[发明专利]用于检测恶意应用及训练检测模型的方法、装置及设备有效
| 申请号： | 201811330064.2 | 申请日： | 2018-11-09 |
| 公开（公告）号： | CN109543409B | 公开（公告）日： | 2021-06-08 |
| 发明（设计）人： | 刘国波 | 申请（专利权）人： | 腾讯科技(深圳)有限公司 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56 |
| 代理公司： | 深圳市隆天联鼎知识产权代理有限公司 44232 | 代理人： | 刘抗美 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种用于训练恶意应用检测模型的方法，包括：基于带有样本标签的应用样本提取样本特征，所述样本标签用于标记所述应用样本的安全状态；使用所述样本标签与所述提取的样本特征，通过训练以获取样本特征与安全状态之间的第一非线性关系模型并输出第一预测结果；以及在确定与部分待检测应用对应的第一预测结果错误时，根据改正后的第一预测结果与所述部分待检测应用的样本特征，通过训练以获取样本特征与安全状态之间的第二非线性关系模型。基于本发明实施例的方案，通过已经标记的应用样本训练检测模型，同时结合反馈的预测错误样本训练补充模型，能够提高恶意应用检测的覆盖率和准确率。 | ||
| 搜索关键词： | 用于 检测 恶意 应用 训练 模型 方法 装置 设备 | ||
【主权项】：
1.一种用于训练恶意应用检测模型的方法，其特征在于，包括：基于带有样本标签的应用样本提取样本特征，所述样本标签用于标记所述应用样本的安全状态；使用所述样本标签与所述提取的样本特征，通过训练以获取所述样本特征与安全状态之间的第一非线性关系模型，所述第一非线性关系模型用于预测待检测应用的安全状态并输出第一预测结果；以及在确定与部分待检测应用对应的第一预测结果错误时，根据改正后的第一预测结果与所述部分待检测应用的样本特征，通过训练以获取所述样本特征与安全状态之间的第二非线性关系模型，所述第二非线性关系模型用于预测待检测应用的安全状态并输出第二预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司，未经腾讯科技(深圳)有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811330064.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种恶意软件识别方法和系统
- 下一篇：一种基于语义映射关联的恶意代码检测方法
