CN111460006A - 一种数据库构建的数据挖掘方法、装置及服务器 - Google Patents

一种数据库构建的数据挖掘方法、装置及服务器 Download PDF

Info

Publication number
CN111460006A
CN111460006A CN202010335683.1A CN202010335683A CN111460006A CN 111460006 A CN111460006 A CN 111460006A CN 202010335683 A CN202010335683 A CN 202010335683A CN 111460006 A CN111460006 A CN 111460006A
Authority
CN
China
Prior art keywords
node
data
data mining
determining
identifier
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.)
Granted
Application number
CN202010335683.1A
Other languages
English (en)
Other versions
CN111460006B (zh
Inventor
梁成敏
梁燕露
杨乐忠
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.)
Guangdong Jiabang Information Consulting Co.,Ltd.
Original Assignee
Zhiboyun Information Technology Guangzhou 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 Zhiboyun Information Technology Guangzhou Co ltd filed Critical Zhiboyun Information Technology Guangzhou Co ltd
Priority to CN202010335683.1A priority Critical patent/CN111460006B/zh
Publication of CN111460006A publication Critical patent/CN111460006A/zh
Application granted granted Critical
Publication of CN111460006B publication Critical patent/CN111460006B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例涉及数据处理技术领域，具体而言，涉及一种数据库构建的数据挖掘方法、装置及服务器。该方法能够直接根据统计得到的页面节点的特征数据的调用次数确定出目标页面节点，无需对特征数据进行相似度判断，提高了确定目标页面节点的实时性，能够将网络爬虫附着于数据挖掘节点的爬取脚本进行简化，减轻后续对数据挖掘节点进行挖掘的计算负荷，能够实现爬取进程和数据存储进程的逻辑切换，提高基于第二位置区域进行数据挖掘的效率和准确性，从而提高数据收集和分析的效率，确保数据收集和分析的实时性。

Description

一种数据库构建的数据挖掘方法、装置及服务器
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种数据库构建的数据挖掘方法、装置及服务器。
背景技术
随着科技的发展，企业的创新能力是企业能够处于市场竞争中的不败之地的关键。企业创新是企业管理的一项重要内容，是决定公司发展方向、发展规模、发展速度的关键要素。因此，如何确保和维持企业的创新能力是企业经营中一个重要的环节。
大数据的收集和分析以及数据库的建立是确保和维持企业的创新能力的重要方式，但是现有的数据收集和分析方法准确性低且实时性差。
发明内容
为了至少克服现有技术中的上述不足，本发明的目的之一在于提供一种数据库构建的数据挖掘方法、装置及服务器。
本发明实施例提供了一种数据库构建的数据挖掘方法，所述方法至少包括：
统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数；
从所有页面节点中确定出调用次数超过设定值的目标页面节点，所述设定值大于等于零；
根据确定出的目标页面节点确定至少一个数据挖掘节点，并确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域；
确定所述爬取逻辑连线图与所述目标页面的数据储存节点拓扑图的映射关系，根据所述映射关系，确定所述至少一个数据挖掘节点的所述第一位置区域在所述数据储存节点拓扑图上的第二位置区域，对所述第二位置区域中储存的目标数据进行挖掘；
根据挖掘得到的目标数据构建企业数据库。
在一种可选的方式中，所述统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数，包括：
根据所述网络爬虫的爬取结果获取在预设时段内的针对所述目标页面的多个数据调用请求；
提取每个数据调用请求中的请求对象的信息以及所述请求对象在所述预设时段内处于连续激活状态的次数，确定每个数据调用请求的调用活跃度；
基于所述调用活跃度和所述爬取结果中的数据安全评价表，确定每个数据调用请求的安全评分；
按照安全评分由高到低的顺序对每个数据调用请求进行排序，确定出排序序列中前N个数据调用请求中调用活跃度大于预设值的数据调用请求的总数，将所述总数确定为所述调用次数。
在一种可选的方式中，所述根据确定出的目标页面节点确定至少一个数据挖掘节点，包括：
