[发明专利]基于机器学习的Linux应用自启动管理方法及系统

权利要求书

1.一种基于机器学习的Linux应用自启动管理方法，其特征在于，包括：在Linux操作系统开机后指定的一段时间内获取请求自启动的应用，且针对每一个获取的应用，若该应用在目标应用名单中，则对该应用提取特征向量并输入训练好的机器学习模型获得该应用的自启动概率，若自启动概率大于设定值则允许该应用自启动，否则禁止该应用自启动。

2.根据权利要求1所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述获取请求自启动的应用是指利用BPF程序通过内核探针进行内核动态跟踪的方式监控系统调用以获取请求自启动的应用。

3.根据权利要求1所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述获取请求自启动的应用时还包括获取该应用的命令行，所述对该应用提取特征向量是指：对该应用的命令行采用词袋法将命令行中单词出现的次数作为进程的特征向量。

4.根据权利要求3所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述获取请求自启动的应用时还包括获取该应用的命令行启动参数，所述允许该应用自启动时若该应用的命令行启动参数非空，则为该应用附加对应的命令行启动参数。

5.根据权利要求4所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述目标应用名单是指已经利用机器学习模型学习过的应用名单。

6.根据权利要求5所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述获取请求自启动的应用后，还包括针对每一个由用户请求自启动的应用的启动次数进行计数，以及记录最终是否允许自启动的结果；若任意应用的启动次数达到预设阈值，则将该应用每一次启动的命令行提取的特征向量作为机器学习模型的输入、最终是否允许自启动的结果作为机器学习模型的标签，利用机器学习模型学习该应用的特征向量、自启动概率之间的映射关系，且若该应用不在目标应用名单中则将其加入目标应用名单。

7.根据权利要求1所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述在Linux操作系统开机后指定的一段时间内是指在Linux操作系统开机后的5分钟内。

8.根据权利要求1所述的基于机器学习的Linux应用自启动管理方法，其特征在于，所述机器学习模型为支持向量机。

9.一种基于机器学习的Linux应用自启动管理系统，包括相互连接的微处理器和存储器，其特征在于，所述微处理器被编程或配置以执行权利要求1～8中任意一项所述基于机器学习的Linux应用自启动管理方法。

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序用于被微处理器编程或配置以执行权利要求1～8中任意一项所述基于机器学习的Linux应用自启动管理方法。