[发明专利]一种快速计算软件相似度的方法

权利要求书

1.一种快速计算软件相似度的方法，其特征在于，包括如下步骤： 

步骤1、对待比较的两个软件进行特征数据的提取，根据特征数据的长度进行预判决，若满足判决成功，进行下一步；否则，返回数据不匹配并结束； 

步骤2、根据判决成功的两个软件的特征数据生成一个素数，作为模糊哈希过程中用于分片的触发值，利用素数计算特征数据的模糊哈希指纹； 

步骤3、对特征数据的模糊哈希指纹进行判决，确定是否匹配；若匹配，进行下一步相似度计算；否则，返回指纹不匹配并结束； 

步骤4、通过三个一维数组循环迭代的方式，优化编辑距离计算方法；再通过优化的编辑距离计算方法，对特征数据的模糊哈希指纹进行相似度计算，得出两个软件特征数据的相似结果。 

2.如权利要求1所述的快速计算软件相似度的方法，其特征在于：特征数据是通过反汇编软件从软件里提取的特征指令信息。 

3.如权利要求1所述的快速计算软件相似度的方法，其特征在于：步骤1中，对于提取的两个软件的特征数据，记为x和y，进行数据预判决如下： 

设x和y的长度分别为len1和len2，判决阈值为ε，有如下公式： 

若对于特征数据x和y，满足公式（1），则进行下一步，即分别计算数据的模糊哈希指纹；否则停止并返回匹配不成功。 

4.如权利要求3所述的快速计算软件相似度的方法，其特征在于：步骤2中，设两个软件的特征数据分别进行模糊哈希指纹过程后都产生N个分片，则素数tv为 

函数f(σ)的输出为不大于σ的最大素数；然后利用素数来计算特征数据的模糊哈希指纹，首先用一个滑动窗口在特征数据序列上滑动，当滑动窗口里的内容的哈希值等于tv-1时，产生一个分片，接下来计算这个分片的哈希值hash，并复位滑动窗口的值，然后继续滑动并产生下一个分片；最好把每个分片的哈希值连接起来作为指纹；生成的特征数据的模糊哈希指纹fp为： 

fp=hash1||hash2||…||hashN    (3) 。

5.如权利要求4所述的快速计算软件相似度的方法，其特征在于：步骤3中，设两个软件的特征数据的模糊哈希指纹分别为fp1和fp2，fp1和fp2的长度分别为len1′和len2′，判决阈值ε（可设为70），有如下公式： 

若对于特征数据的模糊哈希指纹fp1和fp2，满足公式（4），则进行下一步，即计算相似度；否则停止并返回匹配不成功。 

6.如权利要求5所述的快速计算软件相似度的方法，其特征在于：步骤4中， 

两个软件的特征数据的模糊哈希指纹相似度distance表示两个软件特征数据的编辑距离。