[发明专利]使用归一化置信值对移动设备行为进行分类

说明书

相关申请

本申请是2013年11月26日提交的题为“Methods and Systems of Using Boosted Decision Stumps and Joint Feature Selection and Pruning Algorithms for the Efficient Classification of Mobile Device Behaviors”的美国专利申请第14/090,261号的部分继续申请，其要求于2013年9月5日提交的题为“Methods and Systems of Using Boosted Decision Stumps and Joint Feature Selection and Pruning Algorithms for the Efficient Classification of Mobile Device Behaviors”的美国临时申请第61/874,129号、于2013年1月2日提交的题为“On-Device Real-Time Behavior Analyzer”的美国临时专利申请第61/748,217号以及于2013年1月2日提交的题为“Architecture for Client-Cloud Behavior Behavior Analyzer”的美国临时专利申请第61/748,220号的优先权的权益，所有这些的全部内容通过引用合并于此。

背景技术

蜂窝和无线通信技术在过去几年中已经经历了爆炸式的增长。更好的通信、硬件、更大的网络和更可靠的协议推动了这种增长。因此，无线服务提供方现在能够为他们的客户提供对信息、资源和通信的前所未有的访问水平。

为了与这些服务并驾齐驱，移动电子设备(例如，蜂窝电话、平板计算机、膝上型计算机等)变得比以前更加强大和复杂。这种复杂性为恶意软件、软件冲突、硬件故障以及其它类似的错误或现象创造了新的机会，对移动设备的长期和持续性能和电能利用水平产生负面影响。因此，识别和校正可能负面影响移动设备的长期和持续性能和电能利用水平的条件和/或移动设备行为对消费者是有益的。

发明内容

各个方面包括在移动设备中生成精益行为分类器模型的方法，该方法可以包括：在移动设备的处理器中接收包括有限状态机的完全分类器模型；以及使用完全分类器模型来生成移动设备中的精益分类器模型。有限状态机可以包括适用于转换或表示为多个提升决策树的信息，以及提升决策树中的每个提升决策树可以包括测试条件和权重值。在一方面，该方法还可以包括使用移动设备中的精益分类器模型来将移动设备的行为分类为良性或非良性的(即恶意的、性能降级的等)。

在一方面中，基于所述完全分类器模型来生成所述精益分类器模型可以包括：将在完全分类器模型中包括的有限状态机转换为提升决策树的列表，以及基于在提升决策树的列表中包括的提升决策树来生成精益分类器模型。

在一方面，基于所述完全分类器模型来生成精益分类器模型还可以包括：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生成的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。

在一方面，所述方法可以包括使用移动设备中的精益分类器模型，以通过将收集到的行为信息应用于精益分类器模型中的每个提升决策树，计算将收集到的行为信息应用于精益分类器模型中的每个提升决策树的结果的加权平均，以及将加权平均与门限值进行比较，来将移动设备的行为分类为良性或非良性的。

在一方面，基于所述完全分类器模型来生成所述精益分类器模型可以包括：将在完全分类器模型中包括的有限状态机转换为提升决策树的列表；以及基于在提升决策树列表中包括的提升决策树，生成精益分类器模型族，所述精益分类器模型族包括精益分类器模型和多个额外的精益分类器模型，所述多个额外的精益分类器模型中的每一个精益分类器模型包括不同数量的独特测试条件。