JP2016510451A5 - - Google Patents

Claims (25)

1. モバイルデバイス内でモデルを生成する方法であって、
   各増強決定株が試験条件および重み値を含む複数の増強決定株として表示するのに好適な情報を含む有限状態機械を含むフル分類器モデルをサーバコンピューティングデバイスから前記モバイルデバイスのプロセッサ内で受信するステップと、
   前記モバイルデバイスの前記プロセッサにより、前記受信されたフル分類器モデル内に含まれる前記有限状態機械を前記複数の増強決定株に変換することによって増強決定株の順序付けられたリストを生成するステップと、
   前記モバイルデバイスの前記プロセッサにより、前記増強決定株の前記生成された順序付けられたリストを選別して、前記モバイルデバイス内でリーン分類器モデルを生成するステップであって、
   前記モバイルデバイスのエネルギーの資源の量を過剰に消費することなく、モバイルデバイス挙動を分類するために前記モバイルデバイス内で評価されるべき特有の試験条件の数を決定するステップと、
   増強決定株の前記生成された順序付けられたリストを連続的にトラバースすることによって前記決定された数の異なる試験条件を含む試験条件のリストを生成し、試験条件の前記リストが前記決定された数の異なる試験条件を含むまで、連続的にトラバースされた増強決定株の各々と関連付けられた前記試験条件を試験条件の前記リストに挿入するステップと、
   前記生成された試験条件のリスト内に含まれる複数の試験条件のうちの1つを試験する増強決定株を含むように前記リーン分類器モデルを生成するステップとを含む、
   ステップと、
   前記モバイルデバイスの前記プロセッサにより、モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して結果を生成するステップと、
   前記モバイルデバイスの前記プロセッサにより、前記生成された結果を使用して前記モバイルデバイスの挙動を分類するステップと、
   を含む、方法。
2. 前記生成された結果を使用して前記モバイルデバイスの挙動を分類するステップは、前記生成された結果を使用して、前記モバイルデバイスの前記挙動が良性でないと分類するステップを含む、請求項1に記載の方法。
3. 前記モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して前記結果を生成するステップが、
   前記モバイルデバイスの挙動ベクトルに含まれる収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用するステップと、
   前記収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用した結果の加重平均を計算するステップと、
   前記加重平均としきい値とを比較するステップと、
   を含む、請求項1に記載の方法。
4. 前記リーン分類器モデルを生成するステップが、
   増強決定株の前記生成された順序付けられたリスト内に含まれる前記増強決定株に基づいてリーン分類器モデルのファミリーを生成するステップを含み、リーン分類器モデルの前記生成されたファミリーが前記リーン分類器モデルおよび複数の追加のリーン分類器モデルを含み、前記複数の追加のリーン分類器モデルの各々が異なる数の異なる試験条件を含む、請求項1に記載の方法。
5. 前記リーン分類器モデルを生成するステップが、
   異なる重み値および異なるしきい値を使用して第1の条件を試験する決定株をそれぞれ含む複数のリーン分類器モデルを生成するステップを含む、請求項1に記載の方法。
6. 前記受信されたフル分類器モデルに基づいて前記モバイルデバイスで生成された複数のリーン分類器モデル内の前記増強決定株と関連付けられたしきい値を再計算するステップをさらに含む、請求項1に記載の方法。
7. 前記受信されたフル分類器モデルに基づいて前記モバイルデバイスで生成された複数のリーン分類器モデル内の前記増強決定株と関連付けられた重み値を再計算するステップをさらに含む、請求項1に記載の方法。
8. 前記フル分類器モデルをサーバ内で、
   モバイルデバイス挙動についての情報のコーパスを前記サーバ内で受信することと、
   前記複数の増強決定株への変換に好適なデータを含むために、情報の前記コーパスに基づいて前記有限状態機械を生成することと、
   前記有限状態機械を前記フル分類器モデルとして前記モバイルデバイスに送信することとによって生成するステップをさらに含む、請求項1に記載の方法。
9. 各試験条件が確率値と関連付けられ、前記確率値の各々が、前記モバイルデバイス挙動が良性であるかどうかを前記モバイルデバイスが判断することを、その関連付けられた試験条件が可能にする尤度を特定し、前記方法が、
   前記有限状態機械を前記フル分類器モデルとして前記モバイルデバイスに送信する前に、前記確率値に基づいて前記有限状態機械内に前記複数の増強決定株を編成するステップをさらに含む、請求項8に記載の方法。
10. モバイルコンピューティングデバイスであって、
    動作を実行するようにプロセッサ実行可能命令で構成されたプロセッサを備え、前記動作が、
    各増強決定株が試験条件および重み値を含む複数の増強決定株として表示するのに好適な情報を含む有限状態機械を含むフル分類器モデルを受信するステップと、
    前記受信されたフル分類器モデル内に含まれる前記有限状態機械を前記複数の増強決定株に変換することによって増強決定株の順序付けられたリストを生成するステップと、
    前記増強決定株の前記生成された順序付けられたリストを選別して、リーン分類器モデルを生成するステップであって、
    エネルギーの資源の量を過剰に消費することなく、モバイルデバイス挙動を分類するために評価されるべき特有の試験条件の数を決定するステップと、
