一种相似性检测模型的训练方法及装置、应用方法及装置制造方法及图纸

本发明专利技术提供了一种相似性检测模型的训练方法及装置、应用方法及装置。该训练方法包括：对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；根据属性特征，获得第一应用程序和第二应用程序之间的相似度；根据相似度和相似度标签的差异，训练相似性检测模型，其中，相似度标签用于标记第一应用程序和第二应用程序之间的相似性，能够利用相似度标签作为训练标签，建立有监督的相似性检测模型，提高相似性检测模型的性能，从而提高应用程序相似性的检测效率和准确性。

Training method and device, application method and device of similarity detection model

【技术实现步骤摘要】
一种相似性检测模型的训练方法及装置、应用方法及装置
本专利技术涉及深度学习
，具体涉及一种相似性检测模型的训练方法及装置、训练方法及装置。
技术介绍
应用程序(Application，APP)相似性检测是软件工程的重要组成部分，被广泛的应用于恶意软件检测、APP推荐和软件需求发现等领域。目前，对APP进行相似性检测的方法主要包括水印法和特征提取法。水印法是将特定的数据(如文字和字符串秘钥等)作为水印添加到APP中，在检测时利用相应算法从APP中提取水印，然后根据提取的水印结果对APP的相似性进行判断。特征提取法是通过对APP的属性进行分析，生成特征向量，并通过距离计算获取相似特征向量之间的相似性或对特征向量进行分类。然而，现有相似性检测方法的检测效率较低、准确性较低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种相似性检测模型的训练方法及装置、训练方法及装置，能够提高应用程序相似性的检测效率和准确性。根据本专利技术实施例的第一方面，提供一种相似性检测模型的训练方法，包括：对第一应用程序和第本文档来自技高网...

【技术保护点】
1.一种相似性检测模型的训练方法，其特征在于，包括：/n对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；/n根据所述属性特征，获得所述第一应用程序和所述第二应用程序之间的相似度；/n根据所述相似度和相似度标签的差异，训练所述相似性检测模型，其中，所述相似度标签用于标记所述第一应用程序和所述第二应用程序之间的相似性。/n

【技术特征摘要】
1.一种相似性检测模型的训练方法，其特征在于，包括：
对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；
根据所述属性特征，获得所述第一应用程序和所述第二应用程序之间的相似度；
根据所述相似度和相似度标签的差异，训练所述相似性检测模型，其中，所述相似度标签用于标记所述第一应用程序和所述第二应用程序之间的相似性。


2.根据权利要求1所述的方法，其特征在于，所述相似度标签是基于所述第一应用程序和所述第二应用程序的粗粒度类别信息和/或细粒度类别信息建立的。


3.根据权利要求2所述的方法，其特征在于，所述相似度标签包括第一相似度标签、第二相似度标签和/或第三相似度标签，
其中，所述第一相似度标签用于标记所述第一应用程序和所述第二应用程序的粗粒度类别信息不同；
所述第二相似度标签用于标记所述第一应用程序和所述第二应用程序的粗粒度类别信息相同且细粒度类别信息不同；
所述第三相似度标签用于标记所述第一应用程序和所述第二应用程序的细粒度类别信息相同。


4.根据权利要求1所述的方法，其特征在于，所述相似性检测模型为因子分解机FM模型、深度神经网络DNN模型或深度因子分解机DeepFM模型。


5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：
对所述第一应用程序和所述第二应用程序的属性信息进行词嵌入处理，
其中，所述对第一应用程序和第二应用程序的属性信息进行特征提取，包括：
对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的属性信息进行特征提取。


6.根据权利要求5所述的方法，其特征在于，所述属性信息包括应用程序的标题信息、描述信息和隐私策略信息，所述方法还包括：
通过长短期记忆网络对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的所述描述信息和所述隐私策略信息进行预训练，
其中，所述对所述第一应用程序和所述第二应用程序的经过词嵌入处理后的属...

【专利技术属性】
技术研发人员：许静，高红灿，过辰楷，黄登蓉，吴彦峰，何振，
申请(专利权)人：南开大学，
类型：发明
国别省市：天津;12