本文提出了一种基于概率模型和加权Dowker复形的统计方法，用于检测文件格式的方言（即同一格式的不同变体）。核心思路是，当文件被一组预定义的解析器处理时，解析器会生成一系列布尔“消息”（例如解析成功/失败、特定结构存在与否等），这些消息共同构成文件的“行为特征”。作者假设在每种方言内部，消息之间是统计独立的，并基于此建立概率模型，通过计算后验概率来判定一个文件属于特定方言。针对两种方言的场景，论文提出了一种阈值分类算法，且该算法可以从主要包含一种方言的训练集中“引导”出来（即通过少量标记数据扩展至未标记数据）。实验验证表明，理论推导的分布和实际经验分布均能达到良好的分类性能，且优于仅统计消息数量的简单方法。此外，当消息独立性假设不成立时，可检测出方言之间的“边界”，帮助格式分析师更高效地制定新的检测标准。本文的主要贡献包括：1）提出了一种可实验验证的概率模型；2）通过阈值算法实现实用的方言分类；3）利用独立性假设的违反来识别方言边界；4）在真实文件数据上验证了方法的有效性。该研究适合文件格式分析、数据清洗、恶意软件检测等领域的从业者阅读。