CN114218034B - 在大数据场景下的在线办公安防处理方法及大数据服务器 - Google Patents

在大数据场景下的在线办公安防处理方法及大数据服务器 Download PDF

Info

Publication number
CN114218034B
CN114218034B CN202111292089.XA CN202111292089A CN114218034B CN 114218034 B CN114218034 B CN 114218034B CN 202111292089 A CN202111292089 A CN 202111292089A CN 114218034 B CN114218034 B CN 114218034B
Authority
CN
China
Prior art keywords
office
online
data
online office
monitoring record
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.)
Active
Application number
CN202111292089.XA
Other languages
English (en)
Other versions
CN114218034A (zh
Inventor
张俊杰
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.)
Qiancheng Ideal Shenzhen Information Technology Co ltd
Original Assignee
Qiancheng Ideal Shenzhen Information Technology 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 Qiancheng Ideal Shenzhen Information Technology Co ltd filed Critical Qiancheng Ideal Shenzhen Information Technology Co ltd
Priority to CN202111292089.XA priority Critical patent/CN114218034B/zh
Publication of CN114218034A publication Critical patent/CN114218034A/zh
Application granted granted Critical
Publication of CN114218034B publication Critical patent/CN114218034B/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
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请的在大数据场景下的在线办公安防处理方法及大数据服务器，通过对在线办公业务操作的局部操作习惯信息以及数据调用路径进行分析判断以实现目标在线办公业务操作的监测，能够保证对目标在线办公业务操作的监测更加准确可靠。由于目标在线办公业务操作可以用于表征其对应的用户办公习惯存在明显变化，因而可以通过监测目标在线办公业务操作以确保办公数据信息的安全性，避免目标在线办公业务操作所对应的异常行为对办公数据信息的破坏。

