[发明专利]文件检测方法、装置、存储介质及计算设备

权利要求书

1.一种文件检测方法，其特征在于，所述方法包括：

根据待检测文件的文件内容，生成所述待检测文件的灰度图；

根据文件检测模型，确定所述待检测文件的灰度图与参考文件的灰度图之间的相似度，所述文件检测模型为通过多个文件样本和所述多个文件样本的相似文件训练得到的神经网络模型，文件样本的相似文件由所述文件样本经过修改后得到；

根据所述相似度，确定所述待检测文件的检测结果，所述检测结果包括所述待检测文件与所述参考文件相似或所述待检测文件与所述参考文件不相似。

2.根据权利要求1所述的方法，其特征在于，所述根据待检测文件的文件内容，生成所述待检测文件的灰度图，包括：

提取所述待检测文件的文件内容，得到字符串列表，所述字符串列表包括多行字符串，每行字符串为所述待检测文件的文件内容中的一行内容；

对所述多行字符串进行编码，得到多个字节数组；

根据所述多个字节数组，生成所述待检测文件的灰度图。

3.根据权利要求1或2所述的方法，其特征在于，所述文件检测模型为孪生神经网络模型，所述孪生神经网络模型包括第一分支、第二分支和输出层，所述第一分支和所述第二分支的结构相同；

所述根据文件检测模型，确定所述待检测文件的灰度图与参考文件的灰度图之间的相似度，包括：

将所述待检测文件的灰度图作为所述第一分支的输入，通过所述第一分支确定所述待检测文件对应的第一向量；

将所述参考文件的灰度图作为所述第二分支的输入，通过所述第二分支确定所述参考文件对应的第二向量；

将所述第一向量和所述第二向量作为所述输出层的输入，通过所述输出层确定所述第一向量和所述第二向量之间的相似度，将所述第一向量和所述第二向量之间的相似度作为所述待检测文件的灰度图与所述参考文件的灰度图之间的相似度。

4.根据权利要求3所述的方法，其特征在于，所述第一分支和所述第二分支均包括第一卷积层、第二卷积层、金字塔池化层和全连接层，所述第一卷积层的卷积核和所述第二卷积层的卷积核不同。

5.根据权利要求1-4任一所述方法，其特征在于，所述方法还包括：

分别对所述多个文件样本中的每个文件样本按照指定修改方式进行修改，得到每个文件样本的一个或多个相似文件；

生成每个文件样本的灰度图，以及生成每个文件样本的每个相似文件的灰度图；

生成多个训练样本对，所述多个训练样本对包括正例训练样本对和负例训练样本对，所述正例训练样本对中包括一个文件样本的灰度图和相应文件样本的一个相似文件的灰度图，所述正例训练样本对包括第一标注信息；所述负例训练样本对包括一个文件样本的灰度图和一个不是相应文件样本的相似文件的灰度图，所述负例训练样本对包括第二标注信息；

根据所述多个训练样本对，对初始文件检测模型进行训练，获得所述文件检测模型。

6.根据权利要求5所述的方法，其特征在于，所述指定修改方式包括删除文件的部分文本内容、替换文件的文本部分内容、更改文件的文本内容格式以及更改文件的文件格式中的一种或多种。

7.一种文件检测装置，其特征在于，所述装置包括：

文件内容抽取模块，用于根据待检测文件的文件内容，生成所述待检测文件的灰度图；

文件检测模块，用于根据文件检测模型，确定所述待检测文件的灰度图与参考文件的灰度图之间的相似度，所述文件检测模型为通过多个文件样本和所述多个文件样本的相似文件训练得到的神经网络模型，文件样本的相似文件由所述文件样本经过修改后得到；

相似性确定模块，用于根据所述相似度，确定所述待检测文件的检测结果，所述检测结果包括所述待检测文件与所述参考文件相似或所述待检测文件与所述参考文件不相似。