    増強決定株の前記生成された順序付けられたリストを連続的にトラバースすることによって前記決定された数の異なる試験条件を含む試験条件のリストを生成し、試験条件の前記リストが前記決定された数の異なる試験条件を含むまで、連続的にトラバースされた増強決定株の各々と関連付けられた前記試験条件を試験条件の前記リストに挿入するステップと、
    前記生成された試験条件のリスト内に含まれる複数の試験条件のうちの1つを試験する増強決定株を含むように前記リーン分類器モデルを生成するステップとを含む、
    ステップと、
    モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して結果を生成するステップと、
    前記生成された結果を使用して前記モバイルデバイスの挙動を分類するステップと、
    を含む、モバイルコンピューティングデバイス。
11. 前記モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して前記結果を生成するステップが、
    前記モバイルデバイスの挙動ベクトルに含まれる収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用するステップと、
    前記収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用した結果の加重平均を計算するステップと、
    前記加重平均としきい値とを比較するステップと、
    を含むような動作を実行するように、前記プロセッサがプロセッサ実行可能命令で構成される、請求項10に記載のモバイルコンピューティングデバイス。
12. 前記リーン分類器モデルを生成するステップが、
    増強決定株の前記生成された順序付けられたリスト内に含まれる前記増強決定株に基づいてリーン分類器モデルのファミリーを生成するステップを含み、リーン分類器モデルの前記生成されたファミリーが前記リーン分類器モデルおよび複数の追加のリーン分類器モデルを含み、前記複数の追加のリーン分類器モデルの各々が異なる数の異なる試験条件を含む、請求項10に記載のモバイルコンピューティングデバイス。
13. リーン分類器モデルを生成するステップが、
    異なる重み値および異なるしきい値を使用して第1の条件を試験する決定株をそれぞれ含む複数のリーン分類器モデルを生成するステップを含むような動作を実行するように、前記プロセッサがプロセッサ実行可能命令で構成される、請求項10に記載のモバイルコンピューティングデバイス。
14. 前記プロセッサが、
    前記受信されたフル分類器モデルに基づいて生成された複数のリーン分類器モデル内の前記増強決定株と関連付けられたしきい値および重み値を再計算するステップをさらに含む動作を実行するようにプロセッサ実行可能命令で構成される、請求項10に記載のモバイルコンピューティングデバイス。
15. プロセッサ実行可能ソフトウェア命令を記憶されたコンピュータ可読記憶媒体であって、前記プロセッサ実行可能ソフトウェア命令が、モバイルデバイス内のプロセッサに、
    各増強決定株が試験条件および重み値を含む複数の増強決定株として表示するのに好適な情報を含む有限状態機械を含むフル分類器モデルを受信するステップと、
    前記受信されたフル分類器モデル内に含まれる前記有限状態機械を前記複数の増強決定株に変換することによって増強決定株の順序付けられたリストを生成するステップと、
    前記増強決定株の前記生成された順序付けられたリストを選別して、リーン分類器モデルを生成するステップであって、
    資源の量を過剰に消費することなく、モバイルデバイス挙動を分類するために評価されるべき特有の試験条件の数を決定するステップと、
    増強決定株の前記生成された順序付けられたリストを連続的にトラバースすることによって前記決定された数の異なる試験条件を含む試験条件のリストを生成し、試験条件の前記リストが前記決定された数の異なる試験条件を含むまで、連続的にトラバースされた増強決定株の各々と関連付けられた前記試験条件を試験条件の前記リストに挿入するステップと、
    前記生成された試験条件のリスト内に含まれる複数の試験条件のうちの1つを試験する増強決定株を含むように前記リーン分類器モデルを生成するステップとを含む、
    ステップと、
    モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して結果を生成するステップと、
    前記生成された結果を使用して前記モバイルデバイスの挙動を分類するステップと、
    を含む動作を実行させるように構成される、コンピュータ可読記憶媒体。
16. 前記記憶されたプロセッサ実行可能ソフトウェア命令が、前記モバイルデバイス内のプロセッサに、前記モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して前記結果を生成するステップが、
    前記モバイルデバイスの挙動ベクトルに含まれる収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用するステップと、
    前記収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用した結果の加重平均を計算するステップと、
    前記加重平均としきい値とを比較するステップと、
    を含むような動作を実行させるように構成される、請求項15に記載のコンピュータ可読記憶媒体。
17. 前記記憶されたプロセッサ実行可能ソフトウェア命令が、前記モバイルデバイス内のプロセッサに、前記リーン分類器モデルを生成するステップが、