Description

在大数据场景下的在线办公安防处理方法及大数据服务器
技术领域
本申请涉及大数据和在线办公技术领域，特别涉及一种在大数据场景下的在线办公安防处理方法及大数据服务器。
背景技术
随着大数据的爆发增长以及人工智能的不断突破，推动着智能产业成为继移动互联网之后的新一轮科技创新浪潮。在新的技术时代环境下，办公自动化系统也在逐渐优化。在线办公技术作为大数据时代下的新型办公模式，能够快速、高效地整合异地办公资源（比如设备资源和人力资源），同时打破地域限制和时间限制，进而提高办公效率。
相较于传统办公，在线办公技术大多是基于人机交互实现，且在线办公的一些数据和信息是分布存储在服务器侧和办公设备侧的，服务器侧由于具有完善的数据信息防护机制，因而可以确保相关办公数据信息的安全性，但是存储在办公设备侧的数据信息则可能会面临入侵风险。因此，需要研发相关技术来确保存储在办公设备侧的数据信息的安全性。
发明内容
鉴于上述内容，本申请提供了如下方案。
本申请实施例之一的方案提供一种在大数据场景下的在线办公安防处理方法，所述方法包括：
确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息，并确定所述每个第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度，并选择最大的第一匹配度；
若所述最大的第一匹配度小于预设的第一判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；
若所述最大的第一匹配度大于预设的第二判定值，确定所述第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测；若所述最大的第一匹配度不小于所述预设的第一判定值，且不大于所述预设的第二判定值，确定所述最大的第一匹配度对应的第一在线办公业务操作为第一备选在线办公业务操作并监测；
判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，若否，确定所述第二办公操作监测记录中的目标在线办公业务操作并监测；若是，将所述第二办公操作监测记录作为第一办公操作监测记录，返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤。
优选的，所述判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作包括：
确定所述第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征，并确定所述每个第二在线办公业务操作的数据调用路径的调用习惯特征和预先确定的待监测目标在线办公业务操作的目标数据调用路径的调用习惯特征的第二匹配度，判断是否存在小于预设的第三判定值的第二匹配度。
优选的，所述判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作之前，所述方法还包括：
确定第一办公操作监测记录的下一监测时段的第二办公操作监测记录中的每个第二在线办公业务操作与所述第一备选在线办公业务操作的第一操作重叠描述值，并选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作；
所述确定所述第二办公操作监测记录中的目标在线办公业务操作并监测包括：将所述第二备选在线办公业务操作作为目标在线办公业务操作并监测；
所述返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤之前，所述方法还包括：监测所述第二备选在线办公业务操作，并将所述第二备选在线办公业务操作作为第一备选在线办公业务操作。
优选的，所述确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息之前，所述方法还包括：
判断所述第一办公操作监测记录的上一监测时段的第三办公操作监测记录中是否存在目标在线办公业务操作，如果否，进行后续确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息的步骤；如果所述第三办公操作监测记录中存在目标在线办公业务操作，
所述方法还包括：
确定所述第一办公操作监测记录中的每个第一在线办公业务操作与所述目标在线办公业务操作的第二操作重叠描述值，并选择最大的第二操作重叠描述值；
若所述最大的第二操作重叠描述值不大于预设的操作重叠描述值判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；
若所述最大的第二操作重叠描述值大于预设的操作重叠描述值判定值，确定所述最大的第二操作重叠描述值对应的第一在线办公业务操作为目标在线办公业务操作并监测。
优选的，所述确定第一办公操作监测记录的下一监测时段的第二办公操作监测记录中的每个第二在线办公业务操作与所述第一备选在线办公业务操作的第一操作重叠描述值之后，并选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作之前，所述方法还包括：
判断最大的第一操作重叠描述值是否大于预设的操作重叠描述值判定值，如果是，进行后续选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作的步骤；
如果所述最大的第一操作重叠描述值不大于预设的操作重叠描述值判定值，所述方法还包括：确定所述第二办公操作监测记录中不存在目标在线办公业务操作。
优选的，判断最大的第一操作重叠描述值大于预设的操作重叠描述值判定值之后，确定第一办公操作监测记录后的第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征之前，所述方法还包括：
确定所述每个第二在线办公业务操作的局部操作习惯信息和所述目标局部操作习惯信息的第三匹配度，并选择最大的第三匹配度；
判断所述最大的第三匹配度是否大于预设的第二判定值，如果否，进行后续确定第一办公操作监测记录后的第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征的步骤；
如果所述最大的第三匹配度大于预设的第二判定值，所述方法还包括：确定所述最大的第三匹配度对应的第二在线办公业务操作为目标在线办公业务操作并监测。
优选的，确定存在小于预设的第三判定值的第二匹配度之后，监测所述第二备选在线办公业务操作之前，所述方法还包括：
判断所述第二办公操作监测记录是否为所述第一办公操作监测记录后生成的预设监测时段内的办公操作监测记录，如果是，进行后续监测所述第二备选在线办公业务操作的步骤；
如果所述第二办公操作监测记录不是所述第一办公操作监测记录后生成的预设监测时段内的办公操作监测记录，所述方法还包括：将所述第二备选在线办公业务操作作为目标在线办公业务操作并监测。
优选的，预先确定在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征，包括：通过在线办公业务操作识别网络，识别办公操作监测记录中的每个在线办公业务操作的办公操作监测记录，将每个在线办公业务操作的办公操作监测记录输入预先完成训练的针对在线办公业务操作的操作习惯特征分析网络层，基于所述针对在线办公业务操作的操作习惯特征分析网络层，确定所述每个在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征。
优选的，所述方法还包括：从第一办公操作监测记录中获取通过校验的在线办公业务操作的待处理在线办公数据，通过调用在线办公数据识别线程对所述待处理在线办公数据进行识别分析，得到协作办公识别结果。
本申请实施例之一的方案提供一种大数据服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请的一些实施例所示的一种示例性在大数据场景下的在线办公安防处理方法和/或过程的流程图；
图2是根据本申请的一些实施例所示的一种示例性在大数据场景下的在线办公安防处理装置的框图；
图3是根据本申请的一些实施例所示的一种示例性在大数据场景下的在线办公安防处理系统的框图，以及
图4是根据本申请的一些实施例所示的一种示例性大数据服务器中硬件和软件组成的示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
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。
本申请提供的在大数据场景下的在线办公安防处理方法及大数据服务器的整体方案可以总结为如下：通过对在线办公业务操作的局部操作习惯信息以及数据调用路径进行分析判断以实现目标在线办公业务操作的监测，能够保证对目标在线办公业务操作的监测更加准确可靠。由于目标在线办公业务操作可以用于表征其对应的用户办公习惯存在明显变化，因而可以通过监测目标在线办公业务操作以确保办公数据信息的安全性，避免目标在线办公业务操作所对应的异常行为对办公数据信息的破坏。
应当理解的是，本申请中的大数据服务器在进行相关在线办公业务操作监测之前是经过了相关办公业务设备的授权的。换言之，办公业务设备对应的用户允许大数据服务器对办公业务设备进行在线办公业务操作监测，进而确保用户的办公业务设备中的办公数据信息的安全性，避免除用户之外的其他异常人员对办公业务设备的使用。
首先，对在大数据场景下的在线办公安防处理方法进行示例性的说明，请参阅图1，是根据本申请的一些实施例所示的一种示例性在大数据场景下的在线办公安防处理方法和/或过程的流程图，在大数据场景下的在线办公安防处理方法可以包括以下步骤100-步骤400所描述的技术方案。
步骤100、确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息，并确定所述每个第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度，并选择最大的第一匹配度。
本申请实施例中，办公操作监测记录以及在线办公业务操作可以是针对目标办公业务设备的，目标办公业务设备与大数据服务器通信，用户可以通过授权大数据服务器对目标办公业务设备进行办公行为监测以保证目标办公业务设备中的办公数据信息的安全性。
举例而言，第一办公操作监测记录可以是按照时间先后顺序生成的，记录形式可以是可视化列表形式等。在线办公业务操作可以是用户在目标办公业务设备上的各类操作，比如点击操作、文件修改操作、文件复制操作、文件访问操作等。
