CN111753701A - 应用程序的违规检测方法、装置、设备和可读存储介质 - Google Patents

Abstract

本申请实施例公开了一种应用程序的违规检测方法、装置、设备和可读存储介质，涉及图像识别、深度学习和信息安全技术领域。具体实现方案为：获取待检测应用程序运行过程中的界面图像；对所述界面图像进行图像识别，得到所述界面图像显示的隐私场景，所述隐私场景为与用户隐私数据关联的场景；根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果。本申请实施例通过对界面图像进行图像识别，对应用程序进行违规检测，方便快捷。

Description

应用程序的违规检测方法、装置、设备和可读存储介质

技术领域

本申请涉及计算机技术，尤其涉及图像识别、深度学习和信息安全技术领域。

背景技术

随着互联网技术发展和应用程序的大量出现，应用程序的违规行为频繁出现，尤其是应用程序的交互设计和产品功能设计相关的隐私违规行为越来越多，严重侵害了信息安全。

目前，为了检测应用程序是否违规，需要安装应用程序到定制的沙箱中进行动态检测，才可以得到应用程序是否违规的结果。

在这个过程中，需要定制动态沙箱检测系统并适配不同的设备(包括手机、电视、和车机设备等)和系统版本，具有适配困难、检测流程繁琐、私有化部署成本高等问题。

发明内容

本申请实施例提供了一种应用程序的违规检测方法、装置、设备和可读存储介质。

第一方面，本申请实施例提供了一种应用程序的违规检测方法，包括：

获取待检测应用程序运行过程中的界面图像；

对所述界面图像进行图像识别，得到所述界面图像显示的隐私场景，所述隐私场景为与用户隐私数据关联的场景；

根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果。

第二方面，本申请实施例还提供了一种应用程序的违规检测装置，包括：

获取模块，用于获取待检测应用程序运行过程中的界面图像；

识别模块，用于对所述界面图像进行图像识别，得到所述界面图像显示的隐私场景，所述隐私场景为与用户隐私数据关联的场景；

检测模块，用于根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果。

第三方面，本申请实施例提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行任一实施例所提供的一种应用程序的违规检测方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行任一实施例所提供的一种应用程序的违规检测方法。

本申请实施例通过对界面图像进行图像识别，对应用程序进行违规检测，方便快捷。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例中的第一种应用程序的违规检测方法的流程图；

图2是本申请实施例中的第二种应用程序的违规检测方法的流程图；

图3a是本申请实施例中的第三种应用程序的违规检测方法的流程图；

图3b是本申请实施例中的界面视频的一种录制过程示意图；

图3c是本申请实施例中的界面视频的另一种录制过程示意图；

图4是本申请实施例中的应用程序的违规检测装置的结构图

图5是本申请实施例中的电子设备的结构图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

根据本申请的实施例，图1是本申请实施例中的第一种应用程序的违规检测方法的流程图，本申请实施例适用于检测应用程序在运行过程中是否违规的情况，尤其适用于应用交互设计和产品功能设计相关的隐私违规的检测。该方法通过应用程序的违规检测装置执行，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。

如图1所示的应用程序的违规检测方法，包括：

S110、获取待检测应用程序运行过程中的界面图像。

本实施例中，待检测应用程序具有界面显示功能，可以运行在任一带有屏幕的设备和系统中，不限于智能手机、电子、平板电脑和车机设备。待检测应用程序在运行过程中会将运行数据显示在界面上，比如功能介绍、权限申请、登录页面和隐私政策等。

本实施例可以从应用程序开始运行时到运行结束为止，实时、定时或周期性地对界面进行图像截取，得到至少一张界面图像。

S120、对界面图像进行图像识别，得到界面图像显示的隐私场景，隐私场景为与用户隐私数据关联的场景。

用户隐私数据包括照片、手机号和短信等；相应的，与用户隐私数据关联的场景包括权限申请场景和隐私政策场景等。可选的，对界面图像上的运行数据进行图像识别，得到界面图像显示的隐私场景。

具体的，根据隐私场景的图像特征对界面图像进行图像识别，图像特征包括但不限于：颜色特征、显示形式和在界面图像上的位置特征。

示例性的，权限申请显示在界面图像的下部分，则对界面图像的下部分进行图像字符识别，得到权限申请的识别结果，包括：权限申请内容以及允许和拒绝的选项。示例性的，隐私政策以弹窗形式显示，则对界面图像进行弹窗识别和弹窗中的字符识别，得到隐私政策的识别结果，包括弹窗形式、隐私政策内容以及同意和不同意选项。

