[发明专利]基于大数据分析的恶意软件识别方法、服务器及存储介质

权利要求书

1.一种基于大数据分析的恶意软件识别方法，其特征在于，所述恶意软件识别方法包括：

从数据库中获取已知软件信息；

对所述已知软件信息中的特征信息进行模型训练以构建预测模型；

获取待测软件的特征信息；

将所述待测软件的特征信息代入所述预测模型进行模型预测以获取预测结果；

在所述预测结果符合预设规则时，则判定所述待测软件为恶意软件。

2.如权利要求1所述的恶意软件识别方法，其特征在于，从数据库中获取已知软件信息的步骤之后，包括：

对所述已知软件信息中的特征信息进行特征筛选操作以将所述已知软件信息中的特征信息更新为显著特征信息；

根据所述已知软件信息中的特征信息进行模型训练以构建预测模型的步骤中，包括：

根据所述已知软件信息中的所述显著特征信息进行模型训练以构建所述预测模型。

3.如权利要求2所述的恶意软件识别方法，其特征在于，对所述已知软件信息中的特征信息进行特征筛选操作以将所述已知软件信息中的特征信息更新为显著特征信息的步骤中，包括：

对所述已知软件信息中的特征信息采用逐步回归法进行特征筛选操作以获取所述显著特征信息；

将所述已知软件信息中的特征信息更新为所述显著特征信息。

4.如权利要求1所述的恶意软件识别方法，其特征在于，对所述已知软件信息中的特征信息进行模型训练以构建预测模型的步骤中，包括：

对所述已知软件信息中的特征信息采用逻辑回归算法进行二分类模型训练以构建所述预测模型。

5.如权利要求4所述的恶意软件识别方法，其特征在于，对所述已知软件信息中的特征信息采用逻辑回归算法进行二分类模型训练以构建所述预测模型的步骤，包括：

引入sigmoid函数和损失函数以获取概率函数。

6.如权利要求5所述的恶意软件识别方法，其特征在于，将所述待测软件的特征信息代入所述预测模型进行模型预测以获取预测结果的步骤中，包括：

将所述待测软件的特征信息代入所述概率函数以获取恶意软件概率信息；

根据所述恶意软件概率信息获取所述预测结果。

7.如权利要求6所述的恶意软件识别方法，其特征在于，所述恶意软件概率信息中包括与所述待测软件的特征信息包括的每一个应用特征对应的子概率信息；

根据所述恶意软件概率信息获取所述预测结果的步骤中，包括：

根据所述恶意软件概率信息包括的每一个子概率信息获取每一个应用特征对应的预测参数；

根据每一个应用特征及其对应的预测参数获取综合指标以得到所述预测结果；

所述在所述预测结果符合预设规则时，则判定所述待测软件为恶意软件的步骤中，包括：

在所述综合指标符合预设的数值规定时，则判定所述待测软件为恶意软件。

8.如权利要求1所述的恶意软件识别方法，其特征在于，所述在所述预测结果符合预设规则时，则判定所述待测软件为恶意软件的步骤之后，包括：

获取所述待测软件的软件发行方信息；

根据所述软件发行方信息中信用信息进行惩罚操作，所述惩罚操作包括信用分扣除操作和/或不可信发行方标识操作。

9.一种服务器，其特征在于，包括存储器和处理器；

所述处理器用于执行所述存储器中存储的计算机程序以实现如权利要求1-8中任一项所述的基于大数据分析的恶意软件识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的基于大数据分析的恶意软件识别方法的步骤。