文件类型识别系统

日常工作中经常会遇到文件后缀名被篡改或丢失的情况——比如下载的文件没有后缀、邮件附件被改名、恶意文件伪装成图片等。这时候光看文件名根本判断不了真实类型。本项目基于随机森林（Random Forest）机器学习算法，通过分析文件的二进制特征来识别文件真实类型，支持 50 种常见文件格式的识别，前端上传文件后自动返回预测结果。

痛点与目的

• 问题：文件后缀名可以被随意修改或删除，无法通过文件名判断真实类型，存在安全隐患
• 方案：提取文件二进制魔数和字节分布特征，用随机森林分类器训练识别模型，结合 filetype 库进行双重验证
• 效果：上传任意文件即可识别真实类型，识别准确率达到较高水平

系统界面

系统架构

核心功能

• 50 种文件类型识别：覆盖文档（.txt/.docx/.pdf）、图片（.jpg/.png/.bmp）、音视频（.mp3/.mp4/.avi）、压缩包（.zip/.rar）等主流格式
• 随机森林分类器：100 棵决策树集成预测，基于文件字节分布特征进行分类
• 前后端分离架构：Java 后端处理业务逻辑，Python Flask 提供机器学习推理服务，Vue 前端展示结果
• 双重验证：随机森林预测结果与 filetype 库检测结果交叉验证

技术架构

Vue 前端 (file-type-front/)
    ↓ HTTP
Java SpringBoot 后端 (demo/)
    ↓ REST API (port 5001)
Python Flask ML 服务 (RandomForestModel/)
    ↓
随机森林分类器 → 文件类型预测
    ↓
filetype 库 → 真实类型检测

使用方法

1. 启动 Python ML 服务

cd RandomForestModel
pip install flask scikit-learn filetype
python app.py

ML 服务运行在 http://localhost:5001

2. 启动 Java 后端

cd demo
mvn spring-boot:run

3. 启动 Vue 前端

cd file-type-front
npm install
npm run serve

项目结构

.
├── file-type-front/                 # Vue 前端
│   └── src/                         # 前端源码
├── demo/                            # SpringBoot 后端
│   ├── src/                         # Java 源码
│   └── pom.xml                      # Maven 依赖
└── RandomForestModel/               # Python ML 服务
    ├── app.py                       # Flask 推理接口
    ├── model_training.py            # 模型训练脚本
    ├── Randomly_generate_data_sets.py  # 数据集生成
    └── Test_prediction.py           # 测试预测脚本

适用场景

• 文件安全检测（识别伪装文件）
• 未知文件类型判断
• 数字取证分析
• 机器学习在文件分析中的应用学习

技术栈

组件	技术
前端	Vue + Element UI
后端	SpringBoot
ML 服务	Python Flask + scikit-learn
分类算法	随机森林（100棵决策树）
文件检测	filetype 库

许可证

MIT 许可证