CN111078771A - 一种非侵入式访问的方法 - Google Patents
一种非侵入式访问的方法 Download PDFInfo
- Publication number
- CN111078771A CN111078771A CN201911221456.XA CN201911221456A CN111078771A CN 111078771 A CN111078771 A CN 111078771A CN 201911221456 A CN201911221456 A CN 201911221456A CN 111078771 A CN111078771 A CN 111078771A
- Authority
- CN
- China
- Prior art keywords
- data
- application system
- access
- state
- memory
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000006399 behavior Effects 0.000 claims abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 5
- 230000007812 deficiency Effects 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种非侵入式访问的方法,该方法首先对移动应用系统进行内存状态、状态变迁等分析,实现系统数据访问业务逻辑、数据语义关联关系的自动抽取;其次,对系统运行时进行同步跟踪状态、相关对象的状态数据收集,实现在不改变原应用系统外部行为的前提下,按需对其内部结构进行调整重构;然后,根据特定的需求,利用基于软件体系结构重建方法重构应用系统数据访问接口,生成一组外部可利用的API接口;最后,对API访问接口进行统一调用管理,并通过调用数据访问接口实现原有数据及功能利用,进而将数据对外进行共享开放。本发明能够有效解决在数据库封闭、文档源码缺失、开发团队缺位等情况下快速安全地实现业务数据访问接口重建的问题。
Description
技术领域
本发明涉及一种非侵入式访问的方法,属于软件应用技术领域,具体涉及一种基于重构技术实现非侵入式访问的方法。
背景技术
随着网络化与信息化技术的迅速发展,Web、PC、移动应用系统等应用系统涵盖了新闻广告、消费信息、金融管理、教育、政府、电子商务等所有基本服务信息。高效的互联网数据采集技术可将分散在不同信息源的信息进行采集与合并,并通过相应数据分析及时地反馈各类信息,使得信息资源得以充分利用;另一方面,越来越多的数据资源通过网络环境实现数据开放和共享,为广大人民提供了全方位便捷式的服务。然而,这些数据大多是以数据“孤岛”形式存在的,且存在数据量太大、太散、难以有效融合等问题,无法最大化释放数据资源的最大价值。因此,如何快速、准确、可靠、周期增量地利用这些数据资源,从而提升各行业的发展实力是一个亟待解决的问题。
非侵入式访问技术因具有安全性高、实时性好等优势,在当今的信息化时代可为互联网提供安全性访问具有重要意义。在数据采集应用场景中,通常会出现大量采集的系统数据接口,且存在数据接口容量较大、调用复杂、可视化不够直观等问题。因此,在进行系统数据采集任务完成后,形成的数据接口如何合理的管理和调用是一个十分重要的问题。一个好的非侵入式访问接口管理方法能让众多应用系统数据释放数据的最大化价值具有重要的现实意义。
综上所述,针对不同的应用系统进行业务系统的数据接口编写,需打破传统数据融合方式,实时地挖掘系统数据,形成多源数据共享池,并利用一个数据开采融合平台对系统数据接口进行统一管理。因此,基于上述需求,如何设计一个非侵入式访问技术方法实现更大规模的数据接口访问,进一步更好融合获取的数据接口成为一个尚待解决的问题。
发明内容
为解决上述技术问题,本发明提供了一种非侵入式访问的方法,该非侵入式访问的方法将现有系统的数据和功能转化为可由外部进行调用的API接口。
本发明通过以下技术方案得以实现。
本发明提供的一种非侵入式访问的方法,包括以下步骤:
①对应用系统进行内存状态、状态变迁分析,抽取应用系统数据访问业务逻辑、数据语义关联关系;
②根据步骤①,在应用系统运行时,进行同步跟踪状态、相关对象的状态数据收集,在不改变原应用系统外部行为的前提下,按需对其内部结构进行调整重构;
③根据软件体系结构重建方法,重构应用系统数据访问接口,生成一组外部可利用的应用API访问接口;
④对API访问接口进行统一调用管理,并通过调用数据访问接口实现原有应用系统数据及功能利用,进而将数据对外共享。
所述应用系统包括Web、PC、移动应用系统。
所述步骤①中,内存状态是指应用系统在运行时,某个对象被无意间添加了某条引用,虽然实际上并不需要了,但还是能一直被遍历可达。
所述步骤①中,数据访问业务逻辑是指一个实体单元为了向另一个实体单元提供数据访问服务,具备的规则与流程。
所述步骤①中,数据项关联关系是指数据集中的关联关系或相关关系,从而描述数据中某些属性同现的规律和模式。
