[发明专利]一种修剪训练集和恶意程序识别的方法及装置

说明书

一种修剪训练集和恶意程序识别的方法及装置，其中修剪训练集的方法，包括：在训练集中任意选取一个特征点；将所选取的特征点所代表的行为特征分别与所选取的特征点的空间距离最近的第一数量个特征点所代表的行为特征进行对比；若所选取的特征点所代表的行为特征与所述第一数量个特征点所代表的行为特征中的至少第二数量个特征点所代表的行为特征不同，则在所述训练集中修剪掉所选取的特征点，其中所述第一数量大于所述第二数量，通过在训练分类的机器模型的过程中，通过对比，修剪掉训练集中对提高识别度没有帮助却浪费训练器计算资源的特征点，提高了训练器的训练效率。

技术领域

本发明涉及移动互联网技术领域，具体涉及一种修剪训练集和恶意程序识别的方法及装置。

背景技术

随着科技的发展，各种开放性的操作系统的使用数量、应用范围以及使用频率越来越高，而操作系统的开放性在带动互联网产业链繁荣的同时，也带来了很多安全问题，根据国家互联网应急中心的监测结果显示，近年来移动互联网恶意应用走势居高不下，造成个人信息的泄露，给广大的互联网用户带来了财产损失和安全风险，故在软件使用的过程中，需要判断软件的安全性；目前采用机器学习模型进行识别软件安全性之前，需要对模型进行训练，以便提高识别率，而在训练机器学习模型时，有一些混杂在另一类特征点中的点，往往并不能提高分类器的性能，只能是白白增加训练器的计算负担，同时他们的存在还可能会造成过学习，使得分类器的分类能力减弱。

发明内容

因此，本发明要解决的技术问题在于现有用于训练的特征点特征混杂，不能提高分类器的性能，增加了训练器的计算负担，使得分类器的分类能力减弱。

有鉴于此，本发明提供一种修剪训练集的方法，包括：在训练集中任意选取一个特征点；将所选取的特征点所代表的行为特征分别与所选取的特征点的空间距离最近的第一数量个特征点所代表的行为特征进行对比；若所选取的特征点所代表的行为特征与所述第一数量个特征点所代表的行为特征中的至少第二数量个特征点所代表的行为特征不同，则在所述训练集中修剪掉所选取的特征点，其中所述第一数量大于所述第二数量。

优选地，重复所述在训练集中任意选取一个特征点至所述在所述训练集中修剪掉所选取的特征点的步骤，直至所述训练集中剩余的特征点的数量等于训练所述训练集所需要的数量。

优选地，重复所述在训练集中任意选取一个特征点至所述在所述训练集中修剪掉所选取的特征点的步骤，直至所述训练集中的所有特征点均被选取。

优选地，还包括：判断所述训练集中剩余的特征点的数量是否达到训练所述训练集所需要的数量；当所述训练集中剩余的特征点的数量未达到训练所述训练集所需要的数量时，则在剩余的特征点选取空间距离最近且代表的行为特征相同的两个特征点并在所述两个特征点之间插入一个代表相同行为特征的特征点；重复所述在剩余的特征点选取空间距离最近且代表的行为特征相同的两个特征点并在所述两个特征点之间插入一个代表相同行为特征的特征点的步骤，直至所述训练集中剩余的特征点的数量等于训练所述训练集所需要的数量。

优选地，在所述两个特征点之间插入一个代表相同行为特征的特征点的步骤中，

所述代表相同行为特征的特征点插入在所述两个特征点的空间距离的中点处。

本发明还提供一种恶意程序识别方法，包括：利用上述修剪训练集的方法得到的训练集对机器学习模型进行训练；获取代表待识别程序行为特征的特征点；将所述特征点输入训练好的所述机器学习模型进行识别；根据识别结果判定所述待识别程序是否为恶意程序。

优选地，所述获取代表待识别程序行为特征的特征点的步骤，包括：触发并捕获所述待识别程序的行为特征；将捕获到的行为特征分别与敏感行为特征库的敏感行为进行匹配；根据匹配结果获得代表待识别程序行为特征的特征点。