将所述目标页面节点按照节点标签划分为多个子节点；
针对所述多个子节点中的每个子节点，根据该子节点当前的动态数字签名，以及至少一个初始脚本节点对应的关联关系的数据收敛区间，确定该子节点对应的至少一个数据挖掘有效范围；其中，所述关联关系的数据收敛区间是在不同的数据池中，能够用于表示初始脚本节点对应的数据收敛权重和动态数字签名之间的关联关系的取值范围，所述初始脚本节点为所述多个子节点中脚本调用率大于预设比率的节点；
判断所述多个子节点中的每个子节点对应的当前数据挖掘有效值是否在该子节点对应的任一数据挖掘有效范围内；若是，则确定该子节点为用于表征所述目标节点的数据挖掘深度的评价节点，并根据每个评价节点对应的当前数据挖掘有效值、预设的深度调整参数以及每个评价节点的当前数据挖掘有效值所在的数据挖掘有效范围，确定每个评价节点的数据挖掘置信度；否则，确定该子节点为非评价节点，并将每个非评价节点的数据挖掘置信度取置信度最小值，其中，所述预设的深度调整参数的取值大于所述置信度最小值；
根据确定的所述每个评价节点的数据挖掘置信度和所述每个非评价节点的置信度最小值以及所述每个子节点的动态数字签名，对所述多个子节点进行过滤，得到至少一个目标子节点；
将所述至少一个目标子节点确定为所述至少一个数据挖掘节点。
在一种可选的方式中，所述确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域，包括：
将根据所述至少一个数据挖掘节点的数据逻辑关系确定出所述至少一个数据挖掘节点的多个数据挖掘块，根据每个数据挖掘块的标识对应的字符编码的编码长度，确定每个标识的激活权重；
根据每个标识的激活权重的中位数以及每个标识的激活权重，确定所述至少一个数据挖掘节点对应的爬取几率分布图；
在每个激活权重的激活边界值区间上，根据每个标识是否位于所述激活边界值区间中，确定每个标识对应的激活概率，根据每个标识在所述爬取几率分布图中的取值以及每个标识对应的所述激活概率，统计每个激活边界值区间中对应的爬取几率统计表；
根据每个激活边界值区间对应的爬取几率统计表，确定所述至少一个数据挖掘节点在所述爬取逻辑连线图中的爬取区间；
根据每个标识与激活权重最大的第一标识之间在所述爬取区间中的第一相对差值、所述第一标识和激活权重最小的第二标识在所述爬取区间中的第二相对差值以及每个标识的激活权重，确定每个标识的数据挖掘权重；
根据每个标识的数据挖掘权重，确定每个标识对应的数据挖掘块的数据挖掘特征值；
根据每个数据挖掘块的数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
本发明实施例还提供了一种数据库构建的数据挖掘装置，所述装置包括：
统计模块，用于统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数；
第一确定模块，用于从所有页面节点中确定出调用次数超过设定值的目标页面节点，所述设定值大于等于零；
第二确定模块，用于根据确定出的目标页面节点确定至少一个数据挖掘节点，并确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域；
挖掘模块，用于确定所述爬取逻辑连线图与所述目标页面的数据储存节点拓扑图的映射关系，根据所述映射关系，确定所述至少一个数据挖掘节点的所述第一位置区域在所述数据储存节点拓扑图上的第二位置区域，对所述第二位置区域中储存的目标数据进行挖掘；
构建模块，用于根据挖掘得到的目标数据构建企业数据库。
在一种可选的方式中，所述统计模块，用于：
根据所述网络爬虫的爬取结果获取在预设时段内的针对所述目标页面的多个数据调用请求；
提取每个数据调用请求中的请求对象的信息以及所述请求对象在所述预设时段内处于连续激活状态的次数，确定每个数据调用请求的调用活跃度；
基于所述调用活跃度和所述爬取结果中的数据安全评价表，确定每个数据调用请求的安全评分；
按照安全评分由高到低的顺序对每个数据调用请求进行排序，确定出排序序列中前N个数据调用请求中调用活跃度大于预设值的数据调用请求的总数，将所述总数确定为所述调用次数。
在一种可选的方式中，所述第二确定模块，用于：
将所述目标页面节点按照节点标签划分为多个子节点；
针对所述多个子节点中的每个子节点，根据该子节点当前的动态数字签名，以及至少一个初始脚本节点对应的关联关系的数据收敛区间，确定该子节点对应的至少一个数据挖掘有效范围；其中，所述关联关系的数据收敛区间是在不同的数据池中，能够用于表示初始脚本节点对应的数据收敛权重和动态数字签名之间的关联关系的取值范围，所述初始脚本节点为所述多个子节点中脚本调用率大于预设比率的节点；
判断所述多个子节点中的每个子节点对应的当前数据挖掘有效值是否在该子节点对应的任一数据挖掘有效范围内；若是，则确定该子节点为用于表征所述目标节点的数据挖掘深度的评价节点，并根据每个评价节点对应的当前数据挖掘有效值、预设的深度调整参数以及每个评价节点的当前数据挖掘有效值所在的数据挖掘有效范围，确定每个评价节点的数据挖掘置信度；否则，确定该子节点为非评价节点，并将每个非评价节点的数据挖掘置信度取置信度最小值，其中，所述预设的深度调整参数的取值大于所述置信度最小值；
根据确定的所述每个评价节点的数据挖掘置信度和所述每个非评价节点的置信度最小值以及所述每个子节点的动态数字签名，对所述多个子节点进行过滤，得到至少一个目标子节点；
将所述至少一个目标子节点确定为所述至少一个数据挖掘节点。
在一种可选的方式中，所述第二确定模块，用于：
将根据所述至少一个数据挖掘节点的数据逻辑关系确定出所述至少一个数据挖掘节点的多个数据挖掘块，根据每个数据挖掘块的标识对应的字符编码的编码长度，确定每个标识的激活权重；