S130、根据与隐私场景对应的安全规范对隐私场景进行检测，得到待检测应用程序的违规检测结果。

与隐私场景对应的安全规范是指导应用程序在隐私场景下安全运行的规范，以保证用户和网络的信息安全，例如我国于2020年3月6日发布的《个人信息安全规范》。

判断隐私场景是否符合其对应的安全规范。例如，隐私政策以弹窗这种明显的形式显示，且包括同意和不同意选项，则符合安全规范，如果仅包括同意选项，或者以浮层等非弹窗形式进行显示，则隐私政策可能包括霸王条款，不符合安全规范。

如果隐私场景不符合其对应的安全规范，则待检测应用程序违规；如果隐私场景符合其对应的安全规范，则待检测应用程序合规。

本申请实施例中，通过获取待检测应用程序运行过程中的界面图像，对界面图像进行图像识别得到与用户隐私数据关联的隐私场景，精准定位到可能违规的场景，缩小检测范围；通过检测隐私场景是否符合安全规范，从而通过图像识别技术对待检测应用程序进行违规检测，方便快捷，能够适配不同的设备和系统，适用范围广泛。

根据本申请的实施例，图2是本申请实施例中的第二种应用程序的违规检测方法的流程图，本申请实施例在上述各实施例的技术方案的基础上对图像识别过程进行优化。

如图2所示的应用程序的违规检测方法，包括：

S210、获取待检测应用程序运行过程中的界面图像。

S220、采用基于深度学习的隐私场景模型对至少一张界面图像分别进行图像识别，得到至少一张界面图像显示的至少一个隐私场景。

基于深度学习的隐私场景模型用于通过深度学习算法识别界面图像显示的隐私场景。可选的，基于深度学习的隐私场景模型可以是卷积神经网络、基于多层神经元的自编码神经网络和深度置信网络。具体的，将至少一张界面图像分别输入至基于深度学习的隐私场景模型中，隐私场景模型对界面图像分别进行多层处理，逐渐将初始的低层特征表示转化为高层特征表示，针对每张界面图像识别出其显示的隐私场景。

预先将包括每种隐私场景的界面图像分别构成样本集，针对每种隐私场景构建基于深度学习的隐私场景模型，并采用每种隐私场景对应的样本集对对应的隐私场景模型进行训练。例如，采用包括权限申请场景的界面图像对一隐私场景模型进行训练，使得该隐私场景模型能够识别界面图像中的权限申请场景；又例如，采用包括隐私政策场景的界面图像对另一隐私场景模型进行训练，使得该隐私场景模型能够识别界面图像显示的隐私政策场景。

具体的，不论隐私场景为哪种类型，需要识别的隐私场景元素包括显示形式、内容(如文字)和选项中的至少一项，选项包括同意和不同意，以及允许和拒绝。

S230、根据与至少一个隐私场景对应的安全规范对至少一个隐私场景进行检测，得到待检测应用程序的违规检测结果。

具体的，可以根据与至少一个隐私场景对应的安全规范对显示形式、内容和选项中的至少一项进行检测。S230可以通过下述至少一个实施例实施。

在一实施例中，从至少一个隐私场景中，选择待检测隐私场景；根据与待检测隐私场景对应的安全规范对待检测隐私场景进行检测，得到待检测应用程序的违规检测结果。

本实施例对单个隐私场景进行检测，可选的，将权限申请场景或隐私政策场景作为待检测隐私场景，并根据针对权限申请或隐私政策本身的安全规范对显示形式、内容和选项中的至少一项进行检测。例如，隐私政策以弹窗这种明显的形式显示，且包括同意和不同意选项，则符合安全规范。

在另一实施例中，对至少两个隐私场景进行分析，得到至少两个隐私场景的时序；根据与至少两个隐私场景时序对应的安全规范对至少两个隐私场景时序进行检测，得到待检测应用程序的违规检测结果。

本实施例对至少两个隐私场景之间的时序进行检测。可选的，根据至少两个隐私场景对应的界面图像的获取时间，确定至少两个隐私场景的时序。判断至少两个隐私场景时序是否符合相关安全规范，从而对待检测应用程序进行违规检测。例如，按照安全规范，权限隐私应先于隐私政策显示，即权限隐私场景应在隐私政策场景之前。通过对权限隐私场景和隐私政策场景进行分析，如果得到权限隐私场景在隐私政策场景之前，则符合安全规范，待检测应用程序合规；反之，如果得到权限隐私场景在隐私政策场景之后，则不符合安全规范，待检测应用程序违规。

本实施例基于深度学习的隐私场景模型界面图像进行图像识别，能够提高场景识别的准确性，从而提高违规检测的准确性；进一步的，从单个隐私场景和隐私场景之间的时序两方面进行违规检测。

