本申请公开了一种异常应用识别方法、装置、设备、存储介质及产品，该方法通过异常应用识别模型识别第一应用的融合特征，即可识别出第一应用是否为异常应用。而融合特征是根据连续性特征和嵌入特征融合得到的，且连续性特征是根据第一应用的应用包标识和应用标识对应分词在异常应用类别中的重要性指标得到的，嵌入特征是根据应用标识对应的分词进行特征转换得到的。所以，本申请实施例可以根据待识别应用的应用包标识和应用标识即可实现异常应用的识别。而应用包标识和应用标识对应的数据容量相较于应用接收的异常应用接收链接和图片等信息的数量容较小，所以，利用应用包标识和应用标识进行异常应用的识别，降低了计算复杂度，提高了识别效率。提高了识别效率。提高了识别效率。
【技术实现步骤摘要】
一种异常应用识别方法、装置、设备、存储介质及产品
[0001]本申请属于计算机
，尤其涉及一种异常应用识别方法、装置、设备、存储介质及产品。
技术介绍
[0002]随着当前互联网的快速发展，应用程序的大范围使用让人们的生活更加便利，但也出现很多异常应用，这些应用给人们生活带来了很大负面影响。
[0003]为了减少影响，现阶段出现了一些异常应用识别的方案。如异常应用接收链接和图片等信息，通过知识图谱或模式识别等技术可以进行异常识别。
[0004]但是这类识别技术普遍需要大量数据参与到识别计算，导致计算复杂度较高，从而识别效率低。
技术实现思路
[0005]本申请实施例提供一种在异常应用识别方法、装置、设备、计算机存储介质及产品，能够解决现有技术中计算复杂度较高，识别效率较低的问题。
[0006]第一方面，本申请实施例提供一种异常应用识别方法，该方法包括：获取第一应用的应用包标识和应用标识；对应用包标识和应用标识进行分词处理，得到至少一个分词；匹配至少一个分词中的每个分词分别在异常应用类别中的重要性指标，得到连续型特征；对应用标识对应的分词进行特征转换，得到嵌入特征；将连续型特征和嵌入特征融合，得到融合特征；将融合特征输入到异常应用识别模型，通过异常应用识别模型识别融合特征，得到第一应用是否为异常应用的识别结果。
[0007]第二方面，本申请实施例提供了异常应用识别装置，该装置包括：获取模块，用于获取第一应用的应用包标识和应用标识；分词模块，用于对应用包标识和应用标识进行分词处理，得到至少一个分词；匹配模块，用于匹配至少一个分词中的每个分词分别在异常应用类别中的重要性指标，得到连续型特征；转换模块，用于对应用标识对应的分词进行特征转换，得到嵌入特征；融合模块，用于将连续型特征和嵌入特征融合，得到融合特征；识别模块，用于将融合特征输入到异常应用识别模型，通过所异常应用识别模型识别融合特征，得到第一应用是否为异常应用的识别结果。
[0008]第三方面，本申请实施例提供了一种电子设备，设备包括：本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如
第一方面所述的方法的步骤。
[0009]第四方面，本申请实施例提供了一种计算机存储介质，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
[0010]第五方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
[0011]本专利技术实施例提供一种异常应用识别方法、装置、设备、存储介质及产品，通过异常应用识别模型识别第一应用的融合特征，即可识别出第一应用是否为异常应用。而融合特征是根据连续性特征和嵌入特征融合得到的，且连续性特征是根据第一应用的应用包标识和应用标识对应分词在异常应用类别中的重要性指标得到的，嵌入特征是根据应用标识对应的分词进行特征转换得到的。所以，本申请实施例可以根据待识别应用的应用包标识和应用标识即可实现异常应用的识别。而应用包标识和应用标识对应的数据容量相较于应用接收的异常应用接收链接和图片等信息的数量容较小，所以，利用应用包标识和应用标识进行异常应用的识别，降低了计算复杂度，提高了识别效率。
附图说明
[0012]图1是一示例性实施例示出的一种异常应用识别方法的流程示意图；图2是一示例性实施例示出的一种异常应用识别方法的示意图；图3是一示例性实施例示出的一种异常应用审核方法的示意图；图4是一示例性实施例示出的一种异常应用识别装置的结构示意图；图5是一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
[0013]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0014]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0015]为了解决现有技术问题，本申请实施例提供了一种异常应用识别方法、装置、设备、计算机存储介质及产品。
[0016]如
技术介绍
部分所述，现有技术中，由于异常应用通过接收链接和图片信息进行异常识别，该异常识别方法运用知识图谱或模式识别等技术，需要大量数据参与识别计算，
导致计算复杂度较高，识别效率低的问题。
[0017]基于此，本申请实施例提供的异常应用识别方法中，通过异常应用识别模型识别第一应用的融合特征，即可识别出第一应用是否为异常应用。而融合特征是根据连续性特征和嵌入特征融合得到的，且连续性特征是根据第一应用的应用包标识和应用标识对应分词在异常应用类别中的重要性指标得到的，嵌入特征是根据应用标识对应的分词进行特征转换得到的。所以，本申请实施例可以根据待识别应用的应用包标识和应用标识即可实现异常应用的识别。而应用包标识和应用标识对应的数据容量相较于应用接收的异常应用接收链接和图片等信息的数量容较小，所以，利用应用包标识和应用标识进行异常应用的识别，降低了计算复杂度，提高了识别效率。
[0018]下面首先对本申请实施例所提供的异常应用识别方法进行介绍。
[0019]图1示出了本申请一个实施例提供的异常应用识别方法的流程示意图。
[0020]如图1所示，本申请实施例提供的异常应用识别方法可以包括步骤101
‑
步骤106。
[0021]步骤101、获取第一应用的应用包标识和应用标识。
[0022]其中，应用包标识和应用标识的获取用于后续的分词处理。
[0023]在本申请的一些实施例中，第一应用的可以为AB，应用标识可以是AB，应用包标识可以是com.ab.mm。
[0024]通过获取应用AB的应用标识和应用包标识可以把需识别的应用AB与应用标识以及应用包标识建立关联关系，以便同时识别多个应用时能得以应用间的区分。
[0025]步骤102、对所述应用包标识和所述应用标识本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常应用识别方法，其特征在于，包括：获取第一应用的应用包标识和应用标识；对所述应用包标识和所述应用标识进行分词处理，得到至少一个分词；匹配所述至少一个分词中的每个分词分别在异常应用类别中的重要性指标，得到连续型特征；对所述应用标识对应的分词进行特征转换，得到嵌入特征；将所述连续型特征和嵌入特征融合，得到融合特征；将所述融合特征输入到异常应用识别模型，通过所述异常应用识别模型识别融合特征，得到所述第一应用是否为异常应用的识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述应用标识对应的分词进行特征转换，得到嵌入特征，包括：对所述应用标识对应的分词进行数值化向量处理，得到数值向量；对所述数值向量分别进行最大池化和平均池化处理，得到第一结果和第二结果；拼接第一结果和第二结果，得到嵌入特征。3.根据权利要求1所述的方法，其特征在于，所述异常应用识别模型为多层深度学习网络，所述多层深度学习网络包括两层前向网络和分类层，所述将所述融合特征输入到异常应用识别模型，通过所述异常应用识别模型识别融合特征，得到所述第一应用是否为异常应用的识别结果，包括：将所述融合特征输入到所述两层前向网络进行排列组合，得到融合特征的非线性组合结果；将所述非线性组合结果输入到所述分类层，通过分类层对非线性组合结果进行分类，得到所述第一应用是否为异常应用的识别结果。4.根据权利要求1所述的方法，其特征在于，所述得到识别结果后，所述方法还包括：在识别结果指示第一应用为异常应用的情况下，将所述第一应用发送至人工审核池，以人工审核所述第一应用的识别结果。5.根据权利要求4所述的方法，其特征在于，所述将所述第一应用发送至人工审核池，以人工审核所述第一应用的识别结果后，所述方法还包括：响应于人工确定第一应用为异常应...
【专利技术属性】
技术研发人员：李浩然，
申请(专利权)人：上海钐昆网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。