[發明專利]用于檢測惡意應用及訓練檢測模型的方法、裝置及設備有效
| 申請號： | 201811330064.2 | 申請日： | 2018-11-09 |
| 公開（公告）號： | CN109543409B | 公開（公告）日： | 2021-06-08 |
| 發明（設計）人： | 劉國波 | 申請（專利權）人： | 騰訊科技(深圳)有限公司 |
| 主分類號： | G06F21/56 | 分類號： | G06F21/56 |
| 代理公司： | 深圳市隆天聯鼎知識產權代理有限公司 44232 | 代理人： | 劉抗美 |
| 地址： | 518000 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 用于 檢測 惡意 應用 訓練 模型 方法 裝置 設備 | ||
1.一種用于訓練惡意應用檢測模型的方法，其特征在于，包括：
基于帶有樣本標簽的應用樣本提取樣本特征，所述樣本標簽用于標記所述應用樣本的安全狀態；
使用所述樣本標簽與所述提取的樣本特征，通過訓練以獲取所述樣本特征與安全狀態之間的第一非線性關系模型，所述第一非線性關系模型用于預測待檢測應用的安全狀態并輸出第一預測結果；以及
在確定與部分待檢測應用對應的第一預測結果錯誤時，根據改正后的第一預測結果與所述部分待檢測應用的樣本特征，通過訓練以獲取所述樣本特征與安全狀態之間的第二非線性關系模型，在所述第一預測結果指示所述待檢測應用的安全狀態為安全時，使用所述第二非線性關系模型預測所述待檢測應用的安全狀態并輸出第二預測結果。
2.如權利要求1所述的方法，其特征在于，所述的基于帶有樣本標簽的應用樣本提取樣本特征，包括：
提取所述應用樣本的低維靜態特征和/或高維靜態特征，
所述低維靜態特征包括選自應用權限、組件名稱、元數據鍵值對、應用打包名稱、應用所使用的證書信息、和操作碼序列中的任意項特征；
所述高維靜態特征包括選自應用的加固方式和打包方式中的任意項特征。
3.如權利要求1所述的方法，其特征在于，所述的基于帶有樣本標簽的應用樣本提取樣本特征，包括：
提取所述應用樣本的動態特征，所述動態特征包括選自對預定應用編程接口API的調用和應用的操作行為中的任意項特征。
4.如權利要求1所述的方法，其特征在于，所述的通過訓練以獲取所述樣本特征與安全狀態之間的第一非線性關系模型，包括：將所述樣本標簽與所述提取的樣本特征作為輸入，使用梯度提升決策樹GBDT算法進行訓練得到所述第一非線性關系模型，
所述的通過訓練以獲取所述樣本特征與安全狀態之間的第二非線性關系模型，包括：將所述改正后的第一預測結果與所述部分待檢測應用的樣本特征作為輸入，使用GBDT算法進行訓練得到所述第二非線性關系模型。
5.如權利要求1-4任一項所述的方法，其特征在于，還包括：
通過獲取人工反饋結果和對比所述第二預測結果中的至少一種方式，驗證所述第一預測結果的正確性。
6.一種用于檢測惡意應用的方法，其特征在于，包括：
基于待檢測應用提取樣本特征；
將所述樣本特征輸入第一非線性關系模型，獲取第一預測結果；以及
在所述第一預測結果指示所述待檢測應用的安全狀態為安全時，將所述樣本特征輸入第二非線性關系模型以獲取第二預測結果，
其中，所述的第一非線性關系模型和第二非線性關系模型基于權利要求1-5任一項所述的用于訓練惡意應用檢測模型的方法訓練得到。
7.如權利要求6所述的方法，其特征在于，還包括：
在所述第一預測結果指示所述待檢測應用的安全狀態為病毒時，輸出所述第一預測結果并產生告警提示。
8.如權利要求6或7所述的方法，其特征在于，還包括：
通過獲取人工反饋結果和對比所述第二預測結果中的至少一種方式，驗證所述第一預測結果的正確性；以及
在確定所述第一預測結果錯誤時，提供與所述樣本特征和改正后結果對應的反饋，以更新所述第二非線性關系模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于騰訊科技(深圳)有限公司，未經騰訊科技(深圳)有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811330064.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種惡意軟件識別方法和系統
- 下一篇：一種基于語義映射關聯的惡意代碼檢測方法