进一步地，局部操作习惯信息可以是通过对在线办公业务操作进行特征识别之后得到的行为习惯特征。本申请实施例中，确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息可以基于人工智能模型实现，比如具有特征提取功能的卷积神经网络模型、深度学习神经网络模型等。
进一步地，预先确定的待监测目标在线办公业务操作可以是预存的异常办公业务操作，比如可以是通过前期配置得到的，也可以是通过在线办公业务操作识别得到的，还可以是通过用户反馈得到的，本申请实施例不进行限定。
本申请实施例中，第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度可以理解为相应的局部操作习惯信息之间的相似度，该相似度用于判定第一在线办公业务操作是否存在异常。
举例而言，待监测目标在线办公业务操作可以是与用户正常的在线办公业务操作存在较大差异和出入的操作，通过传递思想，如果第一在线办公业务操作与待监测目标在线办公业务操作类似，那么可以确定出第一在线办公业务操作同样与用户正常的在线办公业务操作存在较大差异和出入的操作，因而可以将第一在线办公业务操作确定为目标在线办公业务操作并进行监测。
本申请实施例中，不同局部操作习惯信息之间的匹配度可以通过计算不同局部操作习惯信息之间的特征向量的余弦区别度实现，计算不同局部操作习惯信息之间的特征向量的余弦区别度为现有技术，本申请实施例不再进行赘述。
步骤200、若所述最大的第一匹配度小于预设的第一判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作。
本申请实施例中，第一判定值可以根据实际情况进行调整，比如依据目标办公业务设备中的办公数据信息的重要程度进行设置。可以理解的是，如果最大的第一匹配度小于预设的第一判定值，则表明对应的第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息之间区别度较低，因而可以判定所述第一办公操作监测记录中的第一在线办公业务操作均为正常的、安全的业务操作，无需进行监测。
步骤300、若所述最大的第一匹配度大于预设的第二判定值，确定所述第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测；若所述最大的第一匹配度不小于所述预设的第一判定值，且不大于所述预设的第二判定值，确定所述最大的第一匹配度对应的第一在线办公业务操作为第一备选在线办公业务操作并监测。
在实际实施过程中，如果最大的第一匹配度大于预设的第二判定值，则可以确定所述第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作与待监测目标在线办公业务操作高度相似或者接近，此时可以确定第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测。
例如，在对目标在线办公业务操作进行监测时，可能会随机地请求目标在线办公业务操作对应的验证信息（比如操作验证码信息、身份信息、生物特征信息等），这样能够确保目标在线办公业务操作的合法性。
以一示例进行说明，若目标办公业务设备的拥有者A允许用户B使用目标办公业务设备，那么用户B在使用目标办公业务设备时，用户B对应的第一在线办公业务操作为确定为目标在线办公业务操作，在对目标在线办公业务操作进行监测的过程中，大数据服务器会随机请求目标在线办公业务操作的操作验证码信息，拥有者A可以将接收到的操作验证码信息发送给用户B，用户B通过目标办公业务设备输入操作验证码信息以实现目标在线办公业务操作的合法性验证。
以另一示例进行说明，如果目标办公业务设备在其拥有者A不知情的情况下被用户C使用，在对目标在线办公业务操作进行监测的过程中，大数据服务器会随机请求目标在线办公业务操作的操作验证码信息，此时，用户C是无法提供操作验证码信息，那么在这种情况下，就可以冻结目标办公业务设备的相关服务，从而避免用户C继续使用目标办公业务设备而造成拥有者A的办公数据信息的破坏。
在本申请实施例中，第二判定值大于第一判定值。如果若所述最大的第一匹配度不小于所述预设的第一判定值，且不大于所述预设的第二判定值，也即最大的第一匹配度位于第一判定值和第二判定值之间，那么可以确定所述最大的第一匹配度对应的第一在线办公业务操作为第一备选在线办公业务操作并监测，也即仍然对第一在线办公业务操作进行监测，此时，通过二级判定机制能够尽可能确保在线办公业务操作监测的可靠性，以尽可能避免对在线办公业务操作的监测遗漏。
步骤400、判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，若否，确定所述第二办公操作监测记录中的目标在线办公业务操作并监测；若是，将所述第二办公操作监测记录作为第一办公操作监测记录，返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤。
本申请实施例中，数据调用路径用于从数据信息使用层面表达在线办公业务操作的操作特征，在上述的局部操作习惯信息判别的基础上，通过数据调用路径进行在线办公业务操作分析，能够有效规避异常用户可以模仿正常用户的操作习惯的问题，从而从多方面实现对在线办公业务操作的监测，从而确保针对异常的在线办公业务操作监测的准确性和可靠性。
在实际实施过程中，数据调用路径区别度可以理解为不同数据调用路径之间的差异，包括数据调用节点的数量差异、数据调用顺序的先后差异等，比如，数据调用路径区别度可以通过数值进行表达。
举例而言，如果第一办公操作监测记录的下一监测时段的第二办公操作监测记录中不存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，表明第二在线办公业务操作的数据调用路径与待监测目标在线办公业务操作的数据调用路径（异常数据调用路径）类似，因而可以判定第二在线办公业务操作可能存在异常，从而可以确定所述第二办公操作监测记录中的目标在线办公业务操作并进行监测。
如果第一办公操作监测记录的下一监测时段的第二办公操作监测记录中存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，表明第二在线办公业务操作的数据调用路径与待监测目标在线办公业务操作的数据调用路径（异常数据调用路径）之间存在差异，因而可以判定第二在线办公业务操作为正常，进而继续执行判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤。
在一些可能的实施例e1中，上述步骤400所描述的判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，可以包括以下内容：确定所述第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征，并确定所述每个第二在线办公业务操作的数据调用路径的调用习惯特征和预先确定的待监测目标在线办公业务操作的目标数据调用路径的调用习惯特征的第二匹配度，判断是否存在小于预设的第三判定值的第二匹配度。例如，调用习惯特征可以表达数据调用路径的路径节点数量和路径节点之间的先后传递关系顺序等，这样一来，可以通过调用习惯特征实现数据调用路径区别度的量化分析，从而确保对第二在线办公业务操作的判定的准确性。
在另外的一些实施例e2中，上述步骤400所描述的判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤之前，该方法还可以包括以下内容：确定第一办公操作监测记录的下一监测时段的第二办公操作监测记录中的每个第二在线办公业务操作与所述第一备选在线办公业务操作的第一操作重叠描述值，并选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作。
例如，操作重叠描述值用于表征不同在线办公业务操作之间的比较情况，比如可以对不同在线办公业务操作进行图形化处理，然后通过不同在线办公业务操作的相同操作和不同操作之间的比例来确定操作重叠描述值，类似于图像处理领域的交并比（Intersection over Union，IOU）。
在实施例e2的基础上，步骤400所描述的确定所述第二办公操作监测记录中的目标在线办公业务操作并监测可以包括以下内容：将所述第二备选在线办公业务操作作为目标在线办公业务操作并监测。
在实施例e2的基础上，上述步骤400所描述的返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤之前，该方法所述方法还可以包括以下内容：监测所述第二备选在线办公业务操作，并将所述第二备选在线办公业务操作作为第一备选在线办公业务操作。
在一些可能的实施例e3中，在上述步骤100所描述的确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息之前，该方法还可以包括以下内容：判断所述第一办公操作监测记录的上一监测时段的第三办公操作监测记录中是否存在目标在线办公业务操作，如果否，进行后续确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息的步骤；如果所述第三办公操作监测记录中存在目标在线办公业务操作，该方法还可以包括以下内容：确定所述第一办公操作监测记录中的每个第一在线办公业务操作与所述目标在线办公业务操作的第二操作重叠描述值，并选择最大的第二操作重叠描述值；若所述最大的第二操作重叠描述值不大于预设的操作重叠描述值判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；若所述最大的第二操作重叠描述值大于预设的操作重叠描述值判定值，确定所述最大的第二操作重叠描述值对应的第一在线办公业务操作为目标在线办公业务操作并监测。
例如，操作重叠描述值判定值可以根据实际情况进行调整，本申请实施例不作限制。
如此设计，能够对不同监测时段下的办公操作监测记录中的目标在线办公业务操作的存在情况进行分析，从而依据对应的操作重叠描述值确定目标在线办公业务操作，进而提高目标在线办公业务操作的确定效率，确保对目标在线办公业务操作的实时监测。
在实施例e2的基础上，在确定第一办公操作监测记录的下一监测时段的第二办公操作监测记录中的每个第二在线办公业务操作与所述第一备选在线办公业务操作的第一操作重叠描述值的步骤之后，并且在选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作的步骤之前，还包括以下实施例e4所描述的技术方案。
