[發(fā)明專利]一種基于用戶評論的Android應(yīng)用權(quán)限推理方法及裝置

有效

• 申請?zhí)枺?/td>: 201710392208.6
• 申請日: 2017-05-27
• 公開（公告）號: CN107239694B
• 公開（公告）日: 2020-03-10
• 發(fā)明（設(shè)計(jì)）人: 王麗娜;汪潤;唐奔宵;趙磊;王志波
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06F21/50
• 分類號: G06F21/50;G06F40/289;G06F16/35
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種基于用戶評論的Android應(yīng)用權(quán)限推理方法，其特征在于，包括：

步驟1，基于應(yīng)用的評論信息構(gòu)建評論特征向量；

步驟2，從應(yīng)用的權(quán)限文檔和/或描述信息中抽取代表應(yīng)用功能語義的特征名詞構(gòu)成應(yīng)用的功能特征向量；

步驟3，依據(jù)功能特征向量篩選用戶評論數(shù)據(jù)獲取與功能有關(guān)的功能評論；

步驟4，對功能評論進(jìn)行聚類操作；

步驟5，獲取每一類別的權(quán)限特征，基于應(yīng)用所屬類別的權(quán)限特征輸出應(yīng)用的權(quán)限內(nèi)容；

所述步驟1具體包括：

步驟1.1，識別用戶評論語言；

步驟1.2，對評論進(jìn)行分詞操作并移除停用詞；

步驟1.3，基于從用戶評論中得到的詞干和/或詞源構(gòu)建評論特征向量；

所述步驟2具體包括：

步驟2.1，獲取應(yīng)用的權(quán)限文檔以及與權(quán)限相對應(yīng)的敏感API文檔，抽取文檔中能夠反映權(quán)限使用特點(diǎn)的名詞及短語，將這些名詞及短語作為種子功能語義特征詞word1；

步驟2.2，獲取應(yīng)用描述信息中的詞語，統(tǒng)計(jì)種子功能語義特征詞word1與其他詞語word2在應(yīng)用描述信息中的共現(xiàn)頻率；

步驟2.3，將與種子功能語義特征詞word1共現(xiàn)率超過一定閾值的其他詞語word2擴(kuò)充至種子功能語義特征詞集中；

所述步驟3中基于下式篩與功能有關(guān)的功能評論：

Value(review)＝max(F(p₁,review),…,F(p_n,review))

將Value(review)超過一定閾值的評論作為與應(yīng)用功能有關(guān)的功能評論；

式中，review為用戶評論，per_feature為單詞，每一個(gè)權(quán)限對應(yīng)的特征向量在用戶評論中出現(xiàn)的頻率記為F(per_feature,review)，特征向量的每一個(gè)單詞在用戶評論中出現(xiàn)的次數(shù)記為COUNT(review,per_feature)，評論的長度記為length(review)，Value(review)為功能特征向量在評論中出現(xiàn)的最大數(shù)值；

所述步驟4中，

依據(jù)主題模型，將功能評論按照語義特征進(jìn)行無監(jiān)督的聚類分析；其中，主題的個(gè)數(shù)設(shè)置為權(quán)限的個(gè)數(shù)；

其中，主題模型BTM模型，模型的超參α＝5，β＝0.01；

所述步驟5中具體包括：

步驟5.1，解析每一類別對應(yīng)的應(yīng)用程序集合的權(quán)限信息并排序，基于選擇出的前若干個(gè)權(quán)限的功能特征向量構(gòu)建權(quán)限特征向量集合V_p；

步驟5.4，基于類別對應(yīng)的功能評論構(gòu)造評論特征向量集合V_w；

步驟5.5，計(jì)算權(quán)限特征向量集合V_p和評論特征向量集合V_w之間的相似度，將相似度高的權(quán)限的特征向量作為類別對應(yīng)的權(quán)限特征向量。

2.一種基于用戶評論的Android應(yīng)用權(quán)限推理裝置，其特征在于，包括：

評論向量構(gòu)建模塊，基于應(yīng)用的評論信息構(gòu)建評論特征向量；

功能向量構(gòu)建模塊，從應(yīng)用的權(quán)限文檔和/或描述信息中抽取代表應(yīng)用功能語義的特征名詞構(gòu)成應(yīng)用的功能特征向量；

功能評論篩選模塊，依據(jù)功能特征向量篩選用戶評論數(shù)據(jù)獲取與功能有關(guān)的功能評論；

功能評論聚類模塊，對功能評論進(jìn)行聚類操作；

權(quán)限映射輸出模塊，獲取每一類別的權(quán)限特征，基于應(yīng)用所屬類別的權(quán)限特征輸出應(yīng)用的權(quán)限內(nèi)容；

所述評論向量構(gòu)建模塊具體包括：

評論識別單元，識別用戶評論語言；

分詞操作單元，對評論進(jìn)行分詞操作并移除停用詞；

評論提取單元，基于從用戶評論中得到的詞干和/或詞源構(gòu)建評論特征向量；

功能向量構(gòu)建模塊具全包括：

種子獲取單元，獲取應(yīng)用的權(quán)限文檔以及與權(quán)限相對應(yīng)的敏感API文檔，抽取文檔中能夠反映權(quán)限使用特點(diǎn)的名詞及短語，將這些名詞及短語作為種子功能語義特征詞word1；

描述提取單元，獲取應(yīng)用描述信息中的詞語，統(tǒng)計(jì)種子功能語義特征詞word1與其他詞語word2在應(yīng)用描述信息中的共現(xiàn)頻率；

特征擴(kuò)充單元，將與種子功能語義特征詞word1共現(xiàn)率超過一定閾值的其他詞語word2擴(kuò)充至種子功能語義特征詞集中；

所述功能評論篩選模塊中基于下式篩與功能有關(guān)的功能評論：

Value(review)＝max(F(p₁,review),…,F(p_n,review))

將Value(review)超過一定閾值的評論作為與應(yīng)用功能有關(guān)的功能評論；

式中，review為用戶評論，per_feature為單詞，每一個(gè)權(quán)限對應(yīng)的特征向量在用戶評論中出現(xiàn)的頻率記為F(per_feature,review)，特征向量的每一個(gè)單詞在用戶評論中出現(xiàn)的次數(shù)記為COUNT(review,per_feature)，評論的長度記為length(review)，Value(review)為功能特征向量在評論中出現(xiàn)的最大數(shù)值。