[发明专利]一种基于机器学习的恶意应用监测方法和设备有效
| 申请号： | 201710475611.5 | 申请日： | 2017-06-21 |
| 公开（公告）号： | CN107341401B | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 薛一波;李东方;王兆国 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;曹杰 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于机器学习的恶意应用监测方法和设备,用于解决恶意程序变种或更新后无法很好监测识别的问题。其中方法包括步骤：S101、提取样本集中应用程序的应用特征和恶意标记，样本集中包括恶意应用样本与非恶意应用样本；S102、将提取的应用特征和恶意标记映射至向量空间，获得与样本集中应用程序对应的向量集合；S103、基于机器学习训练决策模型，以及将上述向量集合用于训练决策模型；S104、将训练得到的决策模型用于检测应用程序是否为恶意应用。本发明的方法只需要不断更新样本集中的恶意程序，样本集的更新工作量相对特征码库是非常少的，也不需要构建完备的样本库，本方法即可适应恶意程序更新或者变种。 | ||
| 搜索关键词： | 一种 基于 机器 学习 恶意 应用 监测 方法 设备 | ||
【主权项】：
1.一种基于机器学习的恶意应用监测方法，其特征在于，包括以下步骤：S101、提取样本集中应用程序的应用特征和恶意标记，样本集中包括恶意应用样本与非恶意应用样本；S102、将提取的应用特征和恶意标记映射至向量空间，获得与样本集中应用程序对应的向量集合；S103、基于机器学习训练决策模型，以及将上述向量集合用于训练决策模型；S104、将训练得到的决策模型用于检测应用程序是否为恶意应用。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710475611.5/，转载请声明来源钻瓜专利网。
- 上一篇：软件检测方法、装置及电子设备
- 下一篇：一种程序执行方法及装置