实施例e4，判断最大的第一操作重叠描述值是否大于预设的操作重叠描述值判定值，如果是，进行后续选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作的步骤；如果所述最大的第一操作重叠描述值不大于预设的操作重叠描述值判定值，所述方法还包括：确定所述第二办公操作监测记录中不存在目标在线办公业务操作。
在实施例e4的基础上，在判定出最大的第一操作重叠描述值大于预设的操作重叠描述值判定值之后，并且在确定第一办公操作监测记录后的第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征的步骤之前，该方法还可以包括以下实施例e5所描述的技术方案。
实施例e5，确定所述每个第二在线办公业务操作的局部操作习惯信息和所述目标局部操作习惯信息的第三匹配度，并选择最大的第三匹配度；判断所述最大的第三匹配度是否大于预设的第二判定值，如果否，进行后续确定第一办公操作监测记录后的第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征的步骤；如果所述最大的第三匹配度大于预设的第二判定值，所述方法还包括：确定所述最大的第三匹配度对应的第二在线办公业务操作为目标在线办公业务操作并监测。
在实施例e2的基础上，在确定存在小于预设的第三判定值的第二匹配度之后，在监测所述第二备选在线办公业务操作的步骤之前，该方法还可以包括以下内容：判断所述第二办公操作监测记录是否为所述第一办公操作监测记录后生成的预设监测时段内的办公操作监测记录，如果是，进行后续监测所述第二备选在线办公业务操作的步骤；如果所述第二办公操作监测记录不是所述第一办公操作监测记录后生成的预设监测时段内的办公操作监测记录，所述方法还包括：将所述第二备选在线办公业务操作作为目标在线办公业务操作并监测。
在上述实施例中，可以交叉地基于局部操作习惯信息之间的匹配度、在线办公业务操作的操作重叠描述值以及不同的监测时段实现对目标在线办公业务操作的定位和监测，本领域技术人员可以基于上述的多种实施例所记载的内容完整、清楚地实施相关的技术方案。
在一些可能的实施例中，在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征可以通过以下方式预先进行确定：通过在线办公业务操作识别网络（例如相关的人工智能网络模型），识别办公操作监测记录中的每个在线办公业务操作的办公操作监测记录，将每个在线办公业务操作的办公操作监测记录输入预先完成训练的针对在线办公业务操作的操作习惯特征分析网络层（比如网络模型中的每个功能单元层），基于所述针对在线办公业务操作的操作习惯特征分析网络层，确定所述每个在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征。如此，基于在线办公业务操作识别网络能够快速准确地得到在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征。
综上，在本申请实施例中，确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度，并选择最大的第一匹配度。
如果最大的第一匹配度小于预设的第一判定值，此时说明第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作与目标在线办公业务操作的匹配度也相对低下，确定第一办公操作监测记录中不存在目标在线办公业务操作。
如果最大的第一匹配度大于预设的第二判定值，此时说明第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作与目标在线办公业务操作的匹配度相对较高，确定第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测。
由于目标在线办公业务操作可以用于表征其对应的用户办公习惯存在明显变化，因而可以通过监测目标在线办公业务操作以确保办公数据信息的安全性，避免目标在线办公业务操作所对应的异常行为对办公数据信息的破坏。
在上述的局部操作习惯信息判别的基础上，通过数据调用路径进行在线办公业务操作分析，能够有效规避异常用户可以模仿正常用户的操作习惯的问题，从而从多方面实现对在线办公业务操作的监测，从而确保针对异常的在线办公业务操作监测的准确性和可靠性。
在一些选择性的实施例中，大数据服务器除了可以对在线办公业务操作进行监测，还可以对正常的在线办公业务操作对应的在线办公数据进行识别分析，从而为后续的办公服务软件的更新升级提供可信的决策依据。基于此，该方法还可以包括以下内容：从第一办公操作监测记录中获取通过校验的在线办公业务操作的待处理在线办公数据，通过调用在线办公数据识别线程对所述待处理在线办公数据进行识别分析，得到协作办公识别结果。
在一些选择性的实施例中，从第一办公操作监测记录中获取通过校验的在线办公业务操作的待处理在线办公数据，通过调用在线办公数据识别线程对所述待处理在线办公数据进行识别分析，得到协作办公识别结果，可以通过以下实施方式实现：调用在线办公数据识别线程获取待处理在线办公数据中的第一显著办公交互行为集，并确定所述待处理在线办公数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布；调用所述调用在线办公数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素；基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果。
为便于后续进行描述，以下为相关技术特征的解释说明。
（1）在线办公数据识别线程：基于人工智能的机器学习模型/机器学习网络，比如卷积神经网络（Convolutional Neural Networks，CNN）、深度神经网络（Deep NeuralNetworks，DNN）、长短期记忆网络（Long Short-Term Memory，LSTM）。
（2）配置在线办公数据识别线程：对在线办公数据识别线程进行训练。
（3）线程运行指标：在线办公数据识别线程的损失/损失函数，进一步地，损失函数（loss function）或代价函数（cost function）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中，损失函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。
（4）线程参数：在线办公数据识别线程的相关模型参数，比如权重（weight）和偏置（bias）。
可以理解的是，关于其他技术特征的说明将结合以下实际实施例进行，在此不进行穷举。
基于此，关于从第一办公操作监测记录中获取通过校验的在线办公业务操作的待处理在线办公数据，通过调用在线办公数据识别线程对所述待处理在线办公数据进行识别分析，得到协作办公识别结果的技术方案，可以参阅以下内容。
步骤S11、大数据服务器调用在线办公数据识别线程获取待处理在线办公数据中的第一显著办公交互行为集，并确定所述待处理在线办公数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布。
例如，大数据服务器可以从本地调用在线办公数据识别线程，也可以从云端调用在线办公数据识别线程，在线办公数据识别线程可以是预先配置/训练得到的。待处理在线办公数据可以是大数据服务器主动从第一办公操作监测记录中获取。
又例如，显著办公交互行为集可以是多个具有较高特征识别度的办公交互行为形成的集合，比如具有较高特征识别度的办公交互行为是办公交互行为ac1、办公交互行为ac2、办公交互行为ac3、办公交互行为ac4和办公交互行为ac5，那么第一显著办公交互行为集可以是{ac1，ac2，ac3，ac4，ac5}。
此外，热点办公互动数据可以是热门程度和/或搜索指数较高的办公互动数据，比如基于办公项目的远程操作，又比如远程视频会议，再比如多人编辑操作等。基于此，互动元素可以理解为热点办公互动数据的数据特征，而互动元素分布可以理解为用于记录互动元素的特征图或者特征分布列表，但不限于此。
在一些可能的实施例中，上述步骤S11所描述的调用在线办公数据识别线程获取待处理在线办公数据中的第一显著办公交互行为集，并确定所述待处理在线办公数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布，可以通过以下步骤S111-步骤S113所描述的技术方案。
步骤S111，将待处理在线办公数据导入在线办公数据识别线程。
例如，可以按照在线办公数据识别线程对应的数据格式对待处理在线办公数据进行适应性调整，然后将适应性调整后的在线办公数据传入在线办公数据识别线程，进而通过在线办公数据识别线程进行相应的数据处理和分析。
步骤S112，调用所述在线办公数据识别线程获取所述待处理在线办公数据中的第一显著办公交互行为集。
在实际实施过中，为了确保第一显著办公交互行为集的完整性，可以基于互动元素分布进行第一显著办公交互行为集的提取。基于此，上述步骤S112所描述的调用所述在线办公数据识别线程获取所述待处理在线办公数据中的第一显著办公交互行为集，可以包括以下步骤S1121和步骤S1122所描述的技术方案。
步骤S1121，调用所述在线办公数据识别线程获取所述待处理在线办公数据中的第一原始互动元素分布。
在本申请实施例中，第一原始互动元素分布可以理解为基础特征图，用于记录待处理在线办公数据的数据特征。
步骤S1122，调用所述在线办公数据识别线程基于所述第一原始互动元素分布获取所述待处理在线办公数据中的第一显著办公交互行为集。
可以理解的是，通过对所述第一原始互动元素分布进行分析，能够对待处理在线办公数据的数据特征进行全面地识别，从而确保第一显著办公交互行为集的完整性。
在一些可能的实施例中，上述步骤S1122所描述的调用所述在线办公数据识别线程基于所述第一原始互动元素分布获取所述待处理在线办公数据中的第一显著办公交互行为集，可以通过以下步骤S1122a-步骤S1122c所描述的技术方案实现。
步骤S1122a，调用所述在线办公数据识别线程基于所述第一原始互动元素分布，获取所述待处理在线办公数据中的第一显著备选交互行为集。
可以理解的是，由于第一原始互动元素分布所涵盖的互动元素的数量较多，其中可能包含一些噪声，为了确保第一显著备选交互行为集的完整性，同时减少噪声比，可以先粗筛得到第一显著备选交互行为集。
步骤S1122b，调用所述在线办公数据识别线程基于所述第一显著备选交互行为集和所述第一原始互动元素分布，获取所述待处理在线办公数据中的第二热点办公互动数据的互动元素分布。
