[发明专利]病毒文件聚类方法、装置及可读介质

说明书

本发明公开了一种病毒文件聚类方法及装置，属于计算机数据处理技术领域。所述方法包括：获取病毒文件在至少一个传播途径上的特征，得到病毒文件的特征值；根据病毒文件的特征值获取病毒文件的特征比特图；根据多个病毒文件中的任意两个病毒文件的特征比特图之间的匹配程度，对待聚类的多个病毒文件进行聚类。本发明通过根据病毒文件在传播途径上的特征值获取病毒文件的特征比特图，根据任意两个病毒文件的特征比特图之间的匹配程度，对待聚类的所有病毒文件进行并行聚类，解决了相关技术中根据病毒文件的特征逐一串行匹配聚类所导致的效率低下问题，提高了病毒文件聚类的效率，在面对大量病毒文件数据时，节省了处理时间。

技术领域

本发明涉及计算机数据处理技术领域，尤其涉及一种病毒文件聚类方法、装置及可读介质。

背景技术

近年来，制作病毒文件的作案人员呈现团伙化趋势，由于病毒文件的数量庞大，将大量的病毒文件进行准确的聚类，可以大幅提高执法人员对病毒作案团伙的违法犯罪行为的掌控。其中，病毒文件聚类就是将具有相同或相似特征的病毒文件归为同一类簇。比如，将同一犯罪团伙制作的同一类病毒文件进行聚类。

病毒文件的传播特征是病毒文件在传播途径上具有特征值，例如网页链接，电话号码之类的字符串。相关技术中，一种病毒文件的聚类方法包括：将待聚类的多个病毒文件中的任一病毒文件的传播特征与已有类簇的传播特征进行逐一串行匹配聚类，若该病毒文件的传播特征与某一类簇的传播特征相同，则将该病毒文件归入到该类簇中，若该病毒文件可归入到多个类簇，则将该多个类簇合并为新的类簇；若一个病毒文件的传播特征与已有的任一类簇都不相同，则将该病毒文件作为新的类簇。

相关技术中对病毒文件的聚类方法是串行逐个进行的，效率低下，当待聚类的病毒文件的数量较多时，相关技术对病毒文件的聚类方法处理速度很慢。

发明内容

本申请实施例提供了一种病毒文件聚类方法及装置，以解决相关技术中的病毒文件聚类方法的准确性不高的问题。所述技术方案如下：

第一方面，提供了一种病毒文件聚类方法，所述方法包括：

获取病毒文件在至少一个传播途径上的特征，得到所述病毒文件的特征值；

根据所述病毒文件的特征值获取所述病毒文件的特征比特图，其中，所述病毒文件的特征比特图的比特位数量与待聚类的多个病毒文件在所述传播途径上的特征值的总数量相同，且所述特征比特图中的每个比特位与一个传播途径上的一个特征值相对应，所述比特位的取值与所述病毒文件是否具有对应的特征值相关；

根据所述多个病毒文件中的任意两个病毒文件的特征比特图之间的匹配程度，对所述待聚类的多个病毒文件进行聚类。

第二方面，提供了一种病毒文件聚类装置，所述装置包括：

第一获取模块，用于获取病毒文件在至少一个传播途径上的特征，得到所述病毒文件的特征值；

第二获取模块，用于根据所述病毒文件的特征值获取所述病毒文件的特征比特图，其中，所述病毒文件的特征比特图的比特位数量与待聚类的多个病毒文件在所述传播途径上的特征值的总数量相同，且所述特征比特图中的每个比特位与一个传播途径上的一个特征值相对应，所述比特位的取值与所述病毒文件是否具有对应的特征值相关；

聚类模块，用于根据所述多个病毒文件中的任意两个病毒文件的特征比特图之间的匹配程度，对所述待聚类的多个病毒文件进行聚类。

在第二方面的第一种可能的实施方式中，所述第二获取模块还用于：

确定所述待聚类的多个病毒文件在所述传播途径上的特征值的总数量，根据所述总数量确定所述病毒文件的特征比特图的比特位数量；

当所述病毒文件具有目标特征值时，将所述病毒文件的特征比特图中与所述目标特征值对应的比特位的值设置为第一比特值；