CN110990669A - 一种基于规则生成的dpi解析方法和系统 - Google Patents
一种基于规则生成的dpi解析方法和系统 Download PDFInfo
- Publication number
- CN110990669A CN110990669A CN201910985133.1A CN201910985133A CN110990669A CN 110990669 A CN110990669 A CN 110990669A CN 201910985133 A CN201910985133 A CN 201910985133A CN 110990669 A CN110990669 A CN 110990669A
- Authority
- CN
- China
- Prior art keywords
- rule
- dpi
- identification
- spark
- features
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于规则自动生成的DPI解析方法和系统,方法包括S1:监控模块根据现有规则库应用情况,识别规则库中覆盖率偏差异常规则和当前主要未识别业务,当业务识别率低于阈值时,进入步骤S2;S2:将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,进入步骤S3;S3:对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;S4:利用更新的规则库的DPI识别规则进行DPI解析。本发明在满足DPI应用识别的同时,提高DPI应用识别的时效性和覆盖率,保障DPI识别规则的机密性。
Description
技术领域
本发明涉及DPI业务识别领域,更具体地,涉及一种基于规则生成的DPI解析方法和系统。
背景技术
近年来,随着移动互联网的迅猛发展,各种新式数据业务功能不断增加,要求运营商基于DPI深度识别技术分析客户的互联网行为偏好,开展基于用户家庭关系、视频内容偏好、游戏内容偏好和关键字搜索等数据分析服务,快速响应市场业务精细化运营需求,不断提升客户营销精准度。然而在DPI识别过程中,往往存在规则更新不及时、规则覆盖率低、规则易泄露的问题,导致DPI识别工作缺乏繁重而被动。
规则更新不及时:DPI识别规则往往存在时效性,当APP或网站进行更新时,其业务对应的规则可能发生变更,历史DPI规则库可能失效,新增的业务可能未被识别或错误识别,故需要建立规则库更新机制,定期对DPI规则库的有效性进行检查,保证DPI识别规则及时更新。
规则覆盖率低:随着移动互联网应用的发展,旧应用更新快,新应用发布多,同时HTTPS加密技术的普及,DPI识别覆盖率越来越低,需要建立DPI规则自检测识别引擎,自动发现、推导和识别未覆盖的应用。
规则易泄露:随着技术发展,移动运营商采用基于共享平台的多租户开发模式,借助共享平台Hadoop集群强大的计算和存储能力,进行DPI应用识别统计,高效、灵活和易推广的开发模式背后,存在DPI识别规则被其他合作方获取的风险,需要对规则进行加密入库和读取解密保证规则的安全性。
发明内容
本发明的首要目的是提供一种基于规则自动生成的DPI解析方法,其可以在满足DPI应用识别的同时,提高DPI应用识别的时效性和覆盖率,保障DPI识别规则的机密性。
本发明的进一步目的是提供一种基于规则自动生成的DPI解析系统。
为解决上述技术问题,本发明的技术方案如下:
一种基于规则生成的DPI解析方法,包括以下步骤:
S1:监控模块根据现有规则库应用情况,识别规则库中覆盖率偏差异常规则和当前主要未识别业务,当业务识别率低于阈值时,进入步骤S2;
S2:将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,进入步骤S3;
S3:对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;
S4:利用更新的规则库的DPI识别规则进行DPI解析。
优选地,步骤S3中更新规则库的DPI识别规则前对生成的识别规则进行加密,步骤S4中利用更新的规则库的DPI识别规则进行DPI解析时,先对识别规则进行解密。
优选地,步骤S4包括以下步骤:
S4.1:将DPI识别规则编译成spark程序并将spark程序上传至集群,建立规则临时表;
S4.2:生成DPI解析任务计划Map;
S4.3:读取数据源表;
S4.4:执行spark程序,解析数据源表的数据;
S4.5:删除规则临时表;
S4.6:输出DPI解析结果。
优选地,步骤S4.1中将DPI识别规则编译成spark程序,具体包括以下步骤:
S4.1.1:系统初始化:通过传入的参数,所述参数包括需要处理数据日期,设定系统时间;
S4.1.2:读取任务计划配置文件信息,通过任务计划配置文件中的步骤配置信息stepConfig读取任务计划的所有步骤steps的配置;
S4.1.3:通过所有步骤steps的配置,生成对应的任务计划Map,其中,key是临时表名,value是SQL;
