[发明专利]一种病毒程序样本的获取方法和设备

说明书

技术领域

本发明涉及互联网应用领域，特别是涉及一种病毒程序样本的获取方法和设备。

背景技术

随着社会的信息化发展，终端（包括电脑、手机等多种设备）在人们生活中越来越重要。人们越来越多地依赖终端保存个人信息，例如各种账号信息、私人聊天记录甚至一些图片照片等信息。因此，若终端系统遭到恶意文件（如恶意网址或者电脑病毒等）的威胁，容易造成个人信息的泄露，对用户造成难以估计的损失。因此，对恶意文件进行分类并处理，避免终端系统遭受恶意文件的威胁，保证终端系统的安全性十分重要。

现有技术中，在文件分类时仅能根据一个特征对文件进行分类，效率低下，并且浪费大量的时间。因此，使用现有技术对病毒文件进行分类时，需要花费大量的时间以及人力对病毒文件进行分类。并且，每次分类仅能针对一个特征，效率低下。另外，使用现有技术对大量病毒文件进行分类时，由于每次分类仅能针对一个特征，而文件的数量巨大，导致分类不准确。对病毒文件不准确分类使得根据病毒文件对终端系统进行的恶意文件检测及处理等不准确，导致无法保证终端系统的安全性，对用户的信息安全造成威胁。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种病毒程序样本的获取方法和相应的设备。

依据本发明的一个方面，提供了一种病毒程序样本的获取方法，包括：根据文件类型确定至少一个特征提取条件，并在所述特征提取条件中任取N个特征提取条件，其中N是正整数；分别利用所述N个特征提取条件对各文件进行特征提取，根据提取结果确定每个特征提取条件提取的特征的向量值；对于每个文件，根据所述N个特征提取条件的特征的向量值生成对应的分类向量；任取一个所述分类向量作为分类基点，计算除作为分类基点的分类向量之外的其他所述分类向量与所述分类基点之间的分类距离；根据计算出的各分类距离对所述文件进行分类。

可选地，所述病毒程序样本的获取方法还包括：本次分类后，确定是否还存在未使用的特征提取条件；若是，在所述未使用的特征提取条件中再次选择M个特征提取条件，利用所述M个特征提取条件执行对所述文件的分类操作；重复对所述文件的分类操作，直至所述特征提取条件均被使用。

可选地，根据所述分类距离对所述文件进行分类，包括：按照距离长度对分类距离进行分组；根据不同组别将所述文件分成不同类别。

可选地，所述按照距离长度对分类距离进行分组，包括：判断各个所述分类距离是否不大于分类预定阈值；若是，将所述分类距离分为一组；若否，则将所述分类距离分为另外一组；根据不同组别将所述文件分成不同类别，包括：将同一组的分类距离所对应的文件分为同类文件。

可选地，所述分类预定阈值为所述分类距离的平均值。

可选地，所述文件包括病毒文件。

依据本发明的另一个方面，还提供了一种病毒程序样本的获取设备，包括：获取器，配置为根据文件类型确定至少一个特征提取条件，并在所述特征提取条件中任取N个特征提取条件，其中，N是正整数；向量生成器，配置为分别利用所述N个特征提取条件对各文件进行特征提取，根据提取结果确定每个特征提取条件提取的特征的向量值；以及对于每个文件，根据所述N个特征提取条件的特征的向量值生成对应的分类向量；距离计算器，配置为任取一个所述分类向量作为分类基点，计算除作为分类基点的分类向量之外的其他所述分类向量与所述分类基点之间的分类距离；分类器，配置为根据计算出的各分类距离对所述文件进行分类。

可选地，所述病毒程序样本的获取设备还包括：所述向量生成器还配置为，本次分类后，确定是否还存在未使用的特征提取条件；若是，在所述未使用的特征提取条件中再次选择M个特征提取条件，触发所述距离计算器以及所述分类器利用所述M个特征提取条件执行对所述文件的分类操作；重复对所述文件的分类操作，直至所述特征提取条件均被使用。

可选地，所述分类器还配置为：按照距离长度对分类距离进行分组；根据不同组别将所述文件分成不同类别。

可选地，所述病毒程序样本的获取设备还包括：判断器，配置为判断所述分类距离是否不大于分类预定阈值。

可选地，所述分类器还配置为：若根据所述判断器，所述分类距离不大于分类预定阈值，将所述分类距离分为一组；若根据所述判断器，所述分类距离小于分类预定阈值，将所述分类距离分为另外一组；根据不同组别将所述文件分成不同类别，包括：将同一组的分类距离所对应的文件分为同类文件。

可选地，所述分类预定阈值为所述分类距离的平均值。