根据每个标识的激活权重的中位数以及每个标识的激活权重，确定所述至少一个数据挖掘节点对应的爬取几率分布图；
在每个激活权重的激活边界值区间上，根据每个标识是否位于所述激活边界值区间中，确定每个标识对应的激活概率，根据每个标识在所述爬取几率分布图中的取值以及每个标识对应的所述激活概率，统计每个激活边界值区间中对应的爬取几率统计表；
根据每个激活边界值区间对应的爬取几率统计表，确定所述至少一个数据挖掘节点在所述爬取逻辑连线图中的爬取区间；
根据每个标识与激活权重最大的第一标识之间在所述爬取区间中的第一相对差值、所述第一标识和激活权重最小的第二标识在所述爬取区间中的第二相对差值以及每个标识的激活权重，确定每个标识的数据挖掘权重；
根据每个标识的数据挖掘权重，确定每个标识对应的数据挖掘块的数据挖掘特征值；
根据每个数据挖掘块的数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
本发明实施例还提供了一种服务器，包括处理器以及与所述处理器连接的存储器和总线；其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述的数据库构建的数据挖掘方法。
本发明实施例还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的数据库构建的数据挖掘方法。
本发明实施例所提供的一种数据库构建的数据挖掘方法、装置及服务器，能够直接根据统计得到的页面节点的特征数据的调用次数确定出目标页面节点，无需对特征数据进行相似度判断，提高了确定目标页面节点的实时性，根据目标页面节点确定数据挖掘节点，并确定数据挖掘节点在网络爬虫的爬取逻辑连线图中的第一位置区域，能够将网络爬虫附着于数据挖掘节点的爬取脚本进行简化，减轻后续对数据挖掘节点进行挖掘的计算负荷，根据爬取逻辑连线图与目标页面的数据储存节点拓扑图的映射关系确定数据挖掘节点对应的第二位置区域，能够实现爬取进程和数据存储进程的逻辑切换，提高基于第二位置区域进行数据挖掘的效率和准确性，从而提高数据收集和分析的效率，确保数据收集和分析的实时性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种数据库构建的数据挖掘方法的流程图。
图2为本发明实施例所提供的一种数据库构建的数据挖掘装置的功能模块框图。
图3为本发明实施例所提供的一种服务器的方框示意图。
图标：
200-数据库构建的数据挖掘装置；201-统计模块；202-第一确定模块；203-第二确定模块；204-挖掘模块；205-构建模块；
300-服务器；301-处理器；302-存储器；303-总线。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种数据库构建的数据挖掘方法、装置及服务器，用以改善现有的数据收集和分析方法准确性低且实时性差的技术问题。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
图1为根据本发明一个实施例提供的数据库构建的数据挖掘方法的流程图，该方法可以包括以下内容：
步骤S21，统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数。
步骤S22，从所有页面节点中确定出调用次数超过设定值的目标页面节点，所述设定值大于等于零。
步骤S23，根据确定出的目标页面节点确定至少一个数据挖掘节点，并确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
步骤S24，确定所述爬取逻辑连线图与所述目标页面的数据储存节点拓扑图的映射关系，根据所述映射关系，确定所述至少一个数据挖掘节点的所述第一位置区域在所述数据储存节点拓扑图上的第二位置区域，对所述第二位置区域中储存的目标数据进行挖掘。
步骤S25，根据挖掘得到的目标数据构建企业数据库。
可以理解，通过步骤S21-步骤S25，能够直接根据统计得到的页面节点的特征数据的调用次数确定出目标页面节点，无需对特征数据进行相似度判断，提高了确定目标页面节点的实时性，根据目标页面节点确定数据挖掘节点，并确定数据挖掘节点在网络爬虫的爬取逻辑连线图中的第一位置区域，能够将网络爬虫附着于数据挖掘节点的爬取脚本进行简化，减轻后续对数据挖掘节点进行挖掘的计算负荷，根据爬取逻辑连线图与目标页面的数据储存节点拓扑图的映射关系确定数据挖掘节点对应的第二位置区域，能够实现爬取进程和数据存储进程的逻辑切换，提高基于第二位置区域进行数据挖掘的效率和准确性，从而提高数据收集和分析的效率，确保数据收集和分析的实时性。
在进行调用次数的确定时，为了确保统计出的调用次数的准确性，需要考虑针对目标页面的无效调用请求和恶意调用请求的影响，为此，在步骤S21中，统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数，具体可以包括以下内容：
步骤S211，根据所述网络爬虫的爬取结果获取在预设时段内的针对所述目标页面的多个数据调用请求。
步骤S212，提取每个数据调用请求中的请求对象的信息以及所述请求对象在所述预设时段内处于连续激活状态的次数，确定每个数据调用请求的调用活跃度。
步骤S213，基于所述调用活跃度和所述爬取结果中的数据安全评价表，确定每个数据调用请求的安全评分。
步骤S214，按照安全评分由高到低的顺序对每个数据调用请求进行排序，确定出排序序列中前N个数据调用请求中调用活跃度大于预设值的数据调用请求的总数，将所述总数确定为所述调用次数。
