[发明专利]一种文件聚类方法、装置及设备

权利要求书

1.一种文件聚类方法，其特征在于，所述方法包括：

获取多个待聚类文件执行时调用的应用程序接口序列信息，所述应用程序接口序列信息包括按照调用时序排序的多个应用程序接口；

根据每一待聚类文件所对应的多个应用程序接口的排序将所述每一待聚类文件的应用程序接口序列信息组合成多个接口序列元组，所述接口序列元组至少包含两个应用程序接口；

确定每一待聚类文件所对应的所述多个接口序列元组的多个特征向量；

基于所述每一待聚类文件所对应的多个特征向量确定所述每一待聚类文件的特征向量；

利用所述多个待聚类文件的特征向量对所述多个待聚类文件进行聚类。

2.根据权利要求1所述的方法，其特征在于，所述利用所述多个待聚类文件的特征向量对所述多个待聚类文件进行聚类，包括：

对所述每一待聚类文件的特征向量进行最小哈希计算，得到多个最小哈希值；

根据所述多个最小哈希值将所述每一待聚类文件的特征向量分到多个接口序列桶中；

计算同一接口序列桶中的待聚类文件的特征向量两两之间的距离；

判断同一接口序列桶中的待聚类文件的特征向量两两之间的距离是否小于等于预设距离阈值；

当两个待聚类文件的特征向量间的距离小于等于预设距离阈值时，将所述两个待聚类文件进行聚类。

3.根据权利要求1所述的方法，其特征在于，所述利用所述多个待聚类文件的特征向量对所述多个待聚类文件进行聚类，包括：

计算待聚类文件的特征向量两两之间的距离；

判断待聚类文件的特征向量两两之间的距离是否大于等于预设距离阈值；

当两个待聚类文件的特征向量间的距离小于等于预设距离阈值时，将所述两个待聚类文件进行聚类。

4.根据权利要求1所述的方法，其特征在于，所述根据每一待聚类文件所对应的多个应用程序接口的排序将所述每一待聚类文件的应用程序接口序列信息组合成多个接口序列元组，包括：

确定接口序列元组所包含的应用程序接口的第一数量；

基于所述第一数量的确定应用程序接口提取窗口；

利用所述应用程序接口提取窗口从每一待聚类文件的应用程序接口序列信息中依次提取第一数量个相邻的应用程序接口，得到多个接口序列元组，其中，所述应用程序接口提取窗口在依次提取第一数量个相邻的应用程序接口时的移动步长为一个应用程序接口。

5.根据权利要求1所述的方法，其特征在于，所述确定每一待聚类文件所对应的所述多个接口序列元组的多个特征向量，包括：

利用消息摘要算法对每一待聚类文件所对应的所述多个接口序列元组进行映射处理，得到所述多个接口序列元组的多个特征向量。

6.根据权利要求1所述的方法，其特征在于，所述基于所述每一待聚类文件所对应的多个特征向量确定所述每一待聚类文件的特征向量，包括：

利用局部敏感哈希算法将所述每一待聚类文件所对应的多个特征向量转换成所述每一待聚类文件的特征向量。

7.一种文件聚类装置，其特征在于，所述装置包括：

获取模块，用于获取多个待聚类文件执行时调用的应用程序接口序列信息，所述应用程序接口序列信息包括按照调用时序排序的多个应用程序接口；

组合模块，用于根据每一待聚类文件所对应的多个应用程序接口的排序将所述每一待聚类文件的应用程序接口序列信息组合成多个接口序列元组，所述接口序列元组至少包含两个应用程序接口；

第一确定模块，用于确定每一待聚类文件所对应的所述多个接口序列元组的多个特征向量；

第二确定模块，用于基于所述每一待聚类文件所对应的多个特征向量确定所述每一待聚类文件的特征向量；

聚类模块，用于利用所述多个待聚类文件的特征向量对所述多个待聚类文件进行聚类。