程序安装包检测方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种程序安装包检测方法、装置及电子设备，属于计算机技术领域。所述方法包括：获取程序安装包中的图像数据，利用预设的第一模型提取每个图像数据的特征向量，将提取的特征向量输入预设的第二模型，得到每个图像数据对应的特征值，根据所得到的特征值判定所述程序安装包是否包含不良图像。将预先训练好的第一模型和第二模型结合用于检测包含不良图像的程序安装包，有效地提高了检出率和检测精度。

Program installation package detection methods, devices and electronic equipment

The invention discloses a detection method, a device and an electronic device for a program installation package, which belongs to the field of computer technology. The method comprises: acquiring image data program installation package, extract the feature vector of each image data using the first model preset, second model input feature vector extraction preset, feature of each image data corresponding to the value, according to determine which of the program package contains bad image features obtained. The first training model and the second model are combined to detect the program installation package containing bad images, which effectively improves the detection rate and detection accuracy.

【技术实现步骤摘要】
程序安装包检测方法、装置及电子设备
本专利技术涉及计算机
，尤其涉及一种程序安装包检测方法、装置及电子设备。
技术介绍
随着移动互联网时代的到来，智能手机市场得到广泛发展。与此同时，涉黄的APK手机软件日益猖獗。这类APK手机软件通常包含以下行为：(1)包含色情、暴露的图片或者视频，从而诱导用户点击，引发扣费操作；(2)强制联网，从而偷取流量；(3)发送恶意扣费短信或者私自发短信；(4)安装恶意插件；(5)推送广告；(6)盗取用户信息等等。这些行为严重损害了用户的利益，甚至会造成用户的巨大财产损失。因此，识别这类涉黄的APK手机软件，以及时地提醒、告诫用户，有利于保障用户利益。现有技术中，对涉黄图像进行检测主要是基于皮肤色彩特征匹配的方法，这种方法仅通过图像中皮肤的百分比判断图像是否涉黄，识别率低，且错误率较高。
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程序安装包检测方法、装置及电子设备。第一方面，本专利技术实施例提供了一种程序安装包检测方法，所述方法包括：获取程序安装包中的图像数据；通过预设的第一模型提取每个所述图像数据的特征向量；将所述特征向量输入预设的第二模型，得到每个所述图像数据对应的特征值；根据所得到的特征值判定所述程序安装包是否包含不良图像。优选的，所述第二模型通过下述方式预先获得：获取图像样本，所述图像样本包括多个第一图像数据和多个第二图像数据，所述多个第一图像数据均对应于预设的第一标签，所述多个第二图像数据均对应于第二标签；通过所述第一模型提取所述图像样本中所有图像数据的特征向量；对所述图像样本中所有图像数据的特征向量进行分类模型训练，得到所述第二模型。优选的，所述对所述图像样本中所有图像数据的特征向量进行分类模型训练，得到所述第二模型的步骤，包括：利用预设的逻辑回归算法对所述图像样本中所有图像数据的特征向量进行训练，得到逻辑回归分类模型，将所述逻辑回归分类模型作为所述第二模型。优选的，所述通过所述第一模型提取所述图像样本中所有图像数据的特征向量之前，还包括：将所述图像样本中的所有图像数据均缩放到预设尺寸。优选的，所述根据所得到的特征值判定所述程序安装包是否包含不良图像的步骤，包括：将得到的所述特征值与预设阈值进行比较，若存在大于所述预设阈值的特征值，则判定所述程序安装包包含不良图像；若不存在大于所述预设阈值的特征值，则判定所述程序安装包不包含不良图像。优选的，所述第一模型为AlexNet深度学习网络模型。优选的，所述特征向量为所述图像数据对应的4096维特征向量。第二方面，本专利技术实施例提供了一种程序安装包检测装置，所述装置包括：数据获取模块、特征向量提取模块、特征值计算模块和检测模块。数据获取模块，用于获取程序安装包中的图像数据。特征向量提取模块，用于通过预设的第一模型提取每个所述图像数据的特征向量。特征值计算模块，用于将所述特征向量输入预设的第二模型，得到每个所述图像数据对应的特征值。检测模块，用于根据所得到的特征值判定所述程序安装包是否包含不良图像。优选的，所述装置还包括：样本获取模块、样本特征提取模块和训练模块。样本获取模块，用于获取图像样本，所述图像样本包括多个第一图像数据和多个第二图像数据，所述多个第一图像数据均对应于预设的第一标签，所述多个第二图像数据均对应于第二标签。样本特征提取模块，用于通过所述第一模型提取所述图像样本中所有图像数据的特征向量。训练模块，用于对所述图像样本中所有图像数据的特征向量进行分类模型训练，得到所述第二模型。优选的，所述训练模块具体用于：利用预设的逻辑回归算法对所述图像样本中所有图像数据的特征向量进行训练，得到逻辑回归分类模型，将所述逻辑回归分类模型作为所述第二模型。优选的，所述装置还包括：预处理模块，用于将所述图像样本中的所有图像数据均缩放到预设尺寸。优选的，所述检测模块具体用于：将得到的所述特征值与预设阈值进行比较，若存在大于所述预设阈值的特征值，则判定所述程序安装包包含不良图像，若不存在大于所述预设阈值的特征值，则判定所述程序安装包不包含不良图像。优选的，所述第一模型为AlexNet深度学习网络模型。优选的，所述特征向量为所述图像数据对应的4096维特征向量。第三方面，本专利技术实施例提供了一种电子设备，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述电子设备执行以下操作：获取程序安装包中的图像数据；通过预设的第一模型提取每个所述图像数据的特征向量；将所述特征向量输入预设的第二模型，得到每个所述图像数据对应的特征值；根据所得到的特征值判定所述程序安装包是否包含不良图像。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的程序安装包检测方法所述的步骤。本申请实施例中提供的技术方案，至少具有如下技术效果或优点：在本专利技术实施例的技术方案中，通过获取程序安装包中的图像数据，利用预设的第一模型提取每个图像数据的特征向量，再将提取的特征向量输入预设的第二模型，得到每个图像数据对应的特征值，然后将根据所得到的特征值判定所述程序安装包是否包含不良图像。相比于现有技术，本专利技术实施例提供的技术方案，将预先训练好的第一模型和第二模型结合用于检测包含不良图像的程序安装包，有效地提高了检出率和检测精度。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示出了本专利技术第一实施例提供的一种程序安装包检测方法的流程图；图2示出了本专利技术第一实施例提供的训练第二模型的步骤流程图；图3示出了本专利技术第二实施例提供的一种程序安装包检测装置的示意图；图4示出了本专利技术第二实施例提供的第二模型训练部分的示意图；图5示出了本专利技术第三实施例提供的电子设备的示意图。具体实施方式本专利技术实施例提供了一种程序安装包检测方法、装置及电子设备，用于提高包含不良图像的程序安装包的检出率和检测精度。其中，所述的程序安装包检测方法包括：获取程序安装包中的图像数据；通过预设的第一模型提取每个所述图像数据的特征向量；将所述特征向量输入预设的第二模型，得到每个所述图像数据对应的特征值；根据所得到的特征值判定所述程序安装包是否包含不良图像。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。请参见图1，为本专利技术第一实施例提供的程序安装包检测方法的流程图。本专利技术实施例提供的程序安装包检测方法可以应用于用户终端，也可以应用于服务器。其中，程序安装包为开源系统的程序安装包。下面将以安卓安装包APK文件为本文档来自技高网...

