[发明专利]移动终端恶意软件感知方法及装置

摘要

本发明提供一种移动终端恶意软件感知方法及装置，其中方法包括：每隔预设时间段获取移动终端用户的多维度全量数据和已知恶意软件受害用户数据，并根据其建立用于识别疑似受害用户和正常用户的分类器；若检测到对分类器的触发操作，则获取移动通信运营商当前收集的移动终端用户的特征并输入分类器，提取移动通信运营商当前收集的移动终端用户中的疑似受害用户。本发明解决了现有技术中对移动终端恶意软件感知周期较长、依赖性较高且局限性较高的问题，能快速感知移动终端恶意软件问题的发生，充分利用移动通信运营商内外部的各类数据资源，提高恶意软件疑似受害用户的发现精度和识别范围。

主权项

1.一种移动终端恶意软件感知方法，其特征在于，包括：每隔预设时间段获取移动终端用户的多维度全量数据和已知恶意软件受害用户数据，并根据所述多维度全量数据和已知恶意软件受害用户数据，建立用于识别疑似受害用户和正常用户的分类器；若检测到对所述分类器的触发操作，则获取移动通信运营商当前收集的移动终端用户的特征并输入所述分类器，提取移动通信运营商当前收集的移动终端用户中的疑似受害用户；其中，所述多维度全量数据，包括：移动通信运营商内部数据和移动通信运营商外部数据；其中，所述根据所述多维度全量数据和已知恶意软件受害用户数据，建立用于识别疑似受害用户和正常用户的分类器，包括：采用底层分布式存储系统和基于列的分布式数据库技术，对所述多维度全量数据进行数据组织，形成基于用户ID的海量数据库；将已知恶意软件受害用户数据作为样本，利用特征提取算法提取所述样本的特征；根据所述样本的特征，在所述基于用户ID的海量数据库中进行建模画像，建立受害用户特征向量集；利用特征选择算法，从所述受害用户特征向量集中提取目标特征向量集，所述目标特征向量集为区分受害用户和正常用户的特征向量的集合；利用分类算法，对所述目标特征向量集进行训练，建立用于识别疑似受害用户和正常用户的分类器。