可以理解，通过步骤S211-步骤S214，能够基于调用活跃度和安全评分对数据调用请求进行过滤，从而确保调用次数的准确性，由于调用活跃度是基于连续激活状态的次数确定的，因此能够进一步地确保调用次数的准确性，由于安全评分是根据数据安全评价表确定的且数据安全评价表是网络爬虫爬取得到的，因此能够确保数据安全评价表的可靠性，进而基于安全评分有效滤除恶意调用请求，此外，基于调用活跃度能够有效滤除无效调用请求，从而确保统计出的调用次数的准确性。
在确定数据挖掘节点时，由于目标页面存在诸多噪声和干扰，为了保证确定出的数据挖掘节点的精准性，在步骤S23中，根据确定出的目标页面节点确定至少一个数据挖掘节点，具体可以包括以下内容：
步骤S2311，将所述目标页面节点按照节点标签划分为多个子节点。
步骤S2312，针对所述多个子节点中的每个子节点，根据该子节点当前的动态数字签名，以及至少一个初始脚本节点对应的关联关系的数据收敛区间，确定该子节点对应的至少一个数据挖掘有效范围；其中，所述关联关系的数据收敛区间是在不同的数据池中，能够用于表示初始脚本节点对应的数据收敛权重和动态数字签名之间的关联关系的取值范围，所述初始脚本节点为所述多个子节点中脚本调用率大于预设比率的节点。
步骤S2313，判断所述多个子节点中的每个子节点对应的当前数据挖掘有效值是否在该子节点对应的任一数据挖掘有效范围内；若是，则确定该子节点为用于表征所述目标节点的数据挖掘深度的评价节点，并根据每个评价节点对应的当前数据挖掘有效值、预设的深度调整参数以及每个评价节点的当前数据挖掘有效值所在的数据挖掘有效范围，确定每个评价节点的数据挖掘置信度；否则，确定该子节点为非评价节点，并将每个非评价节点的数据挖掘置信度取置信度最小值，其中，所述预设的深度调整参数的取值大于所述置信度最小值。
步骤S2314，根据确定的所述每个评价节点的数据挖掘置信度和所述每个非评价节点的置信度最小值以及所述每个子节点的动态数字签名，对所述多个子节点进行过滤，得到至少一个目标子节点。
步骤S2315，将所述至少一个目标子节点确定为所述至少一个数据挖掘节点。
可以理解，通过步骤S2311-步骤S2315，能够将节点标签和动态数字签名考虑在内，然后基于数据收敛以及数据挖掘有效值和有效范围对目标页面节点中的多个子节点进行过滤，从而实现对目标页面中的噪声和干扰的滤除，保证确定出的数据挖掘节点的精准性。
可以理解，在确定至少一个数据挖掘节点在爬取逻辑连线图中的第一位置区域的过程中，确定数据挖掘节点在爬取逻辑连线图中的相对位置时可能出现偏差，因此，为了准确确定数据挖掘节点在爬取逻辑连线图中的相对位置，进而准确确定中第一位置区域，在步骤S23中，所述确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域，具体可以包括以下内容：
步骤S2321，将根据所述至少一个数据挖掘节点的数据逻辑关系确定出所述至少一个数据挖掘节点的多个数据挖掘块，根据每个数据挖掘块的标识对应的字符编码的编码长度，确定每个标识的激活权重。
步骤S2322，根据每个标识的激活权重的中位数以及每个标识的激活权重，确定所述至少一个数据挖掘节点对应的爬取几率分布图。
步骤S2323，在每个激活权重的激活边界值区间上，根据每个标识是否位于所述激活边界值区间中，确定每个标识对应的激活概率，根据每个标识在所述爬取几率分布图中的取值以及每个标识对应的所述激活概率，统计每个激活边界值区间中对应的爬取几率统计表。
步骤S2324，根据每个激活边界值区间对应的爬取几率统计表，确定所述至少一个数据挖掘节点在所述爬取逻辑连线图中的爬取区间。
步骤S2325，根据每个标识与激活权重最大的第一标识之间在所述爬取区间中的第一相对差值、所述第一标识和激活权重最小的第二标识在所述爬取区间中的第二相对差值以及每个标识的激活权重，确定每个标识的数据挖掘权重。
步骤S2326，根据每个标识的数据挖掘权重，确定每个标识对应的数据挖掘块的数据挖掘特征值。
步骤S2327，根据每个数据挖掘块的数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
可以理解，通过步骤S2321-步骤S2327，能够从字符编码层面确定数据挖掘块的标识的激活权重，然后根据爬取几率分布图确定爬取区间，从而确定标识的数据挖掘权重，进而确定每个数据挖掘块的数据挖掘特征值，如此，能够将数据挖掘节点进行拆分，从而避免对整个数据挖掘节点进行相对位置的确定带来的偏差，基于数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，能够准确地确定出数据挖掘节点的第一位置区域。
在具体实施时，为了提高数据挖掘的全面性和安全性，在步骤S24中，对所述第二位置区域中储存的目标数据进行挖掘，具体还可以包括以下内容：
步骤S241，对所述第二位置区域进行数据存储空间标签的提取，确定出数据存储空间标签对。
步骤S242，根据所述数据存储空间标签对，确定出所述第二位置区域的数据安全等级表和深度表，并确定出所述深度表中每条数据信息的提取路径。
步骤S243，根据所述提取路径对所述深度表中的数据字段进行标定，确定出所述数据字段的关键词对应的词库集。
步骤S244，将所述数据字段相对于所述词库集进行扩散，确定出目标数据覆盖范围，其中，所述目标数据覆盖范围为所述数据字段相对于所述词库集扩散得到的关键词的词向量所形成的集合。
步骤S245，根据所述目标数据覆盖范围，从所述第二位置区域中确定出所述安全等级表中的安全等级高于设定安全等级的数据作为目标数据并进行挖掘。
可以理解，通过步骤S241-步骤S245，能够将第二位置区域中的存储的数据的安全性和深度考虑在内，确保挖掘的目标数据是安全的，同时也保证了在最大的数据覆盖范围内进行数据挖掘，提高数据挖掘的全面性。
在上述基础上，本发明实施例提供了一种数据库构建的数据挖掘装置200。图2为根据本发明一个实施例提供的一种数据库构建的数据挖掘装置200的功能模块框图，该数据库构建的数据挖掘装置200包括：