根据本申请的实施例，图3a是本申请实施例中的第三种应用程序的违规检测方法的流程图，本实施例在上述各实施例的基础上对界面图像的获取过程进行优化。

如图3a所示的应用程序的违规检测方法，包括：

S310、对待检测应用程序运行过程中的界面进行录制，得到界面视频。

在一可选实施方式中，如图3b所示，待检测应用程序运行在的设备(如图3b中的手机)中还安装有录屏软件，则电子设备(如图3b中的服务器)向录屏软件发送录制指令。录屏软件响应于录制指令在待检测应用程序运行过程中对屏幕进行录制，生成界面视频，并将界面视频提供至电子设备。在另一可选实施方式中，如图3c所示，存在除待检测应用程序运行在的设备(如图3c中的手机)之外的另一设备(如图3c中的相机)，该设备安装有摄像头。电子设备(如图3b中的服务器)向该设备发送录制指令，该设备响应于录制指令通过摄像头对待检测应用程序运行在的设备屏幕进行录制，生成界面视频，并将界面视频提供至电子设备。值得说明的是，为了保证界面视频的完整性，在发送录制指令后再手动启动待检测应用程序。

值得说明的是，可以由用户手动对待检测应用程序运行过程中的界面进行录制，例如，手动启动录屏软件进行录制；并将录制得到的界面上传至电子设备。电子设备接收用户上传的界面视频，并执行后续操作。

S320、从界面视频中提取关键视频帧，作为界面图像。

在一可选实施方式中，对界面视频按照视频帧进行拆分，得到拆分出的所有视频帧，称为关键视频帧。

在另一可选实施方式中，关键视频帧是显示不同运行数据的视频帧。可选的，对界面视频进行去重处理得到关键视频帧，作为界面图像。首先对界面视频中各视频帧进行去扰处理，示例性的，去除各视频帧中显示的与待检测应用程序无关的信息，如电量信息、网络信息和时间信息；或者，去除遮挡严重或模糊的视频帧。然后，对任意相邻视频帧进行比对，可选的，对相邻视频帧进行图像特征提取，得到图像特征图(feature map)，计算相邻视频帧的图像特征图的相似度，如果相似度超过设定阈值，如90％，则相邻视频帧为重复帧，删除其中一个视频帧。删除视频帧后，继续对剩余视频帧进行去重处理，最终得到任意相邻视频帧不相重复的关键视频帧。本实施方式通过去重处理，极大地减少图像识别操作的数据量，提高违规检测效率。

可选的，关键视频帧的数量为至少一个。由于关键视频帧由界面图像中提取而来，如果关键视频帧的数量为至少两个时，至少两个关键视频帧按照时序先后排列，后续在对至少两个隐私场景进行分析，得到至少两个隐私场景的时序时，可以直接根据关键视频帧(或界面图像)的先后排列顺序，确定从中识别出的至少两个隐私场景的时序。

S330、对界面图像进行图像识别，得到界面图像显示的隐私场景，隐私场景为与用户隐私数据关联的场景。

S340、根据与隐私场景对应的安全规范对隐私场景进行检测，得到待检测应用程序的违规检测结果。

本实施例通过录制界面以及关键视频帧提取，得到界面图像，实现方式简单方便；而且，通过录屏方式能够有效捕捉所有界面上的违规行为，避免漏检的情况。

根据本申请的实施例，图4是本申请实施例中的应用程序的违规检测装置的结构图，本申请实施例适用于检测应用程序在运行过程中是否违规的情况，尤其适用于应用交互设计和产品功能设计相关的隐私违规的检测，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。

如图4所示的一种应用程序的违规检测装置400，包括：获取模块401、识别模块402和检测模块403；其中，

获取模块401，用于获取待检测应用程序运行过程中的界面图像；

识别模块402，用于对界面图像进行图像识别，得到界面图像显示的隐私场景，隐私场景为与用户隐私数据关联的场景；

检测模块403，用于根据与隐私场景对应的安全规范对隐私场景进行检测，得到待检测应用程序的违规检测结果。

本申请实施例中，通过获取待检测应用程序运行过程中的界面图像，对界面图像进行图像识别得到与用户隐私数据关联的隐私场景，精准定位到可能违规的场景，缩小检测范围；通过检测隐私场景是否符合安全规范，从而通过图像识别技术对待检测应用程序进行违规检测，方便快捷，能够适配不同的设备和系统，适用范围广泛。

进一步的，界面图像的数量为至少一张；识别模块402具体用于采用基于深度学习的隐私场景模型对至少一张界面图像分别进行图像识别，得到所述至少一张界面图像显示的至少一个隐私场景。

进一步的，检测模块403包括：场景选择单元，用于从至少一个隐私场景中，选择待检测隐私场景；场景检测单元，用于根据与待检测隐私场景对应的安全规范对待检测隐私场景进行检测，得到待检测应用程序的违规检测结果。

