基于家族样本的病毒特征自动提取方法及系统

摘要

本发明提供一种基于家族样本的病毒特征自动提取方法及系统，本发明对最长公共子序列算法进行改进，利用家族样本集中的样本，建立数列A、B，通过预设特征码长度，分别计算数列A、B中长度为预设值的子序列的哈希值，并通过红黑树方式对A、B数列中的子序列的哈希值匹配，若哈希值相同，则该哈希值所对应的子序列为数列A及数列B的公共子序列，则该公共子序列为家族样本特征码，当剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集，根据建立的特征码质量评价加权模型，判断特征码质量，确定家族样本特征码。通过本发明的方法，简化了算法的时间复杂度，提高了特征码提取效率及准确度。

主权项

一种基于家族样本的病毒特征自动提取方法，其特征在于，包括：利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；特征码提取，将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。