CN106599180A - 异常数据的处理方法和装置 - Google Patents

异常数据的处理方法和装置 Download PDF

Info

Publication number
CN106599180A
CN106599180A CN201611144841.5A CN201611144841A CN106599180A CN 106599180 A CN106599180 A CN 106599180A CN 201611144841 A CN201611144841 A CN 201611144841A CN 106599180 A CN106599180 A CN 106599180A
Authority
CN
China
Prior art keywords
abnormal data
abnormal
class
divided
exception class
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611144841.5A
Other languages
English (en)
Inventor
杨冬东
顾凌华
唐葛亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201611144841.5A priority Critical patent/CN106599180A/zh
Publication of CN106599180A publication Critical patent/CN106599180A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/358—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本公开是关于一种异常数据的处理方法和装置，所述方法包括：获取终端设备的异常数据，根据所述异常数据所处的层对异常数据进行第一次分类，将异常数据划分到多个异常类中的第一异常类中，其中，多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。通过对异常数据进行分类，可以避免对同一类异常数据进行重复识别和分析，提高了异常数据的识别和分析效率，并且相比于现有技术中，在每次发生异常时，都通过开发人员对异常数据进行分析处理，显然处理效率更高，节省人力资源。

Description

异常数据的处理方法和装置
技术领域
本公开涉及通信技术，尤其涉及一种异常数据的处理方法和装置。
背景技术
终端设备在运行过程中会发生异常，现有的异常处理流程为：异常处理服务器从终端设备获取并存储异常数据，开发人员将异常数据从异常处理服务器下载下来，根据异常数据进行分析，根据分析结果对异常进行分类、提供解决方案等。
发明内容
为克服相关技术中存在的问题，本公开提供一种异常数据的处理方法和装置。
根据本公开实施例的第一方面，提供一种异常数据的处理方法，包括：
获取终端设备的异常数据；
根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
可选的，根据所述异常数据所处的层对所述异常数据进行第一次分类之后，还包括：
根据异常发生的位置对所述异常数据进行第二次分类，将所述异常数据划分到所述第一异常类中的第一子类中，其中，每个异常类包括多个子类。
可选的，根据异常发生的位置对所述异常数据进行第二次分类之后，还包括：
接收开发人员对所述异常数据进行分析确定的异常关键字；
根据所述异常关键字对所述异常数据进行第三次分类，将所述异常数据划分到所述第一子类中的第一孙子类，每个子类包括多个孙子类。
可选的，所述方法还包括：
将所有异常数据按照分类进行图形化显示，并将所有异常数据按照分类进行分布式存储。
根据本公开实施例的第二方面，提供一种异常数据的处理装置，包括：
获取模块，被配置为获取终端设备的异常数据；
第一分类模块，被配置为根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
可选的，所述装置还包括：
第二分类模块，被配置为根据异常发生的位置对所述异常数据进行第二次分类，将所述异常数据划分到所述第一异常类中的第一子类中，其中，每个异常类包括多个子类。
可选的，所述装置还包括：
接收子模块，被配置为接收开发人员对所述异常数据进行分析确定的异常关键字；
第三分类模块，被配置为根据所述异常关键字对所述异常数据进行第三次分类，将所述异常数据划分到所述第一子类中的第一孙子类，每个子类包括多个孙子类。
可选的，所述装置还包括：
显示模块，被配置为将所有异常数据按照分类进行图形化显示；
存储模块，被配置为将所有异常数据按照分类进行分布式存储。
根据本公开实施例的第三方面，提供一种异常数据的处理装置，包括：
存储器；
被配置为存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取终端设备的异常数据；
根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
本公开的实施例提供的技术方案可以包括以下有益效果：异常处理服务器获取终端设备的异常数据，根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。通过对异常数据进行统一分类可以避免对同一类异常数据进行重复识别和分析，提高了异常数据的识别和分析效率，并且相比于现有技术中，在每次发生异常时，都通过开发人员对异常数据进行分析处理，显然处理效率更高，节省人力资源。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种异常数据的处理方法的流程图。
