[发明专利]基于家族样本的病毒特征自动提取方法及系统

权利要求书

1.一种基于家族样本的病毒特征自动提取方法，其特征在于，包括：

利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；

选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；

设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；

根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；

特征码提取，将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；

建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。

2.如权利要求1所述的方法，其特征在于，所述的预设特征码长度k小于或等于数列A及数列B的长度。

3.如权利要求1所述的方法，其特征在于，所述的建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。

4.一种基于家族样本的病毒特征自动提取系统，其特征在于，包括：

样本选取模块，利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；

选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；

计算模块，用于设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；

根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；

特征码提取模块，用于将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；

质量评价模块，用于建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。

5.如权利要求4所述的系统，其特征在于，所述的预设特征码长度k小于或等于数列A及数列B的长度。

6.如权利要求4所述的系统，其特征在于，所述的质量评价模块建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。