[发明专利]基于人工智能的恶意数据分析方法、装置和电子装置

权利要求书

1.一种基于人工智能的恶意数据分析方法，其特征在于，包括：

获取用户输入的样本数据以及数据分析需求，并确定所述样本数据的数据类型；

根据所述样本数据的数据类型，确定目标动静态分析策略，并根据所述目标动静态分析策略对所述样本数据进行动静态分析处理，得到所述样本数据对应的数据特征信息；

根据所述样本数据的数据类型、所述数据特征信息和所述数据分析需求，确定目标机器学习规则，并根据所述数据特征信息和所述目标机器学习规则，构建基于机器学习的数据分类模型；

获取所述用户输入的待检测数据，并根据所述数据分类模型对所述待检测数据进行恶意分析处理，得到所述待检测数据对应的恶意分析结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据的数据类型，确定目标动静态分析策略，并根据所述目标动静态分析策略对所述样本数据进行动静态分析处理，得到所述样本数据对应的数据特征信息包括：

根据所述样本数据的数据类型，从预设动静态分析策略集中确定出目标静态分析策略和目标动态分析策略；所述预设动静态分析策略集包括多种静态分析策略以及多种动态分析策略；

根据所述目标静态分析策略和所述目标动态分析策略，对所述样本数据进行动静态分析处理，得到所述样本数据对应的数据特征信息；所述数据特征信息包括多种数据特征以及每一数据特征对应的特征信息。

3.根据权利要求2所述的方法，其特征在于，所述静态分析策略包括反病毒软件扫描策略、文件格式识别策略、字符串提取分析策略、二进制结构分析策略、反汇编策略、反编译策略、代码结构策略与逻辑分析策略、加壳识别策略和代码脱壳策略；

动态分析策略包括快照比对策略、系统动态行为监控策略、网络协议栈监控策略、沙箱策略和动态调试策略。

4.根据权利要求2所述的方法，其特征在于，所述根据所述样本数据的数据类型、所述数据特征信息和所述数据分析需求，确定目标机器学习规则，并根据所述数据特征信息和所述目标机器学习规则，构建基于机器学习的数据分类模型包括：

根据所述样本数据的数据类型和所述数据特征信息，得到目标特征信息；目标特征信息包括多种目标数据特征以及每一目标数据特征对应的特征信息；

根据所述目标特征信息和所述数据分析需求，从预设目标机器学习规则集中确定出目标机器学习规则；所述预设目标机器学习规则集包括多种机器学习规则；

根据所述目标特征信息和所述目标机器学习规则，构建基于机器学习的数据分类模型。

5.根据权利要求4所述的方法，其特征在于，所述目标特征信息还包括标准恶意类型；所述根据所述目标特征信息和所述目标机器学习规则，构建基于机器学习的数据分类模型包括：

以数据的特征信息为输入参量，以数据的恶意类型为输出参量，构建基于机器学习的初始数据分类模型；

将所述目标特征信息输入至所述初始数据分类模型中，得到预测恶意类型；

将所述预测恶意类型与所述标准恶意类型进行比较，得到比较结果；

根据比较结果和所述目标机器学习规则，调整初始数据分类模型的模型参数，以对所述初始数据分类模型进行训练，得到训练好的数据分类模型。

6.根据权利要求5所述的方法，其特征在于，在所述根据所述目标特征信息和所述目标机器学习规则，构建基于机器学习的数据分类模型之后，所述方法还包括：

根据所述数据分类模型的特点，从预设模型优化策略中确定出目标模型优化策略；所述预设模型优化策略包括多种模型优化策略；

根据所述目标模型优化策略，调整所述数据分类模型的模型参数，以对所述数据分类模型进行优化处理，得到优化处理后的数据分类模型。

7.根据权利要求1所述的方法，其特征在于，在所述根据所述目标动静态分析策略对所述样本数据进行分析处理之前，所述方法还包括：

根据所述样本数据的数据类型，从预设数据清洗策略集中确定出目标数据清洗策略，并根据所述目标数据清洗策略对所述样本数据进行清洗处理；所述预设数据清洗策略集包括多种数据清洗策略。