[发明专利]一种程序分类模型训练方法、程序分类方法及装置

权利要求书

1.一种程序分类模型的训练方法，其特征在于，所述方法包括：

接收输入的多个样本程序，所述样本程序是指所属的类别已被预先标定的程序，所述多个样本程序属于至少两个不同类别；

从所述多个样本程序中选择出一个样本程序，执行以下处理从而得到选择出的样本程序的至少一个备选融合特征的特征值，直到处理完所述多个样本程序中的每个样本程序为止：

依据包括至少一个静态特征的预设静态特征集、以及包括至少一个动态特征的预设动态特征集，获取选择出的样本程序的每个所述静态特征的特征值和每个所述动态特征的特征值，所述静态特征反映所述选择出的样本程序的结构特点，所述动态特征反映所述选择出的样本程序在运行过程中体现的行为；

根据所述选择出的样本程序的至少一个静态特征的特征值、至少一个动态特征的特征值以及至少一个融合操作规则，获得所述选择出的样本程序的至少一个备选融合特征的特征值，所述至少一个备选融合特征中的每个备选融合特征的特征值是基于对应的融合操作规则得到的，所述融合操作规则指示对所述预设静态特征集中的指定静态特征的特征值和所述预设动态特征集中的指定动态特征的特征值执行融合操作；

针对所述至少一个备选融合特征中的第一备选融合特征，执行以下处理，以此类推，从而得到每个备选融合特征的评价值：根据所述第一备选融合特征在每个样本程序中的特征值以及每个样本程序的类别，确定所述第一备选融合特征的评价值，所述评价值的大小体现所述第一备选融合特征用于区分样本程序所属类别的有效程度；

根据所述每个备选融合特征的评价值，从所述至少一个备选融合特征中选择目标融合特征，所述目标融合特征的评价值体现的有效程度大于所述至少一个备选融合特征中的其他备选融合特征的评价值体现的有效程度；

根据所述每个样本程序中所述目标融合特征的特征值，训练得到程序分类模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一备选融合特征在每个样本程序中的特征值以及每个样本程序的类别，确定所述第一备选融合特征的评价值包括：

按照样本程序所属的类别，统计每个类别的样本程序中所述第一备选融合特征的特征值，从而得到所述第一备选融合特征在各个类别的统计值；

根据所述第一备选融合特征在各个类别的统计值，确定所述第一备选融合特征的评价值。

3.根据权利要求2所述的方法，其特征在于，所述统计值包括以下其中一种或多种：

所述第一备选融合特征的特征值的中位数、均值和方差。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一备选融合特征的特征值是基于对应的第一融合操作规则得到的；

所述每个融合操作规则指示对所述预设静态特征集中的指定静态特征的特征值和所述预设动态特征集中的指定动态特征的特征值执行融合操作，包括：

所述第一融合操作规则指示对所述预设静态特征集中的第一静态特征的特征值和所述预设动态特征集中的第一动态特征的特征值执行数学运算。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述至少一个备选融合特征包括第二备选融合特征，所述第二备选融合特征的特征值是基于对应的第二融合操作规则得到的；

所述每个融合操作规则指示对所述预设静态特征集中的指定静态特征的特征值和所述预设动态特征集中的指定动态特征的特征值执行融合操作，包括：

所述第二融合操作规则指示对所述预设静态特征集中的第二静态特征的特征值和所述预设动态特征集中的第二动态特征的特征值执行逻辑操作。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述至少一个备选融合特征包括第三备选融合特征，所述第三备选融合特征的特征值是基于对应的第三融合操作规则得到的；

所述每个融合操作规则指示对所述预设静态特征集中的指定静态特征的特征值和所述预设动态特征集中的指定动态特征的特征值执行融合操作，包括：

所述第三融合操作指示从所述预设静态特征集和所述预设动态特征集中确定特征本身相同、且特征值相同的特征，并根据所述特征本身相同且特征值相同的特征的总数目计算所述第三备选融合特征的特征值。