所述步骤①中,采用半监督机机器学习和运行状态内存分析技术相结合,通过人机交互操作,进行内存状态指向、状态变迁、调用逻辑、用户交互行为、网络流方面的分析,从而快速构建出应用系统运行业务逻辑、数据读写关系、数据项关联关系的虚拟映射图和表。
所述半监督机机器学习是指预先标注一部分数据样本作为训练数据集,其余部分作为测试数据集,然后在完成每一轮预测分类后对训练数据集进行扩充。
所述运行状态内存分析技术是指在系统运行时,对运行内存中的数据进行程序化分析,从而确定运行状态是否异常。
所述步骤③中,采用的软件体系结构重建方法是指可在信息不完整或封闭情形下,将深藏在各独立而封闭系统中的核心数据,通过生成API的方式便捷的提取出来。
本发明的有益效果在于:实时性强、安全性高,能够有效解决在数据库封闭、文档源码缺失、开发团队缺位等情况下快速安全地实现业务数据访问接口重建的问题。
具体实施方式
下面进一步描述本发明的技术方案,但要求保护的范围并不局限于所述。
一种非侵入式访问的方法,包括以下步骤:
①对应用系统进行内存状态、状态变迁分析,抽取应用系统数据访问业务逻辑、数据语义关联关系;
②根据步骤①,在应用系统运行时,进行同步跟踪状态、相关对象的状态数据收集,在不改变原应用系统外部行为的前提下,按需对其内部结构进行调整重构;
③根据软件体系结构重建方法,重构应用系统数据访问接口,生成一组外部可利用的应用API访问接口;
④对API访问接口进行统一调用管理,并通过调用数据访问接口实现原有应用系统数据及功能利用,进而将数据对外共享。
所述应用系统包括Web、PC、移动应用系统。
所述步骤①中,内存状态是指应用系统在运行时,某个对象被无意间添加了某条引用,虽然实际上并不需要了,但还是能一直被遍历可达。
所述步骤①中,数据访问业务逻辑是指一个实体单元为了向另一个实体单元提供数据访问服务,具备的规则与流程。
所述步骤①中,数据项关联关系是指数据集中的关联关系或相关关系,从而描述数据中某些属性同现的规律和模式。
所述步骤①中,采用半监督机机器学习和运行状态内存分析技术相结合,通过人机交互操作,进行内存状态指向、状态变迁、调用逻辑、用户交互行为、网络流方面的分析,从而快速构建出应用系统运行业务逻辑、数据读写关系、数据项关联关系的虚拟映射图和表。
所述半监督机机器学习是指预先标注一部分数据样本作为训练数据集,其余部分作为测试数据集,然后在完成每一轮预测分类后对训练数据集进行扩充。
所述运行状态内存分析技术是指在系统运行时,对运行内存中的数据进行程序化分析,从而确定运行状态是否异常。
所述步骤③中,采用的软件体系结构重建方法是指可在信息不完整或封闭情形下,将深藏在各独立而封闭系统中的核心数据,通过生成API的方式便捷的提取出来。
实施例
如上所述,一种非侵入式访问的方法,具体过程如下:
a)首先,对Web、PC、移动应用系统进行内存状态、状态变迁等分析,自动抽取系统数据访问业务逻辑、数据语义关联关系;
b)其次,对步骤a中的政府企业应用系统运行时进行同步跟踪状态、相关对象的状态数据收集,在不改变原应用系统外部行为的前提下,按需对其内部结构进行调整重构;
c)然后,根据特定的需求,利用软件体系结构重建方法,重构应用系统数据访问接口,生成一组外部可利用的应用访问(API)接口;
d)最后,对步骤c中生成的API访问接口进行统一调用管理,并通过调用数据访问接口实现原有系统数据及功能利用,进而将数据对外共享。
进一步地,步骤a中内存状态是指应用系统在运行时,某个对象被无意间添加了某条引用,虽然实际上并不需要了,但还是能一直被遍历可达,以致其内存始终无法回收,造成了内存泄露的问题。如果不及时解决内存泄漏,可能会导致应用程序占据过大地内存造成系统崩溃。
进一步地,步骤a中数据访问业务逻辑是指一个实体单元为了向另一个实体单元提供数据访问服务,应该具备的规则与流程。
进一步地,步骤a中数据项关联关系是指大量数据集中的关联关系或相关关系,从而描述数据中某些属性同现的规律和模式。
进一步地,步骤a所自动抽取的方法是采用半监督机机器学习和运行状态内存分析技术相结合,通过人机交互操作,进行内存状态指向(point-to)、状态变迁、调用逻辑、用户交互行为、网络流等方面的分析,从而快速推理并构建出应用系统运行业务逻辑、数据读写关系、数据项关联关系等的虚拟映射图和表,进而实现自动抽取的功能。
进一步地,半监督机机器学习是指预先标注一小部分数据样本作为训练数据集,其余大部分作为测试数据集,然后在完成每一轮预测分类后对训练数据集进行扩充,即将认为可靠的测试样本加入,最终实现对样本的类别标注。
进一步地,运行状态内存分析技术是指在系统运行时,对运行内存中的数据进行程序化分析,从而确定运行状态是否异常。
进一步地,步骤c中所采用的软件体系结构重构技术是指可在信息不完整或封闭情形下,解决现有的搜索、爬虫、网络抓包和数据导库等传统采集方法失效的技术难题,将深藏在各独立而封闭系统中的核心数据通过自动生成API的方式便捷的提取出来。
进一步地,骤d中对接口进行统一调用管理,实现对多种数据源的数据进行统一载入、分类、处理以及存储。
