[发明专利]使用归一化置信值对移动设备行为进行分类

权利要求书

1.一种分析计算设备中的行为的方法，包括：

在计算设备的处理器中从服务器计算设备接收完全分类器模型和S形参数；

基于所述S形参数来确定归一化置信值；以及

基于所述归一化置信值来对所述计算的设备行为进行分类。

2.根据权利要求1所述的方法，还包括：

通过将在所述完全分类器模型中包括的有限状态机转换成提升决策树，来生成提升决策树的列表；以及

基于在所述提升决策树的列表中包括的所述提升决策树，来生成精益分类器模型族，

其中，基于所述归一化置信值来对所述设备行为进行分类包括：

将行为向量信息结构应用于所述精益分类器模型族中的第一精益分类器模型以生成分析结果；以及

确定是否将所述行为向量信息结构应用于所述精益分类器模型族中的第二精益分类器模型，以基于所述归一化置信值来生成新的分析结果。

3.根据权利要求1所述的方法，还包括：基于所述完全分类器模型来生成精益分类器模型，其中，基于所述归一化置信值来对所述计算设备的所述设备行为进行分类包括：

将行为向量信息结构应用于所述精益分类器模型以生成分析结果；以及

使用所述分析结果和所述归一化置信值来确定所述计算设备的所述设备行为是良性的还是非良性的。

4.根据权利要求3所述的方法，其中，基于所述完全分类器模型来生成所述精益分类器模型包括：

通过将在所述完全分类器模型中包括的有限状态机转换成多个提升决策树，来生成提升决策树的列表；

确定应当被评估以对所述设备行为进行分类而不消耗所述计算设备的过量的处理资源、存储器资源或能量资源的多个独特测试条件；

通过顺序地遍历所述提升决策树的列表，以及将与每个顺序遍历的提升决策树相关联的测试条件插入到所述测试条件的列表中，直到所述测试条件的列表包括所述多个独特测试条件为止，来生成测试条件的列表；以及

生成所述精益分类器模型以仅包括测试在所述测试条件的列表中包括的多个测试条件中的一个测试条件的那些提升决策树。

5.根据权利要求3所述的方法，其中，将所述行为向量信息结构应用于所述精益分类器模型，以确定所述计算设备的所述设备行为是否是非良性的包括：

将在所述行为向量信息结构中包括的收集到的行为信息应用于在所述精益分类器模型中包括的多个提升决策树中的每一个提升决策树；

计算将所述收集到的行为信息应用于在所述精益分类器模型中包括的所述多个提升决策树中的每一个提升决策树的结果的加权平均；以及

将所述加权平均与门限值进行比较。

6.根据权利要求1所述的方法，还包括：

基于所述归一化置信值来生成更新的S形参数；以及

将所述更新的S形参数发送给所述服务器计算设备。

7.根据权利要求1所述的方法，还包括：

从所述服务器计算设备接收更新的S形参数；

基于从所述服务器计算设备接收到的所述更新的S形参数，来确定新的归一化置信值；以及

基于所述新的归一化置信值，来对所述计算设备的所述设备行为进行分类。

8.根据权利要求1所述的方法，其中，接收所述完全分类器模型和所述S形参数包括接收有限状态机，所述有限状态机包括适用于表示为两个或更多个提升决策树的信息，每个提升决策树包括权重值和测试条件，所述测试条件与识别所述测试条件将使得所述计算设备能够确定所述计算设备的所述设备行为是良性和非良性之一的可能性的概率值相关联。

9.一种计算设备，包括：

用于从服务器计算设备接收完全分类器模型和S形参数的单元；

用于基于所述S形参数来确定归一化置信值的单元；以及

用于基于所述归一化置信值来对所述计算的设备行为进行分类的单元。