进一步的，检测模块403包括：分析单元，用于对至少两个隐私场景进行分析，得到至少两个隐私场景的时序；时序检测单元，用于根据与至少两个隐私场景时序对应的安全规范对至少两个隐私场景时序进行检测，得到待检测应用程序的违规检测结果。

进一步的，获取模块401包括：录制单元，用于对待检测应用程序运行过程中的界面进行录制，得到界面视频；提取单元，用于从界面视频中提取关键视频帧，作为界面图像。

进一步的，提取单元具体用于对界面视频进行去重处理得到关键视频帧，作为界面图像。

上述应用程序的违规检测装置可执行本申请任意实施例所提供的应用程序的违规检测方法，具备执行应用程序的违规检测方法相应的功能模块和有益效果。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是实现本申请实施例的应用程序的违规检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的应用程序的违规检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的应用程序的违规检测方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的应用程序的违规检测方法对应的程序指令/模块(例如，附图4所示的包括获取模块401、识别模块402和检测模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的应用程序的违规检测的方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储实现应用程序的违规检测方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至执行应用程序的违规检测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

执行应用程序的违规检测方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与执行应用程序的违规检测方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种应用程序的违规检测方法，包括：

获取待检测应用程序运行过程中的界面图像；

对所述界面图像进行图像识别，得到所述界面图像显示的隐私场景，所述隐私场景为与用户隐私数据关联的场景；

根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果。

2.根据权利要求1所述的方法，其中，所述界面图像的数量为至少一张；

所述对所述界面图像进行图像识别，得到所述界面图像显示的隐私场景，包括：

采用基于深度学习的隐私场景模型对所述至少一张界面图像分别进行图像识别，得到所述至少一张界面图像显示的至少一个隐私场景。

3.根据权利要求2所述的方法，其中，所述根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果，包括：

从所述至少一个隐私场景中，选择待检测隐私场景；

根据与所述待检测隐私场景对应的安全规范对所述待检测隐私场景进行检测，得到所述待检测应用程序的违规检测结果。

4.根据权利要求2所述的方法，其中，所述根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果，包括：

对至少两个隐私场景进行分析，得到所述至少两个隐私场景的时序；

根据与所述至少两个隐私场景时序对应的安全规范对所述至少两个隐私场景时序进行检测，得到所述待检测应用程序的违规检测结果。

5.根据权利要求1-4任一项所述的方法，其中，所述获取待检测应用程序运行过程中的界面图像，包括：

对待检测应用程序运行过程中的界面进行录制，得到界面视频；

从所述界面视频中提取关键视频帧，作为所述界面图像。

6.根据权利要求5所述的方法，其中，所述从所述界面视频中提取关键视频帧，作为所述界面图像，包括：

对所述界面视频进行去重处理得到关键视频帧，作为所述界面图像。

7.一种应用程序的违规检测装置，包括：

获取模块，用于获取待检测应用程序运行过程中的界面图像；

识别模块，用于对所述界面图像进行图像识别，得到所述界面图像显示的隐私场景，所述隐私场景为与用户隐私数据关联的场景；

检测模块，用于根据与所述隐私场景对应的安全规范对所述隐私场景进行检测，得到所述待检测应用程序的违规检测结果。

8.根据权利要求7所述的装置，其中，所述界面图像的数量为至少一张；

识别模块，具体用于采用基于深度学习的隐私场景模型对所述至少一张界面图像分别进行图像识别，得到所述至少一张界面图像显示的至少一个隐私场景。

9.根据权利要求8所述的装置，其中，所述检测模块，包括：

场景选择单元，用于从所述至少一个隐私场景中，选择待检测隐私场景；

场景检测单元，用于根据与所述待检测隐私场景对应的安全规范对所述待检测隐私场景进行检测，得到所述待检测应用程序的违规检测结果。

10.根据权利要求8所述的装置，其中，所述检测模块，包括：

分析单元，用于对至少两个隐私场景进行分析，得到所述至少两个隐私场景的时序；

时序检测单元，用于根据与所述至少两个隐私场景时序对应的安全规范对所述至少两个隐私场景时序进行检测，得到所述待检测应用程序的违规检测结果。

11.根据权利要求7-10任一项所述的装置，其中，所述获取模块，包括：

录制单元，用于对待检测应用程序运行过程中的界面进行录制，得到界面视频；

提取单元，用于从所述界面视频中提取关键视频帧，作为所述界面图像。

12.根据权利要求11所述的装置，其中，

所述提取单元，具体用于对所述界面视频进行去重处理得到关键视频帧，作为所述界面图像。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的一种应用程序的违规检测方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的一种应用程序的违规检测方法。

Images