统计模块201，用于统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数；
第一确定模块202，用于从所有页面节点中确定出调用次数超过设定值的目标页面节点，所述设定值大于等于零；
第二确定模块203，用于根据确定出的目标页面节点确定至少一个数据挖掘节点，并确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域；
挖掘模块204，用于确定所述爬取逻辑连线图与所述目标页面的数据储存节点拓扑图的映射关系，根据所述映射关系，确定所述至少一个数据挖掘节点的所述第一位置区域在所述数据储存节点拓扑图上的第二位置区域，对所述第二位置区域中储存的目标数据进行挖掘；
构建模块205，用于根据挖掘得到的目标数据构建企业数据库。
在一种可选的方式中，所述统计模块201，用于：
根据所述网络爬虫的爬取结果获取在预设时段内的针对所述目标页面的多个数据调用请求；
提取每个数据调用请求中的请求对象的信息以及所述请求对象在所述预设时段内处于连续激活状态的次数，确定每个数据调用请求的调用活跃度；
基于所述调用活跃度和所述爬取结果中的数据安全评价表，确定每个数据调用请求的安全评分；
按照安全评分由高到低的顺序对每个数据调用请求进行排序，确定出排序序列中前N个数据调用请求中调用活跃度大于预设值的数据调用请求的总数，将所述总数确定为所述调用次数。
在一种可选的方式中，所述第二确定模块203，用于：
将所述目标页面节点按照节点标签划分为多个子节点；
针对所述多个子节点中的每个子节点，根据该子节点当前的动态数字签名，以及至少一个初始脚本节点对应的关联关系的数据收敛区间，确定该子节点对应的至少一个数据挖掘有效范围；其中，所述关联关系的数据收敛区间是在不同的数据池中，能够用于表示初始脚本节点对应的数据收敛权重和动态数字签名之间的关联关系的取值范围，所述初始脚本节点为所述多个子节点中脚本调用率大于预设比率的节点；
判断所述多个子节点中的每个子节点对应的当前数据挖掘有效值是否在该子节点对应的任一数据挖掘有效范围内；若是，则确定该子节点为用于表征所述目标节点的数据挖掘深度的评价节点，并根据每个评价节点对应的当前数据挖掘有效值、预设的深度调整参数以及每个评价节点的当前数据挖掘有效值所在的数据挖掘有效范围，确定每个评价节点的数据挖掘置信度；否则，确定该子节点为非评价节点，并将每个非评价节点的数据挖掘置信度取置信度最小值，其中，所述预设的深度调整参数的取值大于所述置信度最小值；
根据确定的所述每个评价节点的数据挖掘置信度和所述每个非评价节点的置信度最小值以及所述每个子节点的动态数字签名，对所述多个子节点进行过滤，得到至少一个目标子节点；
将所述至少一个目标子节点确定为所述至少一个数据挖掘节点。
在一种可选的方式中，所述第二确定模块203，用于：
将根据所述至少一个数据挖掘节点的数据逻辑关系确定出所述至少一个数据挖掘节点的多个数据挖掘块，根据每个数据挖掘块的标识对应的字符编码的编码长度，确定每个标识的激活权重；
根据每个标识的激活权重的中位数以及每个标识的激活权重，确定所述至少一个数据挖掘节点对应的爬取几率分布图；
在每个激活权重的激活边界值区间上，根据每个标识是否位于所述激活边界值区间中，确定每个标识对应的激活概率，根据每个标识在所述爬取几率分布图中的取值以及每个标识对应的所述激活概率，统计每个激活边界值区间中对应的爬取几率统计表；
根据每个激活边界值区间对应的爬取几率统计表，确定所述至少一个数据挖掘节点在所述爬取逻辑连线图中的爬取区间；
根据每个标识与激活权重最大的第一标识之间在所述爬取区间中的第一相对差值、所述第一标识和激活权重最小的第二标识在所述爬取区间中的第二相对差值以及每个标识的激活权重，确定每个标识的数据挖掘权重；
根据每个标识的数据挖掘权重，确定每个标识对应的数据挖掘块的数据挖掘特征值；
根据每个数据挖掘块的数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
所述服务器300包括处理器和存储器，上述统计模块201、第一确定模块202、第二确定模块203、挖掘模块204和构建模块205等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数提高数据收集和分析的效率，确保数据收集和分析的实时性。
本发明实施例提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现所述数据库构建的数据挖掘方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述数据库构建的数据挖掘方法。
本发明实施例中，如图3所示，服务器300包括至少一个处理器301、以及与处理器301连接的至少一个存储器302、总线；其中，处理器301、存储器302通过总线303完成相互间的通信；处理器301用于调用存储器302中的程序指令，以执行上述的数据库构建的数据挖掘方法。本文中的服务器300可以是服务器、PC、PAD、手机等。
本申请是参照根据本申请实施例的方法、服务器（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理服务器的处理器以产生一个机器，使得通过计算机或其他可编程数据处理服务器的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，服务器包括一个或多个处理器(CPU)、存储器和总线。服务器还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储服务器或任何其他非传输介质，可用于存储可以被计算服务器访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者服务器不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者服务器所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者服务器中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种数据库构建的数据挖掘方法，其特征在于，所述方法包括：