图2是根据一示例性实施例示出的一种异常数据的处理方法的流程图。
图3是根据一示例性实施例示出的一种异常数据的处理方法的流程图。
图4是根据一示例性实施例示出的一种异常数据的处理装置的框图。
图5是根据一示例性实施例示出的一种异常数据的处理装置的框图。
图6是根据一示例性实施例示出的一种异常数据的处理装置的框图。
图7是根据一示例性实施例示出的一种异常数据的处理装置的框图。
图8是根据一示例性实施例示出的一种异常数据的处理装置的实体框图。
图9是根据一示例性实施例示出的一种用于异常数据处理的装置1900的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种异常数据的处理方法的流程图，如图1所示，该异常数据的处理方法包括以下步骤。
在步骤S101中，获取终端设备的异常数据。
终端设备发生异常的原因各不相同，本实施例中将终端设备划分为多个层，每个层发生异常各不相同，因此，可以由终端设备的各个层独立捕获异常数据，并将异常数据上报给异常处理服务器。本实施例中可以由终端设备主动上报异常数据，也可以由异常处理服务器请求终端设备上报异常数据。可以根据编程语言对终端设备进行分层，也可以根据存储器的访问权限进行分层，还可以通过其他方式进行分层，本实施例并不对此进行限制。
根据编程语言可以将终端设备分为java层、C++层、C语言层和pasca层等。不同终端设备使用的操作系统不同，根据编程语言划分的层也不同，例如，安卓系统(android)是基于Linux开发的，Linux是用c语言开发的，也就是说android系统是用c语言开发的，在android上运行的软件都是用java写的，因此，使用安卓系统的终端设备根据编程语言划分为C语言层和java层。
根据存储器的访问权限可以将终端设备划分为两部分：一部分为核心软件，即是kernel，也称作内核空间；另一部分为普通应用程序，这部分称为用户空间。用户空间中的代码运行在较低的特权级别上，只能看到允许它们使用的部分系统资源，并且不能使用某些特定的系统功能，也不能直接访问内核空间和硬件设备，以及其他一些具体的使用限制。
在步骤S102中，根据异常数据所处的层对异常数据进行第一次分类，将异常数据划分到多个异常类中的第一异常类中。
其中，多个异常类可以是根据编程语言划分得到的，也可以是根据存储器的访问权限划分得到的。假设共有以下四种编程语言：java、C++、C和pasca，则共有四个异常类，每个异常类对应一种编程语言，相应的，异常数据所处的层也是根据编程语言进行划分得到的，则将java层的异常数据划分到java语言对应的异常类中，将C++层的异常数据划分到C++语言对应的异常类中，将C语言层的异常数据划分到C语言对应的异常类中，将pasca层的异常数据划分到pasca语言对应的异常类中。
当多个异常类是根据存储器的访问权限划分得到的时，相应的，异常数据所处的层也是根据存储器访问权限划分得到的。具体的，内核空间层的异常数据划分到内核层对应的异常类中，用户空间层的异常数据划分到用户空间层对应的异常类中。
再根据异常数据所处的层将异常数据分为几大类，还可以进一步根据对各大类进行多次细分，从而实现对异常数据进行归类处理。同一类异常数据产生的原因是相同的，解决异常的方法也是相同的，通过异常处理服务器对异常数据进行分类可以避免对同一类异常数据进行重复识别和分析，提高了异常数据的识别和分析效率。
本实施例中，异常处理服务器获取终端设备的异常数据，根据异常数据所处的层对异常数据进行第一次分类，将异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。通过对异常数据进行分类可以避免对同一类异常数据进行重复识别和分析，提高了异常数据的识别和分析效率，并且相比于现有技术中，在每次发生异常时，都通过开发人员对异常数据进行分析处理，显然处理效率更高，节省人力资源。
在图1所示实施例的基础上，图2是根据一示例性实施例示出的一种异常数据的处理方法的流程图，如图2所示，该异常数据的处理方法包括以下步骤。
在步骤S201中，获取终端设备的异常数据。
在步骤S202中，根据异常数据所处的层对异常数据进行第一次分类，将异常数据划分到多个异常类中的第一异常类中。
在步骤S203中，根据异常发生的位置对异常数据进行第二次分类，将异常数据划分到第一异常类中的第一子类中。
每个异常类进一步被划分为多个子类，子类的划分可以是根据异常发生的位置，也可以是根据其他参数划分得到的。其中，异常发生的位置可以为异常发生的函数。
在步骤S204中，接收开发人员对异常数据进行分析确定的异常关键字。
在对异常数据进行二次划分后，开发人员可以对异常数据进行进一步详细的分析，根据分析结果确定异常关键字，并通过留出的接口将异常关键字添加到异常数据中。异常关键字可以用于表示异常的具体类型，例如，该异常关键字为进程上下文或中断上下文。进程上下文是指一个进程在执行的时候，CPU的所有寄存器中的值、进程的状态以及堆栈中的内容，当内核需要切换到另一个进程时，它需要保存当前进程的所有状态，即保存当前进程的进程上下文，以便再次执行该进程时，能够恢复切换时的状态，继续执行。同理，硬件通过触发信号，导致内核调用中断处理程序，进入内核空间。这个过程中，硬件的一些变量和参数也要传递给内核，内核通过这些参数进行中断处理，中断上下文可以理解为硬件传递过来的这些参数和内核需要保存的一些环境，主要是被中断的进程的环境。
在步骤S205中，根据异常关键字对异常数据进行第三次分类，将异常数据划分到第一子类中的第一孙子类。
每个子类可以进一步划分为多个孙子类，本实施例中是按照异常关键字进行划分的，当然还可以根据其他方式进行划分。
需要说明的是，本实施例中共对异常数据进行了三次分类，在实际使用过程中，还可以进行更多次的分类，例如，进行四次分类、五次分类等。当然也可以进行更少的分类，例如只对异常数据进行上述第一次分类，或者，对异常数据进行上述第一次分类和第二次分类。
本实施例中，先根据异常数据所处的层对异常数据进行第一次分类，将异常数据划分到多个异常类中的第一异常类中，然后根据异常发生的位置对异常数据进行第二次分类，将异常数据划分到第一异常类中的第一子类中，进一步根据异常关键字对异常数据进行第三次分类，将异常数据划分到第一子类中的第一孙子类。所述方法通过对异常数据进行多次分类，进一步提高了异常数据的识别和分析效率。
在图1和图2所示实施例的基础上，图3是根据一示例性实施例示出的一种异常数据的处理方法的流程图，如图3所示，该异常数据的处理方法包括以下步骤。
在步骤S301中，获取终端设备的异常数据。
在步骤S302中，根据异常数据所处的层对异常数据进行第一次分类，将异常数据划分到多个异常类中的第一异常类中。
在步骤S303中，根据异常发生的位置对异常数据进行第二次分类，将异常数据划分到第一异常类中的第一子类中。
在步骤S304中，接收开发人员对异常数据进行分析确定的异常关键字。
在步骤S305中，根据异常关键字对异常数据进行第三次分类，将异常数据划分到第一子类中的第一孙子类。
步骤S301至步骤S305的具体实现方式参照图1和图2所示实施例的相关内容。
在步骤S306中，将所有异常数据按照分类进行分布式存储。
异常处理服务器会搜集多个终端设备在一定时间内的异常数据，可以按照所有异常数据的分类进行分布式存储，便于对异常数据进行管理。
在步骤S307中，将所有异常数据按照分类进行图形化显示。
为了方便开发人员了解异常数据，本实施例中将异常数据按照分类进行图形化显示，例如，将各类异常数据按照发生次数生成柱状图。
本实施例中，获取终端设备的异常数据，对异常数据进行分类，将所有异常数据按照分类进行分布式存储，便于对异常数据进行管理，并将所有异常数据按照分类进行图形化显示，便于用户能够直观的了解异常数据分布情况。。
图4是根据一示例性实施例示出的一种异常数据的处理装置的框图，如图4所示，本实施例的异常数据的处理装置包括：获取模块11和分类模块12。
其中，获取模块11，被配置为获取终端设备的异常数据；
第一分类模块12，被配置为根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
图5是根据一示例性实施例示出的一种异常数据的处理装置的框图，如图5所示，本实施的装置在图4所示装置的基础上，还包括：
第二分类模块13，被配置为根据异常发生的位置对所述异常数据进行第二次分类，将所述异常数据划分到所述第一异常类中的第一子类中，其中，每个异常类包括多个子类。
图6是根据一示例性实施例示出的一种异常数据的处理装置的框图，如图6所示，本实施的装置在图5所示装置的基础上，还包括：
接收模块14，被配置为接收开发人员对所述异常数据进行分析确定的异常关键字；
第三分类模块15，被配置为根据所述异常关键字对所述异常数据进行第三次分类，将所述异常数据划分到所述第一子类中的第一孙子类，每个子类包括多个孙子类。
图7是根据一示例性实施例示出的一种异常数据的处理装置的框图，如图7所示，本实施的装置在图6所示装置的基础上还包括：
存储模块16，被配置为将所有异常数据按照分类进行分布式存储；
显示模块17，被配置为将所有异常数据按照分类进行图形化显示。
图4至图7所示的异常数据的处理装置的各功能模块，可用于执行上述图1至图3所示实施例的方法，具体实现方式和技术效果类似，这里不再赘述。
图8是根据一示例性实施例示出的一种异常数据的处理装置的实体框图，如图8所示，异常数据的处理装置200包括：处理器21和用于存储处理器21可执行指令的存储器22，存储器22通过系统总线与处理器21连接并通信。
其中，处理器21被配置为：
获取终端设备的异常数据；
根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类是根据编程语言划分得到的，相应的，异常数据所处的层也是根据编程语言划分得到的，或者，所述多个异常类是根据存储器的访问权限划分得到的，相应的，异常数据所处的层也是根据存储器访问权限划分得到的。
应理解，上述实施例中，处理器可以是中央处理单元(英文：Central ProcessingUnit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital SignalProcessor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，而前述的存储器可以是只读存储器(英文：read-only memory，缩写：ROM)、随机存取存储器(英文：random access memory，简称：RAM)、快闪存储器、硬盘或者固态硬盘。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
图9是根据一示例性实施例示出的一种用于异常数据处理的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法图1至图3所示的异常数据的处理方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

Claims (9)

1.一种异常数据的处理方法，其特征在于，包括：
获取终端设备的异常数据；
根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
2.根据权利要求1所述的方法，其特征在于，根据所述异常数据所处的层对所述异常数据进行第一次分类之后，还包括：
根据异常发生的位置对所述异常数据进行第二次分类，将所述异常数据划分到所述第一异常类中的第一子类中，其中，每个异常类包括多个子类。
3.根据权利要求2所述的方法，其特征在于，根据异常发生的位置对所述异常数据进行第二次分类之后，还包括：
接收开发人员对所述异常数据进行分析确定的异常关键字；
根据所述异常关键字对所述异常数据进行第三次分类，将所述异常数据划分到所述第一子类中的第一孙子类，每个子类包括多个孙子类。
4.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
将所有异常数据按照分类进行图形化显示，并将所有异常数据按照分类进行分布式存储。
5.一种异常数据的处理装置，其特征在于，包括：
获取模块，被配置为获取终端设备的异常数据；
第一分类模块，被配置为根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
6.根据权利要求5所述的装置，其特征在于，还包括：
第二分类模块，被配置为根据异常发生的位置对所述异常数据进行第二次分类，将所述异常数据划分到所述第一异常类中的第一子类中，其中，每个异常类包括多个子类。
7.根据权利要求6所述的装置，其特征在于，还包括：
接收子模块，被配置为接收开发人员对所述异常数据进行分析确定的异常关键字；
第三分类模块，被配置为根据所述异常关键字对所述异常数据进行第三次分类，将所述异常数据划分到所述第一子类中的第一孙子类，每个子类包括多个孙子类。
8.根据权利要求5-7任一项所述的装置，其特征在于，还包括：
显示模块，被配置为将所有异常数据按照分类进行图形化显示；
存储模块，被配置为将所有异常数据按照分类进行分布式存储。
9.一种异常数据的处理装置，其特征在于，包括：
存储器；
被配置为存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取终端设备的异常数据；
根据所述异常数据所处的层对所述异常数据进行第一次分类，将所述异常数据划分到多个异常类中的第一异常类中，其中，所述多个异常类和异常数据所处的层是根据编程语言或存储器的访问权限划分得到的。
CN201611144841.5A 2016-12-13 2016-12-13 异常数据的处理方法和装置 Pending CN106599180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611144841.5A CN106599180A (zh) 2016-12-13 2016-12-13 异常数据的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611144841.5A CN106599180A (zh) 2016-12-13 2016-12-13 异常数据的处理方法和装置

Publications (1)

Publication Number Publication Date
CN106599180A true CN106599180A (zh) 2017-04-26

Family

ID=58800984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611144841.5A Pending CN106599180A (zh) 2016-12-13 2016-12-13 异常数据的处理方法和装置

Country Status (1)

Country Link
CN (1) CN106599180A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446226A (zh) * 2018-03-08 2018-08-24 北京小米移动软件有限公司 应用异常的处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156275A (zh) * 2014-06-30 2014-11-19 青岛海信移动通信技术股份有限公司 一种安卓Android平台异常处理的方法和装置
CN104375928A (zh) * 2013-08-12 2015-02-25 鸿富锦精密工业（深圳）有限公司 异常日志管理方法及系统
CN104809030A (zh) * 2015-05-19 2015-07-29 上海斐讯数据通信技术有限公司 一种基于Android的异常处理系统及处理方法
CN106055419A (zh) * 2016-03-31 2016-10-26 惠州市德赛西威汽车电子股份有限公司 一种车载嵌入式系统的异常处理装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104375928A (zh) * 2013-08-12 2015-02-25 鸿富锦精密工业（深圳）有限公司 异常日志管理方法及系统
CN104156275A (zh) * 2014-06-30 2014-11-19 青岛海信移动通信技术股份有限公司 一种安卓Android平台异常处理的方法和装置
CN104809030A (zh) * 2015-05-19 2015-07-29 上海斐讯数据通信技术有限公司 一种基于Android的异常处理系统及处理方法
CN106055419A (zh) * 2016-03-31 2016-10-26 惠州市德赛西威汽车电子股份有限公司 一种车载嵌入式系统的异常处理装置及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446226A (zh) * 2018-03-08 2018-08-24 北京小米移动软件有限公司 应用异常的处理方法
CN108446226B (zh) * 2018-03-08 2021-05-18 北京小米移动软件有限公司 应用异常的处理方法

Similar Documents

Publication Publication Date Title
US10606654B2 (en) Data processing method and apparatus
US10635576B2 (en) Branch coverage guided symbolic execution for hybrid fuzz testing of software binaries
US11915104B2 (en) Normalizing text attributes for machine learning models
US20140033267A1 (en) Type mining framework for automated security policy generation
US9594913B2 (en) System, method, and non-transitory computer-readable storage media for analyzing software application modules and provide actionable intelligence on remediation efforts
CN112005532B (zh) 用于对可执行文件进行分类的方法、系统和存储介质
US11924239B2 (en) Vulnerability and attack technique association
CN112565026B (zh) 测试帧的生成方法、装置及设备
US20210103468A1 (en) Performance biased scheduler extender
US11972023B2 (en) Compatible anonymization of data sets of different sources
CN111338622B (zh) 供应链代码识别方法、装置、服务器及可读存储介质
CN111241544A (zh) 一种恶意程序识别方法、装置、电子设备及存储介质
US20150331787A1 (en) Software verification
Motiur Rahman et al. StackDroid: Evaluation of a multi-level approach for detecting the malware on android using stacked generalization
US11551145B2 (en) Performance based switching of a model training process
Wang et al. CrowdNet: identifying large-scale malicious attacks over android kernel structures
CN106599180A (zh) 异常数据的处理方法和装置
US11699097B2 (en) Machine learning model with conditional execution of multiple processing tasks
CN110532773A (zh) 恶意访问行为识别方法、数据处理方法、装置和设备
CN114266336A (zh) 一种处理人工智能模型的方法、数据处理的方法及装置
Vidal et al. Malware detection in mobile devices by analyzing sequences of system calls
Ogwara et al. MOBDroid: an intelligent malware detection system for improved data security in mobile cloud computing environments
CN114840418A (zh) 模糊测试方法及装置
CN110825461B (zh) 数据处理方法和装置
CN112131468A (zh) 推荐系统中的数据处理方法、装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426

RJ01 Rejection of invention patent application after publication