项目，使用ADFA-LD数据集，现在我正在做特征提取模块。我构建了包含长度为4的系统调用短语的短语字典。现在为了提取特征，我需要将这些短语与新系统调用跟踪（以下是一些示例）进行比较（以下是一些示例）：

sys_clock_gettime sys_poll sys_poll sys_clock_gettime sys_poll sys_poll sys_poll sys_clock_gettime sys_poll sys_clock_gettime sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_socketcall .......

我需要的是什么，我怎么能比较这些短语与新的痕迹。我正在用java做。

我的短语词典：

sys_socketcall-sys_poll-sys_clock_gettime-sys_poll

sys_clock_gettime-sys_poll-sys_poll-sys_socketcall

sys_poll-sys_socketcall-sys_poll-sys_clock_gettime

sys_poll-sys_clock_gettime-sys_clock_gettime -sys_clock_gettime

sys_clock_gettime-sys_clock_ge TTIME-sys_socketcall-sys_clock_gettime

sys_socketcall-sys_clock_gettime-sys_poll-sys_poll

sys_poll-sys_poll

我使用 ' - ' 作为比较这些短语与新的痕迹分离器，所以我加入了独特的系统以' - '呼叫。

Answer 1

看起来好像你想要的单词被空格分开。在这种情况下，只需逐行读取文件，然后使用String.split(" ")来获取您的文字。 这里是一个我可能会想到：

public class FileSplitter { 

    public static void main(String[] args) throws IOException { 
     File file = new File("input_file.txt"); 
     LinkedList<String> words = new LinkedList<String>(); 
     int i = 0; 

     Files.lines(file.toPath()). 
     forEachOrdered(line -> words. 
       addAll(Arrays.asList(line.split(" ")))); 

     for(String word:words){ 
      if(word.trim().length() > 0){ 
       System.out.print(word.trim() + " "); 
       if(i++ >= 3){ 
        System.out.println(); 
        i = 0; 
       } 
      } 
     } 
    } 
} 

对于示例它返回：

sys_clock_gettime sys_poll sys_poll sys_clock_gettime 
sys_poll sys_poll sys_poll sys_clock_gettime 
sys_poll sys_clock_gettime sys_poll sys_poll 
sys_poll sys_poll sys_poll sys_poll 
sys_poll sys_poll sys_socketcall