在本申请实施例中，可以对所述第一显著备选交互行为集和所述第一原始互动元素分布之间的差异进行分析，从而确定出所述待处理在线办公数据中的第二热点办公互动数据，以进一步确定第二热点办公互动数据的互动元素分布。可以理解的是，第二热点办公互动数据与第一热点办公互动数据不完全相同，一般情况下，第一热点办公互动数据包含在第二热点办公互动数据中。可以理解，通过获取所述待处理在线办公数据中的第二热点办公互动数据的互动元素分布，可以实现对互动元素分布的精筛，从而尽可能减少噪声。
步骤S1122c，调用所述在线办公数据识别线程基于所述第二热点办公互动数据的互动元素分布，获取所述第一显著办公交互行为集。
可以理解的是，通过对第二热点办公互动数据的互动元素分布进行误差分析，能够在保证第一显著办公交互行为集的完整性的前提下减少噪声比，为实现这一目的，上述步骤S1122c所描述的调用所述在线办公数据识别线程基于所述第二热点办公互动数据的互动元素分布，获取所述第一显著办公交互行为集，可以通过以下技术方案实现：调用所述在线办公数据识别线程获取所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布；基于所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布获取所述第一显著办公交互行为集的信息。
在相关实施例中，所述检测互动元素分布用于表示所述第一显著备选交互行为集属于各类型的检测结果，所述误差互动元素分布用于表示所述第一显著办公交互行为集相对于所述第一显著备选交互行为集的偏差。可以理解的是，通过确定所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布，能够将所述第一显著办公交互行为集相对于所述第一显著备选交互行为集的偏差考虑在内，这样可以在保证第一显著办公交互行为集的完整性的前提下减少噪声比。
在另一些可能的实施例中，所述第一显著办公交互行为集的信息还包括所述第一显著办公交互行为集的关联情况和所述第一显著办公交互行为集的类型。基于此，上述步骤所描述的基于所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布和所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布获取所述第一显著办公交互行为集的信息，可以包括以下内容：对所述第二热点办公互动数据的互动元素分布对应的检测互动元素分布进行阈值筛分处理，得到所述第一显著办公交互行为集的类型；对所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布与所述第一显著备选交互行为集的关联情况进行偏差校正，得到所述第一显著办公交互行为集的关联情况。
例如，互动元素可以包括数值元素，用于对不同的特征进行量化描述，第一显著办公交互行为集的关联情况可以理解为第一显著办公交互行为集中的办公交互行为之间的关联关系。可以理解，通过进行阈值筛分处理，能够精准定位第一显著办公交互行为集的类型，然后通过对所述第二热点办公互动数据的互动元素分布对应的误差互动元素分布与所述第一显著备选交互行为集的关联情况进行偏差校正，能够完整得到所述第一显著办公交互行为集的关联情况。由此可见，所述第一显著办公交互行为集的信息可以包括第一显著办公交互行为集的类型以及第一显著办公交互行为集的关联情况。
步骤S113，调用所述在线办公数据识别线程基于所述第一显著办公交互行为集获取所述待处理在线办公数据中的第一热点办公互动数据和第一热点办公互动数据的互动元素分布。
在本申请实施例中，所述第一热点办公互动数据为所述第一显著办公交互行为集在所述待处理在线办公数据中对应的办公互动数据。可以理解，通过对第一显著办公交互行为集进行进一步识别分析，从而提高第一热点办公互动数据和第一热点办公互动数据的互动元素分布的识别精度。
步骤S12、大数据服务器调用所述调用在线办公数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素。
例如，办公互动数据片段的拆分可以根据时序特征进行拆分，也可以根据办公项目进行拆分，本申请实施例不作限定。通过将所述第一热点办公互动数据拆分为多个办公互动数据片段，能够落地到办公互动数据片段的互动元素以及办公事件的意图需求互动元素，从而确保后续协作办公识别结果的精度。此外，办公事件可以理解为不同的办公业务项目，办公事件的意图需求互动元素用于表征办公事件的意图需求特征，比如相关的办公需求特征。
在相关实施例中，上述步骤S12所描述的调用所述调用在线办公数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，并结合所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，可以包括以下技术方案所描述的内容：调用所述在线办公数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段，调用所述在线办公数据识别线程基于所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素，调用所述在线办公数据识别线程获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素。
在一些示例中，所述办公互动数据片段对应的互动元素为所述办公互动数据片段中存在显著办公交互行为的检测结果。该检测结果可以理解为所述办公互动数据片段中存在显著办公交互行为的概率。可以理解，调用所述在线办公数据识别线程将所述第一热点办公互动数据拆分为多个办公互动数据片段、基于所述第一热点办公互动数据的互动元素分布提取所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素以及获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素可以通过在线办公数据识别线程的相关网络层实现。
在上述一些实施例的基础上，所述第一显著办公交互行为集的信息可以包括所述第一显著办公交互行为集的关联情况。基于此，上述步骤所描述的调用所述在线办公数据识别线程获取所述第一热点办公互动数据中每个办公事件的意图需求互动元素，可以通过以下实施方式实现：调用所述在线办公数据识别线程对所述第一原始互动元素分布进行意图需求识别，得到所述待处理在线办公数据中所述各办公事件对应的第一意图需求识别信息对应的互动元素分布；基于所述第一显著办公交互行为集的关联情况确定所述第一热点办公互动数据中每个办公事件在所述第一意图需求识别信息对应的互动元素分布中对应的互动元素，作为对应所述第一热点办公互动数据中所述办公事件的意图需求互动元素。
比如，可以通过在线办公数据识别线程中的意图需求识别层或者意图需求识别子线程对第一原始互动元素分布进行意图需求识别，从而得到所述待处理在线办公数据中所述各办公事件对应的第一意图需求识别信息对应的互动元素分布。可以理解，第一意图需求识别信息用于表征办公事件在运行过程中所反映出的办公用户的需求，而第一意图需求识别信息对应的互动元素分布能够更为精准地突显办公用户的需求。
进一步地，可以以所述第一显著办公交互行为集的关联情况作为参考，查询所述第一热点办公互动数据中每个办公事件在所述第一意图需求识别信息对应的互动元素分布中对应的互动元素，或者可以理解为：为所述第一热点办公互动数据中每个办公事件匹配所述第一意图需求识别信息对应的互动元素分布中的互动元素，这样可以准确确定出所述第一热点办公互动数据中所述办公事件的意图需求互动元素，避免办公事件与意图需求互动元素之间的错乱。
步骤S13、大数据服务器基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果。
本申请实施例中，协作办公识别结果用于从全局层面或者整体层面反应不同办公互动对象（设备/用户）之间的业务匹配情况。比如，协作办公识别结果可以表征在相同办公场景下的办公资源调用情况，也可以表征在相同办公资源调用状态下的办公场景关联度，还可以表征不同办公互动对象之间的办公需求之间是否存在资源调用或者场景适配方面的冲突，如此，能够为后续的办公服务软件的更新升级提供可信的决策依据。
在一些可能的实施例中，所述第一显著办公交互行为集的信息可以包括第一显著办公交互行为集的类型，基于此，上述步骤S13所描述的基于所述第一热点办公互动数据中每个所述办公互动数据片段的互动元素、所述第一显著办公交互行为集的信息和所述第一热点办公互动数据中每个办公事件的意图需求互动元素，获取协作办公识别结果，可以通过以下步骤S131和步骤S132所描述的技术方案实现。
步骤S131、基于所述第一热点办公互动数据中每个所述办公互动数据片段对应的互动元素确定所述第一热点办公互动数据中存在所述显著办公交互行为的办公互动数据，基于所述第一热点办公互动数据中每个办公事件的意图需求互动元素，确定所述第一热点办公互动数据中对应所述办公事件的类型。
本申请实施例中，所述存在显著办公交互行为的办公互动数据对应的所述办公互动数据片段对应的互动元素大于预设检测结果阈值。预设检测结果阈值可以根据实际情况进行设置，比如取值范围为0~1，以预设检测结果阈值为0.8为例，若所述办公互动数据片段对应的互动元素对应的量化数值大于0.8，则确定该办公互动数据片段所属的办公互动数据存在显著办公交互行为。
进一步地，可以根据第一热点办公互动数据中每个办公事件的意图需求互动元素的差异性，确定第一热点办公互动数据中对应所述办公事件的类型，从而确保办公事件的类型的精准分类。
步骤S132、基于所述第一热点办公互动数据中每个所述办公事件的类型，确定所述存在显著办公交互行为的办公互动数据中属于所述第一显著办公交互行为集的类型的办公事件，作为所述协作办公识别结果。
例如，可以对所述第一热点办公互动数据中每个所述办公事件的类型进行分析，进而确定所述存在显著办公交互行为的办公互动数据中对应于/匹配于所述第一显著办公交互行为集的类型的办公事件，然后对办公事件的相关事件特征进行提取和整合，以得到协作办公识别结果。可以理解的是，所述存在显著办公交互行为的办公互动数据中属于所述第一显著办公交互行为集的类型的办公事件通常与较多的办公互动对象/办公事件相关，因而能够确保协作办公识别结果从全局层面反应不同办公互动对象（设备/用户）之间的业务匹配情况，从而为后续的办公服务软件的更新升级提供可信的决策依据。