本发明针对不同的系统数据接口需求利用软件体系重构技术,快速、安全地从系统应用层面重建出数据读写接口,从而实现原系统对外服务能力;通过将生成的应用访问接口通过统一的接口调用,实现对多种数据源的数据进行统一载入、分类、处理以及存储,并对大量采集数据生成的接口进行统一的管理,实现数据实时获取、精准融合、交互共享和无缝集成。
综上所述,本发明利用软件结重建技术,快速、安全地从系统应用层面重建出数据读写接口,实现原系统对外服务能力;将生成的应用访问接口通过统一的接口调用,实现对多种数据源的数据进行统一载入、分类、处理以及存储;无需源代码、开放数据库,能够在数据库封闭、文档源码缺失、开发团队缺位等情况中对多源异构数据进行精准采集和清洗,重建出业务系统的数据接口,实现数据实时获取、精准融合、交互共享和无缝集成。
Claims (9)
1.一种非侵入式访问的方法,其特征在于:包括以下步骤:
①对应用系统进行内存状态、状态变迁分析,抽取应用系统数据访问业务逻辑、数据语义关联关系;
②根据步骤①,在应用系统运行时,进行同步跟踪状态、相关对象的状态数据收集,在不改变原应用系统外部行为的前提下,按需对其内部结构进行调整重构;
③根据软件体系结构重建方法,重构应用系统数据访问接口,生成一组外部可利用的应用API访问接口;
④对API访问接口进行统一调用管理,并通过调用数据访问接口实现原有应用系统数据及功能利用,进而将数据对外共享。
2.如权利要求1所述的非侵入式访问的方法,其特征在于:所述应用系统包括Web、PC、移动应用系统。
3.如权利要求1所述的非侵入式访问的方法,其特征在于:所述步骤①中,内存状态是指应用系统在运行时,某个对象被无意间添加了某条引用,虽然实际上并不需要了,但还是能一直被遍历可达。
4.如权利要求1所述的非侵入式访问的方法,其特征在于:所述步骤①中,数据访问业务逻辑是指一个实体单元为了向另一个实体单元提供数据访问服务,具备的规则与流程。
5.如权利要求1所述的非侵入式访问的方法,其特征在于:所述步骤①中,数据项关联关系是指数据集中的关联关系或相关关系,从而描述数据中某些属性同现的规律和模式。
6.如权利要求1所述的非侵入式访问的方法,其特征在于:所述步骤①中,采用半监督机机器学习和运行状态内存分析技术相结合,通过人机交互操作,进行内存状态指向、状态变迁、调用逻辑、用户交互行为、网络流方面的分析,从而快速构建出应用系统运行业务逻辑、数据读写关系、数据项关联关系的虚拟映射图和表。
7.如权利要求6述的非侵入式访问的方法,其特征在于:所述半监督机机器学习是指预先标注一部分数据样本作为训练数据集,其余部分作为测试数据集,然后在完成每一轮预测分类后对训练数据集进行扩充。
8.如权利要求6述的非侵入式访问的方法,其特征在于:所述运行状态内存分析技术是指在系统运行时,对运行内存中的数据进行程序化分析,从而确定运行状态是否异常。
9.如权利要求1述的非侵入式访问的方法,其特征在于:所述步骤③中,采用的软件体系结构重建方法是指可在信息不完整或封闭情形下,将深藏在各独立而封闭系统中的核心数据,通过生成API的方式便捷的提取出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911221456.XA CN111078771A (zh) | 2019-12-03 | 2019-12-03 | 一种非侵入式访问的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911221456.XA CN111078771A (zh) | 2019-12-03 | 2019-12-03 | 一种非侵入式访问的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111078771A true CN111078771A (zh) | 2020-04-28 |
Family
ID=70312600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911221456.XA Pending CN111078771A (zh) | 2019-12-03 | 2019-12-03 | 一种非侵入式访问的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111078771A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107562894A (zh) * | 2017-09-06 | 2018-01-09 | 广州供电局有限公司 | 一种web应用系统行为仿真的API获取和应用方法 |
CN107609070A (zh) * | 2017-08-30 | 2018-01-19 | 北京数聚万卷科技发展有限公司 | Ndf数据融合平台 |
CN110458350A (zh) * | 2019-08-06 | 2019-11-15 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 铁路交通系统的基础服务平台构建方法、装置与电子设备 |
-