统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数；
从所有页面节点中确定出调用次数超过设定值的目标页面节点，所述设定值大于等于零；
根据确定出的目标页面节点确定至少一个数据挖掘节点，并确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域；
确定所述爬取逻辑连线图与所述目标页面的数据储存节点拓扑图的映射关系，根据所述映射关系，确定所述至少一个数据挖掘节点的所述第一位置区域在所述数据储存节点拓扑图上的第二位置区域，对所述第二位置区域中储存的目标数据进行挖掘；
根据挖掘得到的目标数据构建企业数据库。
2.根据权利要求1所述的方法，其特征在于，所述统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数，包括：
根据所述网络爬虫的爬取结果获取在预设时段内的针对所述目标页面的多个数据调用请求；
提取每个数据调用请求中的请求对象的信息以及所述请求对象在所述预设时段内处于连续激活状态的次数，确定每个数据调用请求的调用活跃度；
基于所述调用活跃度和所述爬取结果中的数据安全评价表，确定每个数据调用请求的安全评分；
按照安全评分由高到低的顺序对每个数据调用请求进行排序，确定出排序序列中前N个数据调用请求中调用活跃度大于预设值的数据调用请求的总数，将所述总数确定为所述调用次数。
3.根据权利要求1或2所述的方法，其特征在于，所述根据确定出的目标页面节点确定至少一个数据挖掘节点，包括：
将所述目标页面节点按照节点标签划分为多个子节点；
针对所述多个子节点中的每个子节点，根据该子节点当前的动态数字签名，以及至少一个初始脚本节点对应的关联关系的数据收敛区间，确定该子节点对应的至少一个数据挖掘有效范围；其中，所述关联关系的数据收敛区间是在不同的数据池中，能够用于表示初始脚本节点对应的数据收敛权重和动态数字签名之间的关联关系的取值范围，所述初始脚本节点为所述多个子节点中脚本调用率大于预设比率的节点；
判断所述多个子节点中的每个子节点对应的当前数据挖掘有效值是否在该子节点对应的任一数据挖掘有效范围内；若是，则确定该子节点为用于表征所述目标节点的数据挖掘深度的评价节点，并根据每个评价节点对应的当前数据挖掘有效值、预设的深度调整参数以及每个评价节点的当前数据挖掘有效值所在的数据挖掘有效范围，确定每个评价节点的数据挖掘置信度；否则，确定该子节点为非评价节点，并将每个非评价节点的数据挖掘置信度取置信度最小值，其中，所述预设的深度调整参数的取值大于所述置信度最小值；
根据确定的所述每个评价节点的数据挖掘置信度和所述每个非评价节点的置信度最小值以及所述每个子节点的动态数字签名，对所述多个子节点进行过滤，得到至少一个目标子节点；
将所述至少一个目标子节点确定为所述至少一个数据挖掘节点。
4.根据权利要求1-3任一所述的方法，其特征在于，所述确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域，包括：
将根据所述至少一个数据挖掘节点的数据逻辑关系确定出所述至少一个数据挖掘节点的多个数据挖掘块，根据每个数据挖掘块的标识对应的字符编码的编码长度，确定每个标识的激活权重；
根据每个标识的激活权重的中位数以及每个标识的激活权重，确定所述至少一个数据挖掘节点对应的爬取几率分布图；
在每个激活权重的激活边界值区间上，根据每个标识是否位于所述激活边界值区间中，确定每个标识对应的激活概率，根据每个标识在所述爬取几率分布图中的取值以及每个标识对应的所述激活概率，统计每个激活边界值区间中对应的爬取几率统计表；
根据每个激活边界值区间对应的爬取几率统计表，确定所述至少一个数据挖掘节点在所述爬取逻辑连线图中的爬取区间；
根据每个标识与激活权重最大的第一标识之间在所述爬取区间中的第一相对差值、所述第一标识和激活权重最小的第二标识在所述爬取区间中的第二相对差值以及每个标识的激活权重，确定每个标识的数据挖掘权重；
根据每个标识的数据挖掘权重，确定每个标识对应的数据挖掘块的数据挖掘特征值；
根据每个数据挖掘块的数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
5.一种数据库构建的数据挖掘装置，其特征在于，所述装置包括：
统计模块，用于统计由预设网络爬虫爬取的目标页面的各页面节点中的特征数据在设定时段内的调用次数；
第一确定模块，用于从所有页面节点中确定出调用次数超过设定值的目标页面节点，所述设定值大于等于零；
第二确定模块，用于根据确定出的目标页面节点确定至少一个数据挖掘节点，并确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域；
挖掘模块，用于确定所述爬取逻辑连线图与所述目标页面的数据储存节点拓扑图的映射关系，根据所述映射关系，确定所述至少一个数据挖掘节点的所述第一位置区域在所述数据储存节点拓扑图上的第二位置区域，对所述第二位置区域中储存的目标数据进行挖掘；
构建模块，用于根据挖掘得到的目标数据构建企业数据库。
6.根据权利要求5所述的装置，其特征在于，所述统计模块，用于：
根据所述网络爬虫的爬取结果获取在预设时段内的针对所述目标页面的多个数据调用请求；