通过上述方式，本申请通过在线办公数据识别线程获取待处理在线办公数据中的的第一显著办公交互行为集，基于第一显著办公交互行为集获取待处理在线办公数据的第一原始互动元素分布和第一热点办公互动数据的互动元素分布，对第一热点办公互动数据进行办公互动数据片段化的办公交互行为识别，从而能够快速实现对第一热点办公互动数据中显著办公交互行为的分析识别，并调用在线办公数据识别线程获取第一热点办公互动数据中每个办公事件的意图需求互动元素，从而能够结合第一热点办公互动数据中显著办公交互行为的分析识别结果和每个办公事件的意图需求互动元素获取协作办公识别结果。相比于相关技术直接对第一热点办公互动数据的互动元素分布进行协作办公识别的方式，该方案能够落地到办公互动数据片段的互动元素以及办公事件的意图需求互动元素，从而确保协作办公识别结果的精度，并确保协作办公识别结果尽可能与实际的办公业务场景和办公业务需求相匹配，以便为后续的办公服务软件的更新升级提供可信的决策依据。
此外，由于直接对第一热点办公互动数据的互动元素分布进行协作办公识别的方式获取对应的第一热点办公互动数据的互动元素分布中各互动元素内容属于各类型的检测结果，因此其输出的互动元素分布所对应的数据量较大，而本申请中的在线办公数据识别线程只是对各办公互动数据片段是否存在办公交互行为进行分析和识别，能够有效减少数据的输入输出量，从而有效降低在线办公数据识别所需占用的计算机资源（比如内存）以及所需花费的时间，以提高在线办公数据识别的效率。
在一些可选的实施例中，在步骤S112所描述的调用所述在线办公数据识别线程获取所述待处理在线办公数据中的第一显著办公交互行为集的步骤之前，该方法还可以包括对所述在线办公数据识别线程进行配置的技术方案。
在一些可选的实施例中，上述对所述在线办公数据识别线程进行配置的步骤，可以通过以下技术方案实现：将样本在线办公数据导入所述在线办公数据识别线程；调用所述在线办公数据识别线程获取所述样本在线办公数据的第二原始互动元素分布；调用所述在线办公数据识别线程基于所述第二原始互动元素分布获取所述样本在线办公数据中的第二热点办公互动数据和第三热点办公互动数据的互动元素分布；调用所述在线办公数据识别线程将所述第二热点办公互动数据拆分为多个所述办公互动数据片段，调用所述在线办公数据识别线程基于所述第三热点办公互动数据的互动元素分布提取所述第二热点办公互动数据中每个所述办公互动数据片段对应的互动元素，调用所述在线办公数据识别线程对所述第二原始互动元素分布进行意图需求识别，以得到第二意图需求识别信息对应的互动元素分布；基于所述第二热点办公互动数据中每个所述办公互动数据片段对应的互动元素和第一真实元素之间的比较结果获取所述在线办公数据识别线程的第一线程运行指标，基于所述第二意图需求识别信息对应的互动元素分布与第二真实元素之间的比较结果获取所述在线办公数据识别线程的第二线程运行指标；基于所述第一线程运行指标和所述第二线程运行指标优化所述在线办公数据识别线程的线程参数。
在一些示例中，真实元素可以作为对在线办公数据识别线程进行配置优化的参考，比如通过真实元素（真值）和互动元素（预测值）确定出线程运行指标（模型损失），然后通过线程运行指标（模型损失）调整优化在线办公数据识别线程的线程参数（模型参数），以达到对在线办公数据识别线程的配置优化。
在一些可能的示例中，上述步骤所描述的调用所述在线办公数据识别线程基于所述第二原始互动元素分布获取所述待处理在线办公数据中的第二热点办公互动数据和第三热点办公互动数据的互动元素分布，可以包括以下内容：调用所述在线办公数据识别线程基于所述第二原始互动元素分布获取所述样本在线办公数据的第二显著备选交互行为集，将所述第二显著备选交互行为集在所述样本在线办公数据中对应的办公互动数据作为所述第二热点办公互动数据；调用所述在线办公数据识别线程基于所述第二显著备选交互行为集和所述第二原始互动元素分布，获取所述第三热点办公互动数据的互动元素分布。
在一些可能的示例中，在上述步骤所描述的调用所述在线办公数据识别线程基于所述第二显著备选交互行为集和所述第二原始互动元素分布，获取所述第三热点办公互动数据的互动元素分布的步骤之后，该方法还可以包括以下内容：调用所述在线办公数据识别线程获取所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布和误差互动元素分布；基于所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布和第三真实元素之间的比较结果，获取所述在线办公数据识别线程的第三线程运行指标，基于所述第三热点办公互动数据的互动元素分布对应的所述误差互动元素分布与第四真实元素之间的比较结果，获取所述在线办公数据识别线程的第四线程运行指标；基于所述第三线程运行指标和所述第四线程运行指标优化所述在线办公数据识别线程的线程参数。
在一些示例中，所述第三热点办公互动数据的互动元素分布对应的检测互动元素分布用于表示所述第二显著备选交互行为集属于各类型的检测结果，所述第三热点办公互动数据的互动元素分布对应的误差互动元素分布用于表示第二显著办公交互行为集相对于所述第二显著备选交互行为集的偏差。
在一些选择性的实施例中，在上述步骤S13所描述的获取协作办公识别结果之后，该方法还可以包括对相关办公服务软件进行更新升级的技术方案。关于对相关办公服务软件进行更新升级的内容可以通过以下步骤S14所描述的内容实现。
在一些选择性的实施例中，上述步骤S14所描述的通过所述全局场景分布信息和所述全局需求分布信息对目标办公服务软件进行更新升级，可以通过以下步骤S141-步骤S144所描述的技术方案实现。
步骤S141、通过所述全局场景分布信息和所述全局需求分布信息之间的配对结果获取与所述目标办公服务软件对应的待进行更新升级的目标办公服务事项集；对所述目标办公服务事项集中的多个办公服务事项分别进行输出类服务识别和输入类服务识别，得到输出类服务识别结果集和输入类服务识别结果集。
例如，所述全局场景分布信息和所述全局需求分布信息之间的配对结果可以是不同分布信息中的成员之间的一一对应关系，这样可以准确确定待进行更新升级的目标办公服务事项集。输出类服务可以理解为资源下发服务，输入类服务可以理解为资源上传服务。
步骤S142、通过第一预设筛选指示，对所述输出类服务识别结果集进行第一筛选处理，得到包括有输出类服务的第一办公服务事项子集；通过第二预设筛选指示，对所述输入类服务识别结果集进行第二筛选处理，得到包括有输入类服务的第二办公服务事项子集。
例如，不同的筛选指示对应不同的筛选策略。
步骤S143、基于所述第一办公服务事项子集和所述第二办公服务事项子集进行一致性优化处理，得到所述目标办公服务事项集中与目标服务相匹配的目标办公服务事项子集。
在本申请实施例中，所述目标服务包括输出类服务和输入类服务中的至少一种，所述目标办公服务事项子集用于对所述目标办公服务事项集进行更新升级。
例如，一致性优化处理可以是对所述第一办公服务事项子集和所述第二办公服务事项子集进行去重处理/交并集分析处理，从而确保目标办公服务事项子集的精简性。
步骤S144、基于所述目标办公服务事项子集对所述目标办公服务事项集进行更新升级。
可以理解，通过定位目标办公服务事项子集，能够对目标办公服务事项集中较为重要的办公服务事项进行更新升级，从而减少不必要的资源浪费，提高办公服务事项的更新升级效率。
在一些选择性的实施例中，步骤S141所描述的对所述目标办公服务事项集中的多个办公服务事项分别进行输出类服务识别和输入类服务识别，得到输出类服务识别结果集和输入类服务识别结果集，可以包括以下内容：对所述目标办公服务事项集中的多个办公服务事项分别进行输出类服务识别，得到各个办公服务事项中的输出类服务识别内容、以及各输出类服务识别内容所对应的原始事项服务类型；基于各办公服务事项中的输出类服务识别内容和相应的原始事项服务类型，确定输出类服务识别结果集；对所述目标办公服务事项集中的多个办公服务事项分别进行输入类服务识别，得到输入类服务识别结果集。
如此，通过对各个办公服务事项中的输出类服务识别内容及其原始事项服务类型进行独立分析，能够确保输出类服务识别结果集具有较高的特征识别度。
在一些选择性的实施例中，上述步骤所描述的对所述目标办公服务事项集中的多个办公服务事项分别进行输入类服务识别，得到输入类服务识别结果集，可以包括以下内容：对所述目标办公服务事项中的多个办公服务事项分别进行服务场景识别，得到各办公服务事项分别对应的服务场景识别结果；对所述目标办公服务事项中的多个办公服务事项分别进行服务功能识别，得到各办公服务事项分别对应的服务功能识别结果；将对应于相同办公状态的服务场景识别结果和服务功能识别结果进行关联；基于所述目标办公服务事项中与目标服务场景识别结果相关联的服务功能识别结果进行输入类服务识别处理，得到输入类服务识别结果集。
这样一来，通过对办公服务事项进行服务场景识别和服务功能识别，能够从服务场景层面和服务功能层面进行相关识别结果的关联，从而确保输入类服务识别结果集能够与实际办公业务相匹配。
其次，针对上述在大数据场景下的在线办公安防处理方法，本发明实施例还提出了一种示例性的在大数据场景下的在线办公安防处理装置，如图2所示，在大数据场景下的在线办公安防处理装置200可以包括以下的功能模块。
操作习惯分析模块210，用于确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息，并确定所述每个第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度，并选择最大的第一匹配度；若所述最大的第一匹配度小于预设的第一判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；若所述最大的第一匹配度大于预设的第二判定值，确定所述第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测；若所述最大的第一匹配度不小于所述预设的第一判定值，且不大于所述预设的第二判定值，确定所述最大的第一匹配度对应的第一在线办公业务操作为第一备选在线办公业务操作并监测。
调用路径分析模块220，用于判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，若否，确定所述第二办公操作监测记录中的目标在线办公业务操作并监测；若是，将所述第二办公操作监测记录作为第一办公操作监测记录，返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤。