S4.1.4:源数据配置文件:sourceTable.properties;根据配置读取不同数据源的读取方式,如果是parquet或者orc格式的数据,通过路径和执行时间配置成hdfs路径,将数据读取到spark中,并注册临时表;如果是jdbc的方式,则使用jdbc配置连接oracle,并将指定的表在spark上注册成临时表;
S4.1.5:遍历执行任务计划Map,通过sparkSQL将任务计划中的SQL按顺序执行,并将结果数据写入到目标表中。
优选地,步骤S4.1.3包括以下步骤:
S4.1.3.1:普通步骤直接封装临时表名,和SQL封装成任务计划Map;
S4.1.3.2:规则步骤先取规则id,通过jdbc读取指定规则,组装成case when语句;根据任务计划步骤配置中各个列的别名信息,为每个列设定别名;利用任务计划步骤配置中的来源表信息,和前面组装成的SQL,将组装好的SQL与任务计划配置中的临时表名封装成任务计划Map。
优选地,步骤S4.3中的数据源表包括234G话单、家宽话单。
一种基于规则生成的DPI解析系统,包括:
监控模块,所述监控模块分析现有规则库应用情况,识别并告警规则库中覆盖率偏差异常规则和当前主要未识别业务,触发DPI规则自检测识别引擎自动推导,保障规则库更新的及时性;
DPI规则自检测识别引擎,将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,则对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;
Spark模块,根据配置文件或者程序内容,将新的DPI规则编译成spark程序,利用管理模块将spark程序提交到集群运行;
管理模块,调度所有DPI任务,包括规则更新上传、spark任务、跨集群传输任务;
集群,spark程序在集群运行,实现DPI解析。
优选地,还包括传输模块,所述传输模块调用多租户平台提供的跨集群API实现跨集群传输任务。
与现有技术相比,本发明技术方案的有益效果是:
1)规则机密保证规则的安全性,配合管理调度模块可以方便规则的更新和上传;
2)通过spark模块通用化配置,planProperties文件的配置可以完成大部分的需求设计,spark模块将任务计划转换成对应的spark程序,并由管理模块提交到集群上执行。不需要为所有的需求开发代码,减少了代码的开发和调试时间;
3)利用DPI解析的结果,可以对不同的业务进行分析,比如:视频类、直播类、游戏类等,以便后续进行分析、营销工作;
附图说明
图1为本发明的方法流程示意图。
图2为本发明的系统结构示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于规则生成的DPI解析方法,如图1,包括以下步骤:
S1:监控模块根据现有规则库应用情况,识别规则库中覆盖率偏差异常规则和当前主要未识别业务,当业务识别率低于阈值时,进入步骤S2;
S2:将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,进入步骤S3;
S3:对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;
S4:利用更新的规则库的DPI识别规则进行DPI解析。
步骤S3中更新规则库的DPI识别规则前对生成的识别规则进行加密,步骤S4中利用更新的规则库的DPI识别规则进行DPI解析时,先对识别规则进行解密。
步骤S4包括以下步骤:
S4.1:将DPI识别规则编译成spark程序并将spark程序上传至集群,建立规则临时表;
S4.2:生成DPI解析任务计划Map;
S4.3:读取数据源表;
S4.4:执行spark程序,解析数据源表的数据;
S4.5:删除规则临时表;
S4.6:输出DPI解析结果。
步骤S4.1中将DPI识别规则编译成spark程序,具体包括以下步骤:
S4.1.1:系统初始化:通过传入的参数,所述参数包括需要处理数据日期,设定系统时间;
S4.1.2:读取任务计划配置文件信息,通过任务计划配置文件中的步骤配置信息stepConfig读取任务计划的所有步骤steps的配置;
S4.1.3:通过所有步骤steps的配置,生成对应的任务计划Map,其中,key是临时表名,value是SQL;
S4.1.4:源数据配置文件:sourceTable.properties;根据配置读取不同数据源的读取方式,如果是parquet或者orc格式的数据,通过路径和执行时间配置成hdfs路径,将数据读取到spark中,并注册临时表;如果是jdbc的方式,则使用jdbc配置连接oracle,并将指定的表在spark上注册成临时表;
S4.1.5:遍历执行任务计划Map,通过sparkSQL将任务计划中的SQL按顺序执行,并将结果数据写入到目标表中。
步骤S4.1.3包括以下步骤:
S4.1.3.1:普通步骤直接封装临时表名,和SQL封装成任务计划Map;
S4.1.3.2:规则步骤先取规则id,通过jdbc读取指定规则,组装成case when语句;根据任务计划步骤配置中各个列的别名信息,为每个列设定别名;利用任务计划步骤配置中的来源表信息,和前面组装成的SQL,将组装好的SQL与任务计划配置中的临时表名封装成任务计划Map。
