[發明專利]用于客戶端?云行為分析器的架構

有效

• 申請號: 201380024831.6
• 申請日: 2013-04-10
• 公開（公告）號: CN104541293B
• 公開（公告）日: 2018-02-06
• 發明（設計）人: R·古普塔;X·魏;A·加塔拉;V·斯里哈拉
• 申請（專利權）人: 高通股份有限公司
• 主分類號: G06N5/04
• 分類號: G06N5/04
• 代理公司: 永新專利商標代理有限公司72002
• 代理人: 張揚,王英

1.一種在客戶端-云通信系統中生成數據模型的方法，包括：

將機器學習技術應用于從多個不同的移動設備收集的行為向量的云語料庫，來生成第一族的健壯分類器模型，所述第一族的健壯分類器模型包括與對移動設備的移動設備行為進行分類有關的因素和數據點；

確定是否存在針對所述第一族的健壯分類器模型的足夠的變化以保證生成新模型；

響應于確定存在針對所述第一族的健壯分類器模型的足夠的變化，確定所述第一族的健壯分類器模型中哪些因素具有高可能性指示所述移動設備的所述移動設備行為是惡意的還是良性的；

基于所確定的因素，生成第二族的精簡分類器模型，所述第二族的精簡分類器模型包括與由所述移動設備用于確定所述移動設備的所述移動設備行為是惡意的還是良性的有關的數量縮減的因素和數據點，所述第二族的精簡分類器模型中的每個精簡分類器模型比其在所述第一族的健壯分類器模型中對應的健壯分類器模型少至少一個數量級；以及

基于所述第二族的精簡分類器模型來生成移動設備分類器模塊。

2.根據權利要求1所述的方法，其中，將機器學習技術應用于從多個不同的移動設備收集的行為向量的云語料庫來生成第一族的健壯分類器模型包括：

在所述客戶端-云通信系統的服務器上，從深度分類器生成所述第一族的健壯分類器模型。

3.根據權利要求1所述的方法，其中，生成第二族的精簡分類器模型包括：

在所述客戶端-云通信系統的服務器上，從精簡分類器中生成所述第二族的精簡分類器模型。

4.根據權利要求1所述的方法，其中，生成第二族的精簡分類器模型包括：

在所述移動設備上，從精簡分類器中生成所述第二族的精簡分類器模型。

5.根據權利要求1所述的方法，其中，生成包括與在所述移動設備上用于確定所述移動設備的所述移動設備行為是惡意的還是良性的有關的數量縮減的因素和數據點的第二族的精簡分類器模型包括：

通過將所確定的因素應用到所述行為向量的云語料庫，來生成所述第二族的精簡分類器模型。

6.一種客戶端-云通信系統中的服務器，包括：

用于將機器學習技術應用于從多個不同的移動設備收集的行為向量的云語料庫，來生成第一族的健壯分類器模型的單元，所述第一族的健壯分類器模型包括與對移動設備的移動設備行為進行分類有關的因素和數據點；

用于確定是否存在針對所述第一族的健壯分類器模型的足夠的變化以保證生成新模型的單元；

用于響應于確定存在針對所述第一族的健壯分類器模型的足夠的變化，確定所述第一族的健壯分類器模型中哪些因素具有高可能性指示所述移動設備的所述移動設備行為是惡意的還是良性的單元；

用于基于所確定的因素，生成第二族的精簡分類器模型的單元，所述第二族的精簡分類器模型包括與由所述移動設備用于確定所述移動設備的所述移動設備行為是惡意的還是良性的有關的數量縮減的因素和數據點，所述第二族的精簡分類器模型中的每個精簡分類器模型比其在所述第一族的健壯分類器模型中對應的健壯分類器模型少至少一個數量級；以及

用于基于所述第二族的精簡分類器模型來生成移動設備分類器模塊的單元。

7.根據權利要求6所述的服務器，其中，用于將機器學習技術應用于從多個不同的移動設備收集的行為向量的云語料庫來生成第一族的健壯分類器模型的單元包括：

用于從深度分類器生成所述第一族的健壯分類器模型的單元。

8.根據權利要求6所述的服務器，其中，用于生成第二族的精簡分類器模型的單元包括：

用于從精簡分類器中生成所述第二族的精簡分類器模型的單元。

9.根據權利要求6所述的服務器，其中，用于生成第二族的精簡分類器模型的單元包括：

用于向所述移動設備發送所述第一族的健壯分類器模型和所確定的因素的單元。

10.根據權利要求6所述的服務器，其中，用于生成包括與在所述移動設備上用于確定所述移動設備的所述移動設備行為是惡意的還是良性的有關的數量縮減的因素和數據點的第二族的精簡分類器模型的單元包括：

用于通過將所確定的因素應用到所述行為向量的云語料庫來生成所述第二族的精簡分類器模型的單元。