然后，基于上述的方法实施例和装置实施例，本发明实施例还提出了一种系统实施例，也即在大数据场景下的在线办公安防处理系统，请结合参阅图3，在大数据场景下的在线办公安防处理系统30可以包括大数据服务器10和办公业务设备20。其中，大数据服务器10和办公业务设备20通信用以实施上述方法，进一步地，在大数据场景下的在线办公安防处理系统30的功能性描述如下。
大数据服务器10确定目标办公业务设备20的第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息，并确定所述每个第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度，并选择最大的第一匹配度；若所述最大的第一匹配度小于预设的第一判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；若所述最大的第一匹配度大于预设的第二判定值，确定所述第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测；若所述最大的第一匹配度不小于所述预设的第一判定值，且不大于所述预设的第二判定值，确定所述最大的第一匹配度对应的第一在线办公业务操作为第一备选在线办公业务操作并监测；判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，若否，确定所述第二办公操作监测记录中的目标在线办公业务操作并监测；若是，将所述第二办公操作监测记录作为第一办公操作监测记录，返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤。
进一步地，请结合参阅图4，大数据服务器10可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图4所示的结构仅为示意，大数据服务器10还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
需要理解的是，针对上述内容，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定相关技术术语所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定。
本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种在大数据场景下的在线办公安防处理方法，其特征在于，所述方法包括：
确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息，并确定所述每个第一在线办公业务操作的局部操作习惯信息和预先确定的待监测目标在线办公业务操作的目标局部操作习惯信息的第一匹配度，并选择最大的第一匹配度；
若所述最大的第一匹配度小于预设的第一判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；
若所述最大的第一匹配度大于预设的第二判定值，确定所述第一办公操作监测记录中最大的第一匹配度对应的第一在线办公业务操作为目标在线办公业务操作并监测；若所述最大的第一匹配度不小于所述预设的第一判定值，且不大于所述预设的第二判定值，确定所述最大的第一匹配度对应的第一在线办公业务操作为第一备选在线办公业务操作并监测；
判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作，若否，确定所述第二办公操作监测记录中的目标在线办公业务操作并监测；若是，将所述第二办公操作监测记录作为第一办公操作监测记录，返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤。
2.如权利要求1所述的方法，其特征在于，所述判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作包括：
确定所述第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征，并确定所述每个第二在线办公业务操作的数据调用路径的调用习惯特征和预先确定的待监测目标在线办公业务操作的目标数据调用路径的调用习惯特征的第二匹配度，判断是否存在小于预设的第三判定值的第二匹配度。
3.如权利要求2所述的方法，其特征在于，所述判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作之前，所述方法还包括：
确定第一办公操作监测记录的下一监测时段的第二办公操作监测记录中的每个第二在线办公业务操作与所述第一备选在线办公业务操作的第一操作重叠描述值，并选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作，所述操作重叠描述值用于表征不同在线办公业务操作之间的比较情况，其中，通过对不同在线办公业务操作进行图形化处理，通过不同在线办公业务操作的相同操作和不同操作之间的比例来确定操作重叠描述值；
所述确定所述第二办公操作监测记录中的目标在线办公业务操作并监测包括：将所述第二备选在线办公业务操作作为目标在线办公业务操作并监测；
所述返回判断所述第一办公操作监测记录的下一监测时段的第二办公操作监测记录中是否存在与所述待监测目标在线办公业务操作的数据调用路径区别度大于设定路径区别度判定值的第二在线办公业务操作的步骤之前，所述方法还包括：监测所述第二备选在线办公业务操作，并将所述第二备选在线办公业务操作作为第一备选在线办公业务操作。
4.如权利要求1所述的方法，其特征在于，所述确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息之前，所述方法还包括：
判断所述第一办公操作监测记录的上一监测时段的第三办公操作监测记录中是否存在目标在线办公业务操作，如果否，进行后续确定第一办公操作监测记录中的每个第一在线办公业务操作的局部操作习惯信息的步骤；如果所述第三办公操作监测记录中存在目标在线办公业务操作，
所述方法还包括：
确定所述第一办公操作监测记录中的每个第一在线办公业务操作与所述目标在线办公业务操作的第二操作重叠描述值，并选择最大的第二操作重叠描述值，所述操作重叠描述值用于表征不同在线办公业务操作之间的比较情况，其中，通过对不同在线办公业务操作进行图形化处理，通过不同在线办公业务操作的相同操作和不同操作之间的比例来确定操作重叠描述值；
若所述最大的第二操作重叠描述值不大于预设的操作重叠描述值判定值，确定所述第一办公操作监测记录中不存在目标在线办公业务操作；
若所述最大的第二操作重叠描述值大于预设的操作重叠描述值判定值，确定所述最大的第二操作重叠描述值对应的第一在线办公业务操作为目标在线办公业务操作并监测。
5.如权利要求3所述的方法，其特征在于，所述确定第一办公操作监测记录的下一监测时段的第二办公操作监测记录中的每个第二在线办公业务操作与所述第一备选在线办公业务操作的第一操作重叠描述值之后，并选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作之前，所述方法还包括：
判断最大的第一操作重叠描述值是否大于预设的操作重叠描述值判定值，如果是，进行后续选择最大的第一操作重叠描述值对应的第二在线办公业务操作为第二备选在线办公业务操作的步骤；
如果所述最大的第一操作重叠描述值不大于预设的操作重叠描述值判定值，所述方法还包括：确定所述第二办公操作监测记录中不存在目标在线办公业务操作。
6.如权利要求5所述的方法，其特征在于，判断最大的第一操作重叠描述值大于预设的操作重叠描述值判定值之后，确定第一办公操作监测记录后的第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征之前，所述方法还包括：
确定所述每个第二在线办公业务操作的局部操作习惯信息和所述目标局部操作习惯信息的第三匹配度，并选择最大的第三匹配度；
判断所述最大的第三匹配度是否大于预设的第二判定值，如果否，进行后续确定第一办公操作监测记录后的第二办公操作监测记录中的每个第二在线办公业务操作的数据调用路径的调用习惯特征的步骤；
如果所述最大的第三匹配度大于预设的第二判定值，所述方法还包括：确定所述最大的第三匹配度对应的第二在线办公业务操作为目标在线办公业务操作并监测。
7.如权利要求3所述的方法，其特征在于，确定存在小于预设的第三判定值的第二匹配度之后，监测所述第二备选在线办公业务操作之前，所述方法还包括：
判断所述第二办公操作监测记录是否为所述第一办公操作监测记录后生成的预设监测时段内的办公操作监测记录，如果是，进行后续监测所述第二备选在线办公业务操作的步骤；
如果所述第二办公操作监测记录不是所述第一办公操作监测记录后生成的预设监测时段内的办公操作监测记录，所述方法还包括：将所述第二备选在线办公业务操作作为目标在线办公业务操作并监测。
8.如权利要求2所述的方法，其特征在于，预先确定在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征，包括：通过在线办公业务操作识别网络，识别办公操作监测记录中的每个在线办公业务操作的办公操作监测记录，将每个在线办公业务操作的办公操作监测记录输入预先完成训练的针对在线办公业务操作的操作习惯特征分析网络层，基于所述针对在线办公业务操作的操作习惯特征分析网络层，确定所述每个在线办公业务操作的局部操作习惯信息和数据调用路径的调用习惯特征。
9.如权利要求1所述的方法，其特征在于，所述方法还包括：从第一办公操作监测记录中获取通过校验的在线办公业务操作的待处理在线办公数据，通过调用在线办公数据识别线程对所述待处理在线办公数据进行识别分析，得到协作办公识别结果。
10.一种大数据服务器，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-9任一项所述的方法。
CN202111292089.XA 2021-11-03 2021-11-03 在大数据场景下的在线办公安防处理方法及大数据服务器 Active CN114218034B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111292089.XA CN114218034B (zh) 2021-11-03 2021-11-03 在大数据场景下的在线办公安防处理方法及大数据服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111292089.XA CN114218034B (zh) 2021-11-03 2021-11-03 在大数据场景下的在线办公安防处理方法及大数据服务器

