[發(fā)明專利]基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811466838.4
• 申請日: 2018-12-03
• 公開（公告）號: CN109583208A
• 公開（公告）日: 2019-04-05
• 發(fā)明（設(shè)計）人: 崔紅軍;吳振宇;唐祝壽;燕錦華;鄧朝日;池定程;封亮;解群;龍剛;李翔;沈雷;郭玉環(huán);李巍
• 申請（專利權(quán)）人: 華東計算技術(shù)研究所（中國電子科技集團公司第三十二研究所）;上海犇眾信息技術(shù)有限公司
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06F17/27;G06F16/35
• 代理公司: 上海段和段律師事務(wù)所 31334
• 代理人: 李佳俊;郭國中

1.一種基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別方法，其特征在于，包括：

數(shù)據(jù)處理步驟：獲取移動應(yīng)用市場中的評論數(shù)據(jù)集，定義分類類別，對評論數(shù)據(jù)集進行篩選，得到評論關(guān)鍵詞；

數(shù)據(jù)訓練步驟：基于評論關(guān)鍵詞確定特征屬性，對特征屬性進行分類類別劃分后，得到訓練樣本，基于訓練樣本進行分類器訓練，建立檢測模型；

數(shù)據(jù)檢測步驟：檢測模型接收用戶評論，計算特征屬性在各分類類別的條件概率值，得出移動應(yīng)用的風險識別。

2.根據(jù)權(quán)利要求1所述的基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別方法，其特征在于，所述數(shù)據(jù)處理步驟包括：

數(shù)據(jù)獲取步驟：獲取移動應(yīng)用市場中的評論數(shù)據(jù)集，將評論數(shù)據(jù)集分成兩部分，分別記為第一評論數(shù)據(jù)、第二評論數(shù)據(jù)，基于第一評論數(shù)據(jù)、第二評論數(shù)據(jù)定義分類類別；

數(shù)據(jù)分類步驟：將第一評論數(shù)據(jù)基于分類類別進行分類，得到第一評論數(shù)據(jù)的所屬類別，運用kappa系數(shù)校正所屬類別的準確率；

數(shù)據(jù)篩選步驟：采用語言探測工具對第一評論數(shù)據(jù)進行語言限定后，采用分詞組件對第一評論數(shù)據(jù)進行分詞計算，保留第一評論數(shù)據(jù)中的有效詞，刪除第一評論數(shù)據(jù)中的無效詞，得到第三評論數(shù)據(jù)；

關(guān)鍵詞獲得步驟：將第三評論數(shù)據(jù)用文檔向量表示，采用向量空間模型計算每個有效詞在文檔向量中的權(quán)重，將各有效詞按照所述權(quán)重的從大到小進行排列，得到評論關(guān)鍵詞。

3.根據(jù)權(quán)利要求2所述的基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別方法，其特征在于，所述數(shù)據(jù)訓練步驟包括：

類別劃分步驟：基于評論關(guān)鍵詞確定特征屬性，參考樸素貝葉斯模型，進行分類類別劃分，得到訓練樣本；

模型建立步驟：計算各分類類別在訓練樣本中的出現(xiàn)頻率，得到樣本類別頻率，計算各特征屬性對各分類類別的條件概率，得到屬性條件概率，基于樣本類別頻率和屬性條件概率建立檢測模型。

4.根據(jù)權(quán)利要求2所述的基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別方法，其特征在于，所述數(shù)據(jù)檢測步驟包括：

類別頻率計算步驟：基于評論關(guān)鍵詞計算第三評論數(shù)據(jù)在各分類類別中出現(xiàn)的頻率，記為評論類別頻率；

條件概率計算步驟：基于評論類別頻率，計算各特征屬性在各分類類別中出現(xiàn)的條件概率值，取條件概率值的最大值作為條件概率，基于所述條件概率的分類類別進行風險識別。

5.一種基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別系統(tǒng)，其特征在于，包括：

數(shù)據(jù)處理模塊：獲取移動應(yīng)用市場中的評論數(shù)據(jù)集，定義分類類別，對評論數(shù)據(jù)集進行篩選，得到評論關(guān)鍵詞；

數(shù)據(jù)訓練模塊：基于評論關(guān)鍵詞確定特征屬性，對特征屬性進行分類類別劃分后，得到訓練樣本，基于訓練樣本進行分類器訓練，建立檢測模型；

數(shù)據(jù)檢測模塊：檢測模型接收用戶評論，計算特征屬性在各分類類別的條件概率值，得出移動應(yīng)用的風險識別。

6.根據(jù)權(quán)利要求5所述的基于移動應(yīng)用評論數(shù)據(jù)的惡意軟件識別系統(tǒng)，其特征在于，所述數(shù)據(jù)處理模塊包括：

數(shù)據(jù)獲取模塊：獲取移動應(yīng)用市場中的評論數(shù)據(jù)集，將評論數(shù)據(jù)集分成兩部分，分別記為第一評論數(shù)據(jù)、第二評論數(shù)據(jù)，基于第一評論數(shù)據(jù)、第二評論數(shù)據(jù)定義分類類別；

數(shù)據(jù)分類模塊：將第一評論數(shù)據(jù)基于分類類別進行分類，得到第一評論數(shù)據(jù)的所屬類別，運用kappa系數(shù)校正所屬類別的準確率；

數(shù)據(jù)篩選模塊：采用語言探測工具對第一評論數(shù)據(jù)進行語言限定后，采用分詞組件對第一評論數(shù)據(jù)進行分詞計算，保留第一評論數(shù)據(jù)中的有效詞，刪除第一評論數(shù)據(jù)中的無效詞，得到第三評論數(shù)據(jù)；

關(guān)鍵詞獲得模塊：將第三評論數(shù)據(jù)用文檔向量表示，采用向量空間模型計算每個有效詞在文檔向量中的權(quán)重，將各有效詞按照所述權(quán)重的從大到小進行排列，得到評論關(guān)鍵詞。