【技术保护点】
一种程序安装包检测方法，其特征在于，所述方法包括：获取程序安装包中的图像数据；通过预设的第一模型提取每个所述图像数据的特征向量；将所述特征向量输入预设的第二模型，得到每个所述图像数据对应的特征值；根据所得到的特征值判定所述程序安装包是否包含不良图像。

【技术特征摘要】
1.一种程序安装包检测方法，其特征在于，所述方法包括：获取程序安装包中的图像数据；通过预设的第一模型提取每个所述图像数据的特征向量；将所述特征向量输入预设的第二模型，得到每个所述图像数据对应的特征值；根据所得到的特征值判定所述程序安装包是否包含不良图像。2.如权利要求1所述的方法，其特征在于，所述第二模型通过下述方式预先获得：获取图像样本，所述图像样本包括多个第一图像数据和多个第二图像数据，所述多个第一图像数据均对应于预设的第一标签，所述多个第二图像数据均对应于第二标签；通过所述第一模型提取所述图像样本中所有图像数据的特征向量；对所述图像样本中所有图像数据的特征向量进行分类模型训练，得到所述第二模型。3.如权利要求2所述的方法，其特征在于，所述对所述图像样本中所有图像数据的特征向量进行分类模型训练，得到所述第二模型的步骤，包括：利用预设的逻辑回归算法对所述图像样本中所有图像数据的特征向量进行训练，得到逻辑回归分类模型，将所述逻辑回归分类模型作为所述第二模型。4.如权利要求2所述的方法，其特征在于，所述通过所述第一模型提取所述图像样本中所有图像数据的特征向量之前，还包括：将所述图像样本中的所有图像数据均缩放到预设尺寸。5.如权利要求1所述的方法，其特征在于，所述根据所得到的特征值判定所述程序安装包是否包含不良图像的步骤，包括：将得到...

【专利技术属性】
技术研发人员：钱吕见，卢加磊，
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