[發(fā)明專利]一種文件聚類方法、裝置及設(shè)備

在審

• 申請?zhí)枺?/td>: 201910163113.6
• 申請日: 2019-03-05
• 公開（公告）號: CN111666404A
• 公開（公告）日: 2020-09-15
• 發(fā)明（設(shè)計）人: 韓孟玲;魏向前;程虎;譚昱;彭寧;許天勝
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種文件聚類方法，其特征在于，所述方法包括：

獲取多個待聚類文件執(zhí)行時調(diào)用的應(yīng)用程序接口序列信息，所述應(yīng)用程序接口序列信息包括按照調(diào)用時序排序的多個應(yīng)用程序接口；

根據(jù)每一待聚類文件所對應(yīng)的多個應(yīng)用程序接口的排序?qū)⑺雒恳淮垲愇募膽?yīng)用程序接口序列信息組合成多個接口序列元組，所述接口序列元組至少包含兩個應(yīng)用程序接口；

確定每一待聚類文件所對應(yīng)的所述多個接口序列元組的多個特征向量；

基于所述每一待聚類文件所對應(yīng)的多個特征向量確定所述每一待聚類文件的特征向量；

利用所述多個待聚類文件的特征向量對所述多個待聚類文件進行聚類。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述多個待聚類文件的特征向量對所述多個待聚類文件進行聚類，包括：

對所述每一待聚類文件的特征向量進行最小哈希計算，得到多個最小哈希值；

根據(jù)所述多個最小哈希值將所述每一待聚類文件的特征向量分到多個接口序列桶中；

計算同一接口序列桶中的待聚類文件的特征向量兩兩之間的距離；

判斷同一接口序列桶中的待聚類文件的特征向量兩兩之間的距離是否小于等于預(yù)設(shè)距離閾值；

當兩個待聚類文件的特征向量間的距離小于等于預(yù)設(shè)距離閾值時，將所述兩個待聚類文件進行聚類。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述多個待聚類文件的特征向量對所述多個待聚類文件進行聚類，包括：

計算待聚類文件的特征向量兩兩之間的距離；

判斷待聚類文件的特征向量兩兩之間的距離是否大于等于預(yù)設(shè)距離閾值；

當兩個待聚類文件的特征向量間的距離小于等于預(yù)設(shè)距離閾值時，將所述兩個待聚類文件進行聚類。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)每一待聚類文件所對應(yīng)的多個應(yīng)用程序接口的排序?qū)⑺雒恳淮垲愇募膽?yīng)用程序接口序列信息組合成多個接口序列元組，包括：

確定接口序列元組所包含的應(yīng)用程序接口的第一數(shù)量；

基于所述第一數(shù)量的確定應(yīng)用程序接口提取窗口；

利用所述應(yīng)用程序接口提取窗口從每一待聚類文件的應(yīng)用程序接口序列信息中依次提取第一數(shù)量個相鄰的應(yīng)用程序接口，得到多個接口序列元組，其中，所述應(yīng)用程序接口提取窗口在依次提取第一數(shù)量個相鄰的應(yīng)用程序接口時的移動步長為一個應(yīng)用程序接口。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定每一待聚類文件所對應(yīng)的所述多個接口序列元組的多個特征向量，包括：

利用消息摘要算法對每一待聚類文件所對應(yīng)的所述多個接口序列元組進行映射處理，得到所述多個接口序列元組的多個特征向量。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述每一待聚類文件所對應(yīng)的多個特征向量確定所述每一待聚類文件的特征向量，包括：

利用局部敏感哈希算法將所述每一待聚類文件所對應(yīng)的多個特征向量轉(zhuǎn)換成所述每一待聚類文件的特征向量。

7.一種文件聚類裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取多個待聚類文件執(zhí)行時調(diào)用的應(yīng)用程序接口序列信息，所述應(yīng)用程序接口序列信息包括按照調(diào)用時序排序的多個應(yīng)用程序接口；

組合模塊，用于根據(jù)每一待聚類文件所對應(yīng)的多個應(yīng)用程序接口的排序?qū)⑺雒恳淮垲愇募膽?yīng)用程序接口序列信息組合成多個接口序列元組，所述接口序列元組至少包含兩個應(yīng)用程序接口；

第一確定模塊，用于確定每一待聚類文件所對應(yīng)的所述多個接口序列元組的多個特征向量；

第二確定模塊，用于基于所述每一待聚類文件所對應(yīng)的多個特征向量確定所述每一待聚類文件的特征向量；

聚類模塊，用于利用所述多個待聚類文件的特征向量對所述多個待聚類文件進行聚類。