    増強決定株の前記生成された順序付けられたリスト内に含まれる前記増強決定株に基づいてリーン分類器モデルのファミリーを生成するステップを含み、リーン分類器モデルの前記生成されたファミリーが前記リーン分類器モデルおよび複数の追加のリーン分類器モデルを含み、前記複数の追加のリーン分類器モデルの各々が異なる数の異なる試験条件を含む、請求項15に記載のコンピュータ可読記憶媒体。
18. 前記記憶されたプロセッサ実行可能ソフトウェア命令が、前記モバイルデバイス内のプロセッサに、リーン分類器モデルを生成するステップが、
    異なる重み値および異なるしきい値を使用して第1の条件を試験する決定株をそれぞれ含む複数のリーン分類器モデルを生成するステップを含むような動作を実行させるように構成される、請求項15に記載のコンピュータ可読記憶媒体。
19. 前記記憶されたプロセッサ実行可能ソフトウェア命令が、前記モバイルデバイス内のプロセッサに、
    前記受信されたフル分類器モデルに基づいて生成された複数のリーン分類器モデル内の前記増強決定株と関連付けられたしきい値および重み値を再計算するステップをさらに含む動作を実行させるように構成される、請求項15に記載のコンピュータ可読記憶媒体。
20. デバイスプロセッサを備えるモバイルデバイスと、
    モバイルデバイス挙動についての情報のコーパスを受信するステップと、
    試験条件および重み値をそれぞれ含む複数の増強決定株への変換に好適なデータを含む有限状態機械を、情報の前記コーパスに基づいて生成するステップと、
    前記有限状態機械をフル分類器モデルとして前記モバイルデバイスに送信するステップとを含む動作を実行するようにサーバ実行可能命令で構成されたプロセッサを備え、
    前記モバイルデバイス内の前記デバイスプロセッサが、
    前記フル分類器モデルを受信するステップと、
    前記受信されたフル分類器モデル内に含まれる前記有限状態機械を前記複数の増強決定株に変換することによって増強決定株の順序付けられたリストを生成するステップと、
    前記増強決定株の前記生成された順序付けられたリストを選別して、リーン分類器モデルを生成するステップであって、
    前記モバイルデバイスのエネルギーの資源の量を過剰に消費することなく、モバイルデバイス挙動を分類するために評価されるべき特有の試験条件の数を決定するステップと、
    増強決定株の前記生成された順序付けられたリストを連続的にトラバースすることによって前記決定された数の異なる試験条件を含む試験条件のリストを生成し、試験条件の前記リストが前記決定された数の異なる試験条件を含むまで、連続的にトラバースされた増強決定株の各々と関連付けられた前記試験条件を試験条件の前記リストに挿入するステップと、
    前記生成された試験条件のリスト内に含まれる複数の試験条件のうちの1つを試験する増強決定株を含むように前記リーン分類器モデルを生成するステップとを含む、
    ステップと、
    モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して結果を生成するステップと、
    前記生成された結果を使用して前記モバイルデバイスの挙動を分類するステップと、
    を含む動作を実行するように
    プロセッサ実行可能命令で構成される、システム。
21. 前記モバイルデバイスの挙動ベクトルを前記生成されたリーン分類器モデルに適用して前記結果を生成するステップが、
    前記モバイルデバイスの挙動ベクトルに含まれる収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用するステップと、
    前記収集された挙動情報を前記リーン分類器モデル内の増強決定株の各々に適用した結果の加重平均を計算するステップと、
    前記加重平均としきい値とを比較するステップと、
    を含むような動作を実行するように、前記デバイスプロセッサがプロセッサ実行可能命令で構成される、請求項20に記載のシステム。
22. 前記リーン分類器モデルを生成するステップが、
    増強決定株の前記生成された順序付けられたリスト内に含まれる前記増強決定株に基づいてリーン分類器モデルのファミリーを生成するステップを含むような動作を実行するように、前記デバイスプロセッサがプロセッサ実行可能命令で構成され、リーン分類器モデルの前記生成されたファミリーが前記リーン分類器モデルおよび複数の追加のリーン分類器モデルを含み、前記複数の追加のリーン分類器モデルの各々が異なる数の異なる試験条件を含む、請求項20に記載のシステム。
23. 前記リーン分類器を生成するステップが、
    異なる重み値および異なるしきい値を使用して第1の条件を試験する決定株をそれぞれ含む複数のリーン分類器モデルを生成するステップを含むような動作を実行するように、前記デバイスプロセッサがプロセッサ実行可能命令で構成される、請求項20に記載のシステム。
24. 前記デバイスプロセッサが、
    前記受信されたフル分類器モデルに基づいて前記モバイルデバイスで生成された複数のリーン分類器モデル内の前記増強決定株と関連付けられたしきい値および重
    み値を再計算するステップをさらに含む動作を実行するようにプロセッサ実行可能命令で構成される、請求項23に記載のシステム。
25. 各試験条件が確率値と関連付けられ、前記確率値のそれぞれが、前記モバイルデバイス挙動が良性であるかどうかを前記モバイルデバイスが判断することをその関連付けられた試験条件が可能にする尤度を特定するように前記有限状態機械を生成するステップを、前記有限状態機械を生成するステップが含むような動作を実行するように、前記サーバがサーバ実行可能命令で構成され、
    前記有限状態機械を前記フル分類器モデルとして前記モバイルデバイスに送信する前に、前記確率値に基づいて前記有限状態機械内で前記複数の増強決定株を順序付けるステップをさらに含む動作を実行するように、前記サーバがサーバ実行可能命令で構成される、請求項20に記載のシステム。