提取每个数据调用请求中的请求对象的信息以及所述请求对象在所述预设时段内处于连续激活状态的次数，确定每个数据调用请求的调用活跃度；
基于所述调用活跃度和所述爬取结果中的数据安全评价表，确定每个数据调用请求的安全评分；
按照安全评分由高到低的顺序对每个数据调用请求进行排序，确定出排序序列中前N个数据调用请求中调用活跃度大于预设值的数据调用请求的总数，将所述总数确定为所述调用次数。
7.根据权利要求5或6所述的装置，其特征在于，所述第二确定模块，用于：
将所述目标页面节点按照节点标签划分为多个子节点；
针对所述多个子节点中的每个子节点，根据该子节点当前的动态数字签名，以及至少一个初始脚本节点对应的关联关系的数据收敛区间，确定该子节点对应的至少一个数据挖掘有效范围；其中，所述关联关系的数据收敛区间是在不同的数据池中，能够用于表示初始脚本节点对应的数据收敛权重和动态数字签名之间的关联关系的取值范围，所述初始脚本节点为所述多个子节点中脚本调用率大于预设比率的节点；
判断所述多个子节点中的每个子节点对应的当前数据挖掘有效值是否在该子节点对应的任一数据挖掘有效范围内；若是，则确定该子节点为用于表征所述目标节点的数据挖掘深度的评价节点，并根据每个评价节点对应的当前数据挖掘有效值、预设的深度调整参数以及每个评价节点的当前数据挖掘有效值所在的数据挖掘有效范围，确定每个评价节点的数据挖掘置信度；否则，确定该子节点为非评价节点，并将每个非评价节点的数据挖掘置信度取置信度最小值，其中，所述预设的深度调整参数的取值大于所述置信度最小值；
根据确定的所述每个评价节点的数据挖掘置信度和所述每个非评价节点的置信度最小值以及所述每个子节点的动态数字签名，对所述多个子节点进行过滤，得到至少一个目标子节点；
将所述至少一个目标子节点确定为所述至少一个数据挖掘节点。
8.根据权利要求5-7任一所述的装置，其特征在于，所述第二确定模块，用于：
将根据所述至少一个数据挖掘节点的数据逻辑关系确定出所述至少一个数据挖掘节点的多个数据挖掘块，根据每个数据挖掘块的标识对应的字符编码的编码长度，确定每个标识的激活权重；
根据每个标识的激活权重的中位数以及每个标识的激活权重，确定所述至少一个数据挖掘节点对应的爬取几率分布图；
在每个激活权重的激活边界值区间上，根据每个标识是否位于所述激活边界值区间中，确定每个标识对应的激活概率，根据每个标识在所述爬取几率分布图中的取值以及每个标识对应的所述激活概率，统计每个激活边界值区间中对应的爬取几率统计表；
根据每个激活边界值区间对应的爬取几率统计表，确定所述至少一个数据挖掘节点在所述爬取逻辑连线图中的爬取区间；
根据每个标识与激活权重最大的第一标识之间在所述爬取区间中的第一相对差值、所述第一标识和激活权重最小的第二标识在所述爬取区间中的第二相对差值以及每个标识的激活权重，确定每个标识的数据挖掘权重；
根据每个标识的数据挖掘权重，确定每个标识对应的数据挖掘块的数据挖掘特征值；
根据每个数据挖掘块的数据挖掘特征值以及爬取逻辑连线图中每个逻辑节点的隐藏节点值，确定所述至少一个数据挖掘节点在所述网络爬虫的爬取逻辑连线图中的第一位置区域。
9.一种服务器，其特征在于，包括处理器以及与所述处理器连接的存储器和总线；其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述权利要求1-4任一项所述的数据库构建的数据挖掘方法。
10.一种可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现上述权利要求1-4任一项所述的数据库构建的数据挖掘方法。
CN202010335683.1A 2020-04-25 2020-04-25 一种数据库构建的数据挖掘方法、装置及服务器 Active CN111460006B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010335683.1A CN111460006B (zh) 2020-04-25 2020-04-25 一种数据库构建的数据挖掘方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010335683.1A CN111460006B (zh) 2020-04-25 2020-04-25 一种数据库构建的数据挖掘方法、装置及服务器

Publications (2)

Publication Number Publication Date
CN111460006A true CN111460006A (zh) 2020-07-28
CN111460006B CN111460006B (zh) 2021-01-05

Family

ID=71682625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010335683.1A Active CN111460006B (zh) 2020-04-25 2020-04-25 一种数据库构建的数据挖掘方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN111460006B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326321A (zh) * 2021-06-10 2021-08-31 支付宝(杭州)信息技术有限公司 一种基于区块链的用户数据管理方法和装置
CN113680073A (zh) * 2021-08-26 2021-11-23 网易（杭州）网络有限公司 游戏数据的热更新方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804084A (zh) * 2018-05-23 2018-11-13 夏文斌 一种全局区块链环境构建方法
