[發(fā)明專利]一種惡意樣本的篩選裝置及方法

有效

• 申請?zhí)枺?/td>: 201710139820.2
• 申請日: 2017-03-10
• 公開（公告）號: CN108573147B
• 公開（公告）日: 2020-10-13
• 發(fā)明（設(shè)計(jì)）人: 孫巖;肖迪;潘宣辰
• 申請（專利權(quán)）人: 武漢安天信息技術(shù)有限責(zé)任公司
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹

1.一種惡意樣本的篩選裝置，其特征在于：它包括：

特征提取模塊，用于從事件日記中提取預(yù)設(shè)特征作為卷入度的特征；

卷入度計(jì)算模塊，用于利用卷入度的特征，計(jì)算每個惡意樣本對每個終端的卷入度；所述的卷入度為終端用戶被惡意樣本卷入的概率；

指數(shù)計(jì)算模塊，用于將同一個惡意樣本下對每個終端的卷入度根據(jù)終端用戶的重要程度進(jìn)行加權(quán)平均，得到每個惡意樣本的指數(shù)；

惡意樣本提取模塊，用于將一段時(shí)間內(nèi)所有惡意樣本的指數(shù)進(jìn)行比較，提取指數(shù)高于指數(shù)閾值的惡意樣本。

2.根據(jù)權(quán)利要求1所述的惡意樣本的篩選裝置，其特征在于：所述的卷入度計(jì)算模塊具體用于建立二元選擇模型，對卷入度的特征進(jìn)行訓(xùn)練，計(jì)算每個惡意樣本對每個終端的卷入度。

3.根據(jù)權(quán)利要求2所述的惡意樣本的篩選裝置，其特征在于：所述的二元選擇模型為Probit模型或Logit模型。

4.根據(jù)權(quán)利要求1至3中任意一項(xiàng)所述的惡意樣本的篩選裝置，其特征在于：所述的預(yù)設(shè)特征包括惡意樣本名稱、惡意類型、惡意得分、受威脅國家數(shù)量、受威脅用戶數(shù)量和受威脅事件數(shù)量。

5.一種惡意樣本的篩選方法，其特征在于：它包括以下步驟：

特征提取：從事件日記中提取預(yù)設(shè)特征作為卷入度的特征；

卷入度計(jì)算：利用卷入度的特征，計(jì)算每個惡意樣本對每個終端的卷入度；所述的卷入度為終端用戶被惡意樣本卷入的概率；

指數(shù)計(jì)算：將同一個惡意樣本下對每個終端的卷入度根據(jù)終端用戶的重要程度進(jìn)行加權(quán)平均，得到每個惡意樣本的指數(shù)；

惡意樣本提取：將一段時(shí)間內(nèi)所有惡意樣本的指數(shù)進(jìn)行比較，提取指數(shù)高于指數(shù)閾值的惡意樣本。

6.根據(jù)權(quán)利要求5所述的惡意樣本的篩選方法，其特征在于：所述的卷入度計(jì)算步驟具體為：建立二元選擇模型，對卷入度的特征進(jìn)行訓(xùn)練，計(jì)算每個惡意樣本對每個終端的卷入度。

7.根據(jù)權(quán)利要求6所述的惡意樣本的篩選方法，其特征在于：所述的二元選擇模型為Probit模型或Logit模型。

8.根據(jù)權(quán)利要求5至7中任意一項(xiàng)所述的惡意樣本的篩選方法，其特征在于：所述的預(yù)設(shè)特征包括惡意樣本名稱、惡意類型、惡意得分、受威脅國家數(shù)量、受威脅用戶數(shù)量和受威脅事件數(shù)量。