基于机器学习的关联样本查找方法、装置及服务器制造方法及图纸

本发明专利技术公开了一种基于机器学习的关联样本查找方法、装置、服务器及计算机存储介质，其中，该方法包括：步骤S1，提取每一个样本的特征向量，存储特征向量；步骤S2，获取训练得到的训练模型；步骤S3，利用训练模型扫描特征向量，得到与已知病毒样本相关的关联样本；步骤S4：判断是否满足预设结束条件，若否，执行步骤S5；步骤S5，并根据关联样本对训练模型进行更新跳转执行步骤S3。根据本发明专利技术提供的方案，通过扫描样本的特征向量可以查找出与已知病毒相关的关联样本，并利用该关联样本对训练模型进行不断的更新，进而查找出新的关联样本，实现在样本库中快速查找出所有与已知病毒相关的组件以及工具。

【技术实现步骤摘要】
基于机器学习的关联样本查找方法、装置及服务器
本专利技术涉及计算机
，具体涉及一种基于机器学习的关联样本查找方法、装置、服务器及计算机存储介质。
技术介绍
恶意程序是一类特殊的程序，它们通常在用户不知晓也未授权的情况下潜入到用户的计算机系统中，对用户系统进行攻击。恶意程序可以包括病毒、后门程序、木马程序、宏病毒、引导区病毒、脚本病毒等。随着网络时代的到来，很多数据或信息都通过网络存储以及传递，而恶意程序在对计算机系统进行攻击之后，会导致计算机功能不正常或数据造成破坏的问题。为解决这一问题，在查杀病毒之前，首先查找出与恶意程序相关的程序文件，但是现有技术并没有提供一种较好的根据恶意程序将计算机系统中与病毒相关的组件以及工具进行查找的方案。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于机器学习的关联样本查找方法、装置及服务器。根据本专利技术的一个方面，提供了一种基于机器学习的关联样本查找方法，该方法包括：步骤S1：提取样本库中每一个样本的特征向量，存储每一个样本的特征向量；步骤S2：获取根据已知病毒样本训练得到的训练模型；步骤S3：利用训练模型扫描已存储的每一个样本的特征向量，得到与已知病毒样本相关的关联样本，将关联样本复制到已知病毒样本的关联样本集合中；步骤S4：判断是否满足预设结束条件，若是，则本方法结束；若否，执行步骤S5；步骤S5：将关联样本复制到已知病毒样本的关联样本集合中，并根据关联样本对训练模型进行更新，跳转执行步骤S3。可选地，预设结束条件具体为：利用训练模型扫描已存储的每一个样本的特征向量没有得到关联样本集合中未保存的关联样本。可选地，提取样本库中每一个样本的特征向量进一步包括：提取样本库中每一个样本的至少一个特征；对样本的至少一个特征进行降维运算，得到样本的特征向量。可选地，样本的至少一个特征包括：类行为特征、编译器特征和/或加壳特征。可选地，存储每一个样本的特征向量具体为：将样本库中所有样本的特征向量分布存储到分布式集群中的数个节点中。可选地，在利用训练模型扫描每一个样本的特征向量之前，方法还包括：将训练模型置入分布式集群中的数个节点中；利用训练模型扫描已存储的每一个样本的特征向量具体为：数个节点并行地利用训练模型对节点中已存储的样本的特征向量进行扫描。根据本专利技术的另一方面，提供了一种基于机器学习的关联样本查找装置，该装置包括：提取模块，适于提取样本库中每一个样本的特征向量；存储模块，适于存储每一个样本的特征向量；训练模块，适于获取根据已知病毒样本训练得到的训练模型；查找模块，适于利用训练模型扫描已存储的每一个样本的特征向量，得到与已知病毒样本相关的关联样本，将所述关联样本复制到所述已知病毒样本的关联样本集合中；判断模块，适于判断是否满足预设结束条件；更新模块，适于若所述判断模块判断出未满足预设结束条件，则根据关联样本对训练模型进行更新；可选地，预设结束条件具体为：利用训练模型扫描已存储的每一个样本的特征向量没有得到关联样本集合中未保存的关联样本。可选地，提取模块进一步适于：提取样本库中每一个样本的至少一个特征；对样本的至少一个特征进行降维运算，得到样本的特征向量。可选地，样本的至少一个特征包括：类行为特征、编译器特征和/或加壳特征。可选地，存储模块进一步适于：将样本库中所有样本的特征向量分布存储到分布式集群中的数个节点中。可选地，装置还包括：置入模块，适于将训练模型置入分布式集群中的数个节点中；预测模块进一步适于：数个节点并行地利用训练模型对节点中已存储的样本的特征向量进行扫描。根据本专利技术的又一方面，提供了一种服务器，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行上述基于机器学习的关联样本查找方法对应的操作。根据本专利技术的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述基于机器学习的关联样本查找方法对应的操作。根据本专利技术的基于机器学习的关联样本查找方法、装置及服务器，在拦截或获取到病毒的相关信息后，通过分析和训练病毒的程序文件，得出训练模型，利用训练模型扫描样本的特征向量即可从样本中查找出与已知病毒相关的关联样本，这种通过扫描样本的特征向量进行查找的方式能够提高查找的速度；并利用该关联样本对训练模型进行不断的更新，通过更新后的训练模型查找出新的与已知病毒相关的关联样本，循环执行上述训练模型更新以及查找的步骤，直至样本中的关联样本被全部查找出来，进而实现在样本库中快速完整的查找出所有与已知病毒相关的组件以及工具。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术一个实施例的基于机器学习的关联样本查找方法的流程图；图2示出了根据本专利技术另一个实施例的基于机器学习的关联样本查找方法的流程图；图3示出了根据本专利技术又一个实施例的基于机器学习的关联样本查找装置的功能框图；图4示出了根据本专利技术再一个实施例的基于机器学习的关联样本查找装置的功能框图；图5示出了根据本专利技术的一种服务器的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。图1示出了根据本专利技术一个实施例的基于机器学习的关联样本查找方法的流程图。如图1所示，该方法包括以下步骤：步骤S101，提取样本库中每一个样本的特征向量，存储每一个样本的特征向量。本实施例是为了实现在获取到病毒或恶意攻击事件的程序文件之后，通过该程序文件建立的训练模型去扫描样本库中样本的特征向量，发现与病毒或恶意攻击事件相关的关联样本，并利用每次查找出的关联样本更新训练模型，以进行病毒或恶意攻击事件的溯源，快速从样本库中查找出与病毒或恶意攻击事件相关的所有关联样本，进而便于采取措施进行查杀，消除与爆发的病毒或恶意攻击事件相关的组件或工具再次对用户系统造成破坏的可能。具体地，分析样本库中每一个样本的程序文件，从程序文件中提取能够表示该程序文件的足够多的信息的特征，例如表示样本的行为功能的特征，并根据所提取的特征生成特征向量；存储样本库中的所有样本的特征向量，以供后续扫描查找时能够直接获取。步骤S102，获取根据已知病毒样本训练得到的训练模型。具体地，训练模型的训练过程可以为：分析每一个拦截或获取的同一病毒家族或同类恶意攻击事件的可执行程序文件，提取程序文件的特征，根据所提取的特征生成每一个程序文件的特征向量，将同一病毒家族或同类恶意攻击事件的所有特征向量以及海量白本文档来自技高网...

【技术保护点】
一种基于机器学习的关联样本查找方法，包括：步骤S1：提取样本库中每一个样本的特征向量，存储所述每一个样本的特征向量；步骤S2：获取根据已知病毒样本训练得到的训练模型；步骤S3：利用所述训练模型扫描已存储的每一个样本的特征向量，得到与所述已知病毒样本相关的关联样本，将所述关联样本复制到所述已知病毒样本的关联样本集合中；步骤S4：判断是否满足预设结束条件，若是，则本方法结束；若否，执行步骤S5；步骤S5：根据关联样本对训练模型进行更新，跳转执行步骤S3。

【技术特征摘要】
1.一种基于机器学习的关联样本查找方法，包括：步骤S1：提取样本库中每一个样本的特征向量，存储所述每一个样本的特征向量；步骤S2：获取根据已知病毒样本训练得到的训练模型；步骤S3：利用所述训练模型扫描已存储的每一个样本的特征向量，得到与所述已知病毒样本相关的关联样本，将所述关联样本复制到所述已知病毒样本的关联样本集合中；步骤S4：判断是否满足预设结束条件，若是，则本方法结束；若否，执行步骤S5；步骤S5：根据关联样本对训练模型进行更新，跳转执行步骤S3。2.根据权利要求1所述的方法，所述预设结束条件具体为：利用训练模型扫描已存储的每一个样本的特征向量没有得到所述关联样本集合中未保存的关联样本。3.根据权利要求1或2所述的方法，所述提取样本库中每一个样本的特征向量进一步包括：提取样本库中每一个样本的至少一个特征；对所述样本的至少一个特征进行降维运算，得到样本的特征向量。4.根据权利要求3所述的方法，所述样本的至少一个特征包括：类行为特征、编译器特征和/或加壳特征。5.根据权利要求1-4任一项所述的方法，所述存储所述每一个样本的特征向量具体为：将所述样本库中所有样本的特征向量分布存储到分布式集群中的数个节点中。6.根据权利要求5所述的方法，在所述利用所述训练模型扫描每一个样本的特征向量之前，所述方法还包括：将训练模型置入分布式集群中的所述数个节点中；所述利...

【专利技术属性】
技术研发人员：华元彬，陈宇龙，许益鑫，
申请(专利权)人：北京奇虎科技有限公司，
类型：发明
国别省市：北京,11