CN110737814A (zh) * 2019-10-21 2020-01-31 软通动力信息技术有限公司 一种网站数据的爬取方法、装置、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804084A (zh) * 2018-05-23 2018-11-13 夏文斌 一种全局区块链环境构建方法
CN110737814A (zh) * 2019-10-21 2020-01-31 软通动力信息技术有限公司 一种网站数据的爬取方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326321A (zh) * 2021-06-10 2021-08-31 支付宝(杭州)信息技术有限公司 一种基于区块链的用户数据管理方法和装置
CN113326321B (zh) * 2021-06-10 2023-08-01 蚂蚁胜信(上海)信息技术有限公司 一种基于区块链的用户数据管理方法和装置
CN113680073A (zh) * 2021-08-26 2021-11-23 网易（杭州）网络有限公司 游戏数据的热更新方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111460006B (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
Ghesmoune et al. State-of-the-art on clustering data streams
TWI662426B (zh) 分布式流式資料處理的方法和裝置
CN111460006B (zh) 一种数据库构建的数据挖掘方法、装置及服务器
JP2019517040A (ja) クラウドプラットフォームベースのクライアントアプリケーション情報統計方法および装置
CN109299164A (zh) 一种数据查询方法、计算机可读存储介质及终端设备
CN111988304B (zh) 基于物联网的分布式数据节点异常行为检测方法及装置
WO2023005771A1 (zh) 轨迹查询方法、设备、存储介质及计算机程序产品
US11275850B1 (en) Multi-faceted security framework for unstructured storage objects
EP3063643A1 (en) Data processing
CN104298669A (zh) 一种基于社交网络的人员地理信息挖掘模型
CN114338413A (zh) 网络中设备的拓扑关系的确定方法、装置以及存储介质
CN115470489A (zh) 检测模型训练方法、检测方法、设备以及计算机可读介质
CN115905630A (zh) 一种图数据库查询方法、装置、设备及存储介质
CN112308464B (zh) 业务流程数据处理方法和装置
Wu et al. Intrusion detection based on dynamic gemini population DE-K-mediods clustering on hadoop platform
CN111291409B (zh) 一种数据监控方法及装置
CN114385885A (zh) 基于人工智能的网络爬虫方法、装置、设备及介质
Kotenko et al. Combining spark and snort technologies for detection of network attacks and anomalies: assessment of performance for the big data framework
CN103559225A (zh) Web服务资源库数据的清洗方法和服务器
CN111241376A (zh) 多级信息匹配方法、装置及云服务平台
CN114625595B (zh) 一种业务系统动态配置信息的复核方法、装置和系统
CN113032774A (zh) 异常检测模型的训练方法、装置、设备及计算机存储介质
Huo et al. A parallel clustering algorithm for logs data based on Hadoop platform
CN116647412B (zh) 一种Web服务器的安全防御方法和系统
CN118260175A (zh) 一种java方法的执行时间统计及告警方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201221

Address after: No. 706, 7th floor, Deye building, No. 6, Fengshan East Road, Daliang, Shunde District, Foshan City, Guangdong Province

Applicant after: Guangdong Jiabang Information Consulting Co.,Ltd.

Address before: 510700 Room 601, 16 Kehui 1st Street, Huangpu District, Guangzhou City, Guangdong Province

Applicant before: Zhiboyun information technology (Guangzhou) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant