[发明专利]一种数据处理方法及电子设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

处理学习样本形成第一特征集合，包括获得学习样本的第二特征集合，所述第二特征集合包含所述学习样本中各特征数据的实际功用及至少与所述实际功用匹配的特征字段，基于所述第二特征集合确定第一特征集合，所述第一特征集合包含所述学习样本中各特征数据的分词字段及对应的实际功用；

处理所述第一特征集合形成多个不同的规则组，包括基于递归匹配算法及预设的学习深度处理所述第一特征集合形成多个不同的规则组，所述学习深度用于表征形成的每个规则组中所包含的特征字段的数量，每个所述规则组均包括至少一个分词字段，所述至少一个分词字段用于确定所述规则组具有导致设备产生唯一危险结果的规则；

基于所述规则组建立用于识别网络病毒数据的数据库；

其中，所述基于递归匹配算法及预设的学习深度处理所述第一特征集合形成多个不同的规则组包括：

将所述第一特征集合和第二特征集合中的数据进行匹配；

基于匹配结果以及预设的学习深度形成多个不同的规则组。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二特征集合确定所述第一特征集合包括：

基于所述第二特征集合确定所述学习样本中特征字段的分隔方法；

基于所述分隔方法确定所述第一特征集合。

3.根据权利要求1所述的方法，其特征在于，还包括：

预先确定所述学习样本中各特征数据所属的网络系统攻击类别、应对策略以及不良影响。

4.根据权利要求3所述的方法，其特征在于，还包括：

根据预设分类算法以及预先确定的所述网络系统攻击类别、不良影响及应对策略确定所述每个规则组的攻击类别、不良影响以及应对策略。

5.根据权利要求4所述的方法，其特征在于，所述预设分类算法至少包括朴素贝叶斯分类算法。

6.根据权利要求3所述的方法，其特征在于，所述基于所述规则组建立用于识别网络病毒数据的数据库包括：

基于所述规则组及每个规则组的攻击类别、不良影响以及应对策略建立用于识别网络病毒数据的数据库。

7.一种电子设备，其特征在于，包括：

处理装置，其用于处理学习样本形成第一特征集合，包括获得学习样本的第二特征集合，所述第二特征集合包含所述学习样本中各特征数据的实际功用及至少与所述实际功用匹配的特征字段，基于所述第二特征集合确定第一特征集合，所述第一特征集合包含所述学习样本中各特征数据的实际功用及分词字段；处理所述第一特征集合形成多个不同的规则组，包括基于递归匹配算法及预设的学习深度处理所述第一特征集合形成多个不同的规则组，所述学习深度用于表征形成的每个规则组中所包含的特征字段的数量，每个所述规则组均包括至少一个分词字段，所述至少一个分词字段用于确定所述规则组具有导致设备唯一危险结果的规则；基于所述规则组建立用于识别网络病毒数据的数据库，其中，所述基于递归匹配算法及预设的学习深度处理所述第一特征集合形成多个不同的规则组包括：将所述第一特征集合和第二特征集合中的数据进行匹配；基于匹配结果以及预设的学习深度形成多个不同的规则组。