Publications (2)

Publication Number Publication Date
CN114218034A CN114218034A (zh) 2022-03-22
CN114218034B true CN114218034B (zh) 2023-05-26

Family

ID=80696611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111292089.XA Active CN114218034B (zh) 2021-11-03 2021-11-03 在大数据场景下的在线办公安防处理方法及大数据服务器

Country Status (1)

Country Link
CN (1) CN114218034B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114637994B (zh) * 2022-03-31 2022-09-30 安徽米娱科技有限公司 基于人工智能的网络安全数据获取方法、系统及云平台
CN115292301B (zh) * 2022-09-21 2023-07-11 广州金狐智能科技有限公司 基于人工智能的任务数据异常监测处理方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156628A (zh) * 2015-04-16 2016-11-23 阿里巴巴集团控股有限公司 一种用户行为分析方法及装置
EP3531329A1 (en) * 2018-02-23 2019-08-28 Crowdstrike, Inc. Anomaly-based-malicious-behavior detection
EP3716111A1 (en) * 2019-03-28 2020-09-30 CrowdStrike, Inc. Computer-security violation detection using coordinate vectors

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070028220A1 (en) * 2004-10-15 2007-02-01 Xerox Corporation Fault detection and root cause identification in complex systems
KR101566409B1 (ko) * 2009-04-14 2015-11-05 삼성전자주식회사 프로그램 데이터 공격 검출방법
US11062024B2 (en) * 2018-11-15 2021-07-13 Crowdstrike, Inc. Computer-security event security-violation detection
US10802942B2 (en) * 2018-12-28 2020-10-13 Intel Corporation Methods and apparatus to detect anomalies of a monitored system
US11797569B2 (en) * 2019-09-13 2023-10-24 Pure Storage, Inc. Configurable data replication
CN111930588A (zh) * 2020-06-30 2020-11-13 苏州三六零智能安全科技有限公司 进程监测方法、装置、设备和存储介质
CN113553596B (zh) * 2021-08-02 2022-04-05 广东航天信息爱信诺科技有限公司 一种应用于大数据服务的信息防护方法及服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156628A (zh) * 2015-04-16 2016-11-23 阿里巴巴集团控股有限公司 一种用户行为分析方法及装置
EP3531329A1 (en) * 2018-02-23 2019-08-28 Crowdstrike, Inc. Anomaly-based-malicious-behavior detection
EP3716111A1 (en) * 2019-03-28 2020-09-30 CrowdStrike, Inc. Computer-security violation detection using coordinate vectors

Also Published As

Publication number Publication date
CN114218034A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
US11856137B2 (en) Performing a custom action during call screening based on a purpose of a voice call
CN114218034B (zh) 在大数据场景下的在线办公安防处理方法及大数据服务器
US11888855B2 (en) Website verification platform
CN109816483B (zh) 信息推荐方法及装置、可读存储介质
CN107256428B (zh) 数据处理方法、数据处理装置、存储设备及网络设备
US11481707B2 (en) Risk prediction system and operation method thereof
CN113553596B (zh) 一种应用于大数据服务的信息防护方法及服务器
CN111177714A (zh) 异常行为检测方法、装置、计算机设备和存储介质
CN114840853B (zh) 基于大数据的数字化业务分析方法及云服务器
CN113468520A (zh) 应用于区块链业务的数据入侵检测方法及大数据服务器
CN114546975B (zh) 一种结合人工智能的业务风险处理方法及服务器
CN112685774B (zh) 基于大数据和区块链金融的支付数据处理方法及云服务器
KR102359090B1 (ko) 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템
CN114661994B (zh) 基于人工智能的用户兴趣数据处理方法、系统及云平台
CN110717509A (zh) 基于树分裂算法的数据样本分析方法及装置
CN112799722A (zh) 命令识别方法、装置、设备和存储介质
CN114186607A (zh) 应用于云办公的大数据处理方法及人工智能服务器
CN114218565B (zh) 基于大数据的入侵防护数据处理方法及大数据服务器
CN117435999A (zh) 一种风险评估方法、装置、设备以及介质
CN110704614B (zh) 对应用中的用户群类型进行预测的信息处理方法及装置
KR102177392B1 (ko) 맥락 데이터 기반 모바일 사용자 인증 장치 및 방법
CN112905987A (zh) 账号识别方法、装置、服务器及存储介质
CN112733015B (zh) 一种用户行为分析方法、装置、设备及介质
US12019945B2 (en) Application replication platform
CN117827603A (zh) 一种网页的操作分析方法及装置

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

Effective date of registration: 20230508

Address after: 518000 203, Block A, Huashengda Building, No. 22, Baguasi Road, Shanglin Community, Yuanling Street, Futian District, Shenzhen, Guangdong

Applicant after: Qiancheng Ideal (Shenzhen) Information Technology Co.,Ltd.

Address before: Room 1507-1509, building 15, No. 176, Keyi Road, high tech Development Zone, Kunming, Yunnan 650106

Applicant before: Zhang Junjie

GR01 Patent grant
GR01 Patent grant