步骤S4.3中的数据源表包括234G话单、家宽话单。
实施例2
本实施例提供一种基于规则生成的DPI解析系统,如图2,包括:
监控模块,所述监控模块分析现有规则库应用情况,识别并告警规则库中覆盖率偏差异常规则和当前主要未识别业务,触发DPI规则自检测识别引擎自动推导,保障规则库更新的及时性;
DPI规则自检测识别引擎,将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,则对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;
Spark模块,根据配置文件或者程序内容,将新的DPI规则编译成spark程序,利用管理模块将spark程序提交到集群运行;
管理模块,调度所有DPI任务,包括规则更新上传、spark任务、跨集群传输任务;
集群,spark程序在集群运行,实现DPI解析。
传输模块,所述传输模块调用多租户平台提供的跨集群API实现跨集群传输任务。
挖掘现有234G数据、家宽数据,充分利用潜在数据变现价值,提升用户办理率,开展视频偏好用户DPI解析专题和潜在家宽用户DPI解析专题,搭建一套基于规则自动生成的DPI解析,系统从多租户接入数据,根据提炼的DPI规则对234G和家宽数据进行解析,统计用户在不同APP下的流量,分析用户使用偏好。系统支撑期间,实现了视频、游戏、直播、社交、家宽等100多个业务规则的自动生成,以天粒度自检测更新确保规则的有效性和覆盖率,同时保障了移动运营商数据的安全性和DPI规则的保密性。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于规则生成的DPI解析方法,其特征在于,包括以下步骤:
S1:监控模块根据现有规则库应用情况,识别规则库中覆盖率偏差异常规则和当前主要未识别业务,当业务识别率低于阈值时,进入步骤S2;
S2:将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,进入步骤S3;
S3:对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;
S4:利用更新的规则库的DPI识别规则进行DPI解析。
2.根据权利要求1所述的基于规则生成的DPI解析方法,其特征在于,步骤S3中更新规则库的DPI识别规则前对生成的识别规则进行加密,步骤S4中利用更新的规则库的DPI识别规则进行DPI解析时,先对识别规则进行解密。
3.根据权利要求1所述的基于规则生成的DPI解析方法,其特征在于,步骤S4包括以下步骤:
S4.1:将DPI识别规则编译成spark程序并将spark程序上传至集群,建立规则临时表;
S4.2:生成DPI解析任务计划Map;
S4.3:读取数据源表;
S4.4:执行spark程序,解析数据源表的数据;
S4.5:删除规则临时表;
S4.6:输出DPI解析结果。
4.根据权利要求3所述的基于规则生成的DPI解析方法,其特征在于,步骤S4.1中将DPI识别规则编译成spark程序,具体包括以下步骤:
S4.1.1:系统初始化:通过传入的参数,所述参数包括需要处理数据日期,设定系统时间;
S4.1.2:读取任务计划配置文件信息,通过任务计划配置文件中的步骤配置信息stepConfig读取任务计划的所有步骤steps的配置;
S4.1.3:通过所有步骤steps的配置,生成对应的任务计划Map,其中,key是临时表名,value是SQL;
S4.1.4:源数据配置文件:sourceTable.properties;根据配置读取不同数据源的读取方式,如果是parquet或者orc格式的数据,通过路径和执行时间配置成hdfs路径,将数据读取到spark中,并注册临时表;如果是jdbc的方式,则使用jdbc配置连接oracle,并将指定的表在spark上注册成临时表;
S4.1.5:遍历执行任务计划Map,通过sparkSQL将任务计划中的SQL按顺序执行,并将结果数据写入到目标表中。
5.根据权利要求4所述的基于规则生成的DPI解析方法,其特征在于,步骤S4.1.3包括以下步骤:
S4.1.3.1:普通步骤为产生临时表,通过直接封装临时表名,和SQL封装成任务计划Map,所述普通步骤在hive上直接执行;
S4.1.3.2:规则步骤为将配置好的规则组装成SQL,再变为临时表;规则步骤包括读取数据库、解密、组合;具体为先取规则id,通过jdbc读取指定规则,组装成case when语句;根据任务计划步骤配置中各个列的别名信息,为每个列设定别名;利用任务计划步骤配置中的来源表信息,和前面组装成的SQL,将组装好的SQL与任务计划配置中的临时表名封装成任务计划Map。
6.根据权利要求3所述的基于规则生成的DPI解析方法,其特征在于,步骤S4.3中的数据源表包括234G话单、家宽话单。
7.一种基于规则生成的DPI解析系统,其特征在于,包括:
监控模块,所述监控模块分析现有规则库应用情况,识别并告警规则库中覆盖率偏差异常规则和当前主要未识别业务,触发DPI规则自检测识别引擎自动推导,保障规则库更新的及时性;