2019
- 2019-12-03 CN CN201911221456.XA patent/CN111078771A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609070A (zh) * | 2017-08-30 | 2018-01-19 | 北京数聚万卷科技发展有限公司 | Ndf数据融合平台 |
CN107562894A (zh) * | 2017-09-06 | 2018-01-09 | 广州供电局有限公司 | 一种web应用系统行为仿真的API获取和应用方法 |
CN110458350A (zh) * | 2019-08-06 | 2019-11-15 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 铁路交通系统的基础服务平台构建方法、装置与电子设备 |
Non-Patent Citations (1)
Title |
---|
LIONEL N. TIDJON等: ""Intrusion Detection Systems: A Cross-Domain Overview"" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335479B (zh) | 一种基于sql的文本数据统计实现方法 | |
CN104063325A (zh) | 一种针对嵌入式软件的测试用例自动化生成装置及其方法 | |
CN101706751A (zh) | 软件业务功能覆盖率的统计方法及系统 | |
CN103825755A (zh) | 电力二次系统的建模方法与系统 | |
CN104050193B (zh) | 生成报文的方法和实现该方法的数据处理系统 | |
CN109033272A (zh) | 一种基于概念的知识自动关联方法及装置 | |
CN106126789A (zh) | 基于Revit与Matlab的监测数据更新与处理的集成系统及方法 | |
CN106257447A (zh) | 云存储服务器的视频存储及检索方法、视频云存储系统 | |
CN111078771A (zh) | 一种非侵入式访问的方法 | |
CN101894317A (zh) | 数据变化驱动业务逻辑的方法和系统 | |
CN112328667A (zh) | 一种基于数据血缘的页岩气田地面工程数字化移交方法 | |
CN102393820A (zh) | 一种楼宇监控系统控制逻辑的实现方法 | |
CN114138679A (zh) | 测试数据构造方法、装置、计算机可读介质及电子设备 | |
Shouaib et al. | Survey on iot-based big data analytics | |
CN112667740A (zh) | 一种基于问题导向的创新数据分析平台 | |
Liangxian et al. | The application of semantics web in digital library knowledge management | |
Hu et al. | Research on power equipment system of knowledge graph under electric energy in smart grid | |
Duque et al. | An ontological solution to support interoperability in the textile industry | |
Mahesh et al. | Visualizing technology mining results on life cycle axes: A study of server virtualization | |
Dahab et al. | A software measurement framework guided by support vector machines | |
Wei et al. | Design and implementation of call chain management system for microservice environment | |
Oh et al. | Evaluation criteria ontology modularization tools | |
Mattis et al. | Ambiguous, informal, and unsound: metaprogramming for naturalness | |
Lima et al. | Verifying deadlock and nondeterminism in activity diagrams | |
Babik et al. | A testing framework for OWL-DL reasoning |
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: 20200428 |