DPI规则自检测识别引擎,将未识别业务的特征与规则库进行关联度匹配,若关联,则根据关联度最高的特征生成识别规则,若不关联,则对未识别业务进行协议域名、uri提取,提取成功时,通过爬虫自动爬取域名生成识别规则,并更新规则库的DPI识别规则;提取不成功时,通过人工抓包、拨测、分析,生成识别规则;
Spark模块,根据配置文件或者程序内容,将新的DPI规则编译成spark程序,利用管理模块将spark程序提交到集群运行;
管理模块,调度所有DPI任务,包括规则更新上传、spark任务、跨集群传输任务;
集群,spark程序在集群运行,实现DPI解析。
8.根据权利要求7所述的基于规则生成的DPI解析系统,其特征在于,还包括传输模块,所述传输模块调用多租户平台提供的跨集群API实现跨集群传输任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910985133.1A CN110990669A (zh) | 2019-10-16 | 2019-10-16 | 一种基于规则生成的dpi解析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910985133.1A CN110990669A (zh) | 2019-10-16 | 2019-10-16 | 一种基于规则生成的dpi解析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110990669A true CN110990669A (zh) | 2020-04-10 |
Family
ID=70082078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910985133.1A Pending CN110990669A (zh) | 2019-10-16 | 2019-10-16 | 一种基于规则生成的dpi解析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110990669A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598506A (zh) * | 2020-12-25 | 2021-04-02 | 中国农业银行股份有限公司 | 一种虚假按揭用户的确定方法及相关装置 |
CN113312531A (zh) * | 2021-04-22 | 2021-08-27 | 广州丰石科技有限公司 | 一种基于dpi解析与决策树模型的用户画像识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156389A (zh) * | 2014-07-04 | 2014-11-19 | 重庆邮电大学 | 基于Hadoop平台的深度包检测系统及方法 |
CN105550293A (zh) * | 2015-12-11 | 2016-05-04 | 深圳市华讯方舟软件技术有限公司 | 一种基于Spark-SQL大数据处理平台的后台刷新方法 |
CN106301825A (zh) * | 2015-05-18 | 2017-01-04 | 中兴通讯股份有限公司 | Dpi规则的生成方法及装置 |
CN106533791A (zh) * | 2016-12-12 | 2017-03-22 | 武汉烽火信息集成技术有限公司 | 一种基于大数据平台的端到端业务质量优化装置及方法 |
CN106911588A (zh) * | 2015-12-22 | 2017-06-30 | 中国电信股份有限公司 | 用于实现深度包检测优化的方法、装置和系统 |
WO2018126964A1 (zh) * | 2017-01-04 | 2018-07-12 | 中兴通讯股份有限公司 | 任务执行方法、装置和服务器 |
-
2019
- 2019-10-16 CN CN201910985133.1A patent/CN110990669A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156389A (zh) * | 2014-07-04 | 2014-11-19 | 重庆邮电大学 | 基于Hadoop平台的深度包检测系统及方法 |
CN106301825A (zh) * | 2015-05-18 | 2017-01-04 | 中兴通讯股份有限公司 | Dpi规则的生成方法及装置 |
CN105550293A (zh) * | 2015-12-11 | 2016-05-04 | 深圳市华讯方舟软件技术有限公司 | 一种基于Spark-SQL大数据处理平台的后台刷新方法 |
WO2017096941A1 (zh) * | 2015-12-11 | 2017-06-15 | 深圳市华讯方舟软件技术有限公司 | 一种基于Spark-SQL大数据处理平台的后台刷新方法 |
CN106911588A (zh) * | 2015-12-22 | 2017-06-30 | 中国电信股份有限公司 | 用于实现深度包检测优化的方法、装置和系统 |
CN106533791A (zh) * | 2016-12-12 | 2017-03-22 | 武汉烽火信息集成技术有限公司 | 一种基于大数据平台的端到端业务质量优化装置及方法 |
WO2018126964A1 (zh) * | 2017-01-04 | 2018-07-12 | 中兴通讯股份有限公司 | 任务执行方法、装置和服务器 |
Non-Patent Citations (2)
Title |
---|
简书: "Learning Spark (Python版) 学习笔记(三)----工作原理、调优与Spark SQL", 《 HTTPS://WWW.FREEAIHUB.COM/POST/44337.HTML》 * |
范家杰等: "基于流式计算的DPI数据处理方案及实践", 《移动通信》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598506A (zh) * | 2020-12-25 | 2021-04-02 | 中国农业银行股份有限公司 | 一种虚假按揭用户的确定方法及相关装置 |
CN113312531A (zh) * | 2021-04-22 | 2021-08-27 | 广州丰石科技有限公司 | 一种基于dpi解析与决策树模型的用户画像识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Stack overflow in github: any snippets there? | |
US10223548B2 (en) | Scrubber to remove personally identifiable information | |
US10178156B2 (en) | Extraction and capture of information from customizable header | |
US10152497B2 (en) | Bulk deduplication detection | |
US20170076012A1 (en) | Processing log files using a database system | |
CN106528421B (zh) | 一种Android应用中SDK处理方法 | |
US20160171505A1 (en) | Extract, transform, and load (etl) processing | |
US20160350440A1 (en) | Matching objects using match rules and lookup key | |
US10282175B2 (en) | Methods and systems for performing a partial build | |
US20200142674A1 (en) | Extracting web api endpoint data from source code | |
CN103106267A (zh) | 基于微博的众包问答系统信息采集方法 | |
US20180210713A1 (en) | Methods and systems for using cross repositories | |
US11636025B2 (en) | Intelligent generation of automated user interface testing methods | |
US11748243B2 (en) | Intelligent generation of page objects for user interface testing | |
CN110990669A (zh) | 一种基于规则生成的dpi解析方法和系统 | |
CN109145009B (zh) | 一种基于SQL检索ElasticSearch的方法 | |
CN114969819A (zh) | 数据资产风险发现方法和装置 | |
EP3701387A1 (en) | System and method for data management | |
Akram et al. | DroidMD: an efficient and scalable android malware detection approach at source code level | |
CN107016086B (zh) | 一种提取安卓系统GooglePlay中行为及位置数据的方法 | |
WO2021243555A1 (zh) | 一种快应用检测方法、装置、设备及存储介质 | |
CN112052470A (zh) | 一种服务器文件保护方法及保护系统 | |
WO2017092355A1 (zh) | 一种数据服务系统 | |
CN104038356A (zh) | 数据路由的执行方法、配置装置和处理装置 | |
US10853131B2 (en) | Dataflow life cycles |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |