CN114611101B - 一种获取应用软件趋势的数据处理系统 - Google Patents

一种获取应用软件趋势的数据处理系统 Download PDF

Info

Publication number
CN114611101B
CN114611101B CN202210265540.7A CN202210265540A CN114611101B CN 114611101 B CN114611101 B CN 114611101B CN 202210265540 A CN202210265540 A CN 202210265540A CN 114611101 B CN114611101 B CN 114611101B
Authority
CN
China
Prior art keywords
target
application software
time window
activity
list
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
CN202210265540.7A
Other languages
English (en)
Other versions
CN114611101A (zh
Inventor
尹祖勇
方毅
周琦
刘光亮
俞锋锋
吕繁荣
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.)
Hangzhou Yunshen Technology Co ltd
Original Assignee
Hangzhou Yunshen 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 Hangzhou Yunshen Technology Co ltd filed Critical Hangzhou Yunshen Technology Co ltd
Priority to CN202210265540.7A priority Critical patent/CN114611101B/zh
Publication of CN114611101A publication Critical patent/CN114611101A/zh
Application granted granted Critical
Publication of CN114611101B publication Critical patent/CN114611101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • 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
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/566—Dynamic detection, i.e. detection performed at run-time, e.g. emulation, suspicious activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03—Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/033—Test or assess software
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2135—Metering

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Virology (AREA)
  • Debugging And Monitoring (AREA)
  • Stored Programmes (AREA)

Abstract

本发明涉及一种获取应用软件趋势的数据处理系统，包括数据库、处理器和存储有计算机程序的存储器，所述数据库包括应用软件ID和应用软件ID对应的活跃次数，当所述计算机程序被处理器执行时，实现以下步骤：根据目标应用软件ID，从数据库中获取目标应用软件ID对应的目标活跃度列表；根据目标活跃度列表，获取对应的目标活跃率列表；遍历目标活跃率列表，将最大目标活跃率对应的目标活跃度作为目标活跃度阈值；获取目标应用软件ID对应的变化度，基于目标活跃度阈值、活跃度和变化度，确定出所述目标应用软件的状态。本发明能够避免对应用软件的判断出现遗漏或者错误情况和实现对应用软件的监控，有利于对用户端进行安全提示。

Description

一种获取应用软件趋势的数据处理系统
技术领域
本发明涉及应用软件处理技术领域，尤其涉及一种获取应用软件趋势的数据处理系统。
背景技术
随着信息技术的不断发展，国民经济及国防军工信息化技术运用的普及，计算机应用系统处于经济、国防的基础支撑地位，而其安全性问题已经成为决定经济、国防安全的关键，一旦计算机应用系统遭到破坏，将会导致灾难性后果。作为计算机应用系统安全防护的重要一环，当前基于恶意代码行为特征匹配的传统计算机防护软件，无法及时检测经过多态、加壳、变形、反跟踪等隐藏技术的恶意代码。
当前，识别出应用软件的方法包括：1)采用人工对应用软件进行鉴别，确定出具有恶意代码的应用软件，但效率太低，无法对应用软件进行大量鉴别；2)基于与具有恶意代码的应用软件相同或者相近的APK，确定出具有恶意代码的应用软件，需要对每一APK进行分析，识别效率一般，无法及时对用户进行提示，进而确定出应用软件的发展状态；因此，如何识别出具有具有恶意代码的应用软件，提高识别效效率且对应用软件的发展状态进行预测成为亟待解决的技术问题。
发明内容
本发明目的在于，提供一种用获取应用软件趋势的数据处理系统，能够避免对应用软件的判断出现遗漏或者错误情况和实现对应用软件的监控，有利于对用户端进行安全提示。
本发明一方面提供了一种获取应用软件趋势的数据处理系统，其特征在于，所述系统包括：数据库、处理器和存储有计算机程序的存储器，其中，所述数据库包括应用软件ID和应用软件ID对应的活跃次数，当所述计算机程序被处理器执行时，实现以下步骤：
根据目标应用软件ID，从数据库中获取目标应用软件ID对应的目标活跃度列表F＝(F1，F2，F3，……，FN)，Fi是指第i个目标时间窗口内的目标活跃度，i＝1……N，N为目标时间窗口数量；
根据F，获取目标应用软件ID对应的目标活跃率列表K＝(K1，K2，K3，……，KN)，其中，Ki符合如下条件：
其中，T0为相邻的目标时间窗口标记值之间的标记差值；
遍历K且当Ki＞0时，将最大目标活跃率对应的目标活跃度作为目标活跃度阈值F0；
获取目标应用软件ID对应的变化度R＝(R1，R2，R3，……，RN)，并遍历F且Fi≤F0且Ri＞0时，所述目标应用软件的状态为未知状态，Ri可以理解为第i个目标时间窗口中目标应用软件ID对应的变化度，其中，Ri符合如下条件：
当Fi＞F0时，将Ri与所有关键时间窗口内的样本应用软件关键值进行比对，确定出所述目标应用软件的状态。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明提供的一种获取应用软件趋势的数据处理系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有下列优点：
本发明基于应用软件活跃行为的异常应用软件获取系统，通过系统中应用软件ID和对应的活跃次数，可以确定出在预设的时间窗内的应用软件的活跃度作为阈值，能够准确的确定出应用软件中异常应用软件，减少用户对异常应用软件的安装或者使用，提高用户的安全性；
同时，根据应用软件的活跃度，确定出应用软件的活跃率，以应用软件的活跃率，获取应用软件在一定时间段内的变化趋势，有利于第三方或者用户对应应用软件进行分析，一方面可以根据应用软件的变化趋势，确定出异常应用软件，避免对应用软件的判断出现遗漏或者错误情况，另一方面，能够实现对应用软件的监控，有利于对用户端进行安全提示；
此外，通过不同时间窗口对应的活跃度计算，确定出最优化的选择应用软件活跃次数，提高了确定活跃度的准确性，进而提高确定应用软件异常情况的准确性和推断应用软件的状态进行变化趋势的准确性，有利于第三方的监控和用户的安全使用。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1为本发明实施例提供的一种获取应用软件趋势的数据处理系统的执行步骤的流程图；
图2为本发明实施例提供的另一种获取应用软件趋势的数据处理系统的执行步骤的流程图。
图3为本发明实施例提供的另一种获取应用软件趋势的数据处理系统的执行步骤的流程图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种获取目标位置的数据处理系统的具体实施方式及其功效，详细说明如后。
本实施例提供了本实施例提供了一种基于应用软件活跃行为的异常应用软件获取系统，所述系统包括：数据库、处理器和存储有计算机程序的存储器，其中，所述数据库包括应用软件ID和应用软件ID对应的活跃次数，当所述计算机程序被处理器执行时，实现以下步骤如图1所示：
S100、根据目标应用软件ID，从数据库中获取N个目标时间窗口内的目标应用软件ID对应的目标活跃次数列表，构建成目标数据集D＝(D1，D2，D3，……，DN)，Di是指第i个目标时间窗口内的目标活跃次数列表，i＝1……N，N为目标时间窗口数量。
具体地，所述应用软件ID是指应用软件的唯一身份标识。
具体地，所述活跃次数包括应用软件的安装次数、应用软件的上传信息次数、应用软件的启动次数和应用软件的关闭次数中一种或者多种组合；优先地，所述活跃次数包括应用软件的安装次数、应用软件的上传信息次数、应用软件的启动次数和应用软件的关闭次数，可以理解为：当任一应用软件执行安装、上传信息、启动和关闭中任意一次指令时均为增加一次活跃次数，能够准确的获取应用软件的活跃次数，避免存在一些遗漏或者错误的情况。
具体地，D1对应的目标时间窗口＜D2对应的目标时间窗口＜D3对应的目标时间窗口＜……＜DN对应的目标时间窗口，且相邻的目标时间窗口之间的时间间隔一致。
S200、基于Di，获取目标应用软件ID对应的目标活跃度Fi，并根据Fi，构建成目标应用软件ID对应的目标活跃度列表F＝(F1，F2，F3，……，FN)。
具体地，Fi可以理解为在第i个目标时间窗口内的目标活跃度，且Fi对应的目标时间窗口标记值为Ti，依次类推，其中，T1＜T2＜T3＜……＜TN，其中，相邻的目标时间窗口标记值之间的标记差值T0一致。
具体地，在S200步骤中，还包括如下步骤确定Fi：
S201、根据目标应用软件ID，从数据库中获取任一目标时间窗口内的目标应用软件ID对应的目标活跃次数列表Di＝(Di1，Di2，Di3，……，DiM)，Dij是指第j个目标时间节点的活跃次数，j＝1……M，M为目标时间节点数量。
S203、基于Di，获取目标应用软件的目标活跃度Fi，其中，Fi符合如下条件：
其中，ai0、bi0和ci0均为目标参数。
具体地，Di1对应的时间节点＜Di2对应的时间节点＜Di3对应的时间节点＜……＜DiM对应的时间节点，且相邻的时间节点之间时间间隔一致。
优先地，在S203步骤中，还包括如下步骤确定目标参数：
根据Di，获取目标应用软件的中间值H(Dij)，其中，H(Dij)符合如下条件：
其中，H()为预设函数；
根据H(Dij)，获取ai0、bi0和ci0，其中，和/>
S300、根据F，获取目标应用软件ID对应的目标活跃率列表K＝(K1，K2，K3，……，KN)，其中，Ki可以理解为第i个目标时间窗口中目标应用软件ID对应的目标活跃率，Ki符合如下条件：
S400、遍历K且当Ki＞0时，将最大目标活跃率对应的目标活跃度作为目标活跃度阈值F0，进一步理解为：遍历K且当K中存在若干个最大目标活跃率时，以K的排序中第一个最大目标活跃率对应的目标活跃度作为目标活跃度阈值，能够准确的确定活跃度的阈值，有利于基于活跃度确定出异常应用软件以及应用软件的当前发展状态。
S500、遍历F且Fi≤F0时，确定所述目标应用软件为异常应用软件。
具体地，所述异常应用软件是在具有恶意代码或者其他非常规代码的应用软件。
上述实施例中通过系统中应用软件ID和对应的活跃次数，可以确定出在预设的时间窗内的应用软件的活跃度作为阈值，能够准确的确定出应用软件中异常应用软件，减少用户对异常应用软件的安装或者使用，提高用户的安全性。
在一个具体的实施例中，当所述计算机程序被处理器执行时，还实现以下步骤，其中，S100-S500步骤可参照上述实施例中具体实施方式，在此不再赘述，其他步骤如图2所示：
S600、获取目标应用软件ID对应的变化度R＝(R1，R2，R3，……，RN)，并遍历F且Fi≤F0且Ri＞0时，所述目标应用软件的状态为未知状态，Ri可以理解为第i个目标时间窗口中目标应用软件ID对应的变化度，其中，Ri符合如下条件：
具体地，所示未知状态是指无法确定出目标应用软件的趋势状态。
S700、当Fi＞F0时，将Ri与所有关键时间窗口内的样本应用软件关键值进行比对，确定出所述目标应用软件的状态。
具体地，在S700步骤中，所述方法还包括如下步骤：
S701、根据F0对应的目标时间窗口，将第一目标时间窗口至F0对应的目标时间窗口之间的每一目标时间窗口作为关键时间窗口，且获取每一关键时间窗口内的所有样本应用软件的变化度，构建成中间数据列表以根据所有中间数据列表，构建成中间数据集；
S703、根据中间数据集Q＝(Q1，Q2，Q3，……，Qs)，Qt是指第t个关键时间窗口对应的中间数据列表，t＝1……s，s为关键时间窗口数量，获取Qt＝(Qt1，Qt2，Qt3，……，Qtz)，其中，Qtr是指在第r个样本应用软件的变化度，以根据Qt，确定出第t个关键时间窗口对应的指定变化度值其中，/>符合如下条件：
S705、当时，所述目标应用软件的状态为未变状态；
S707、当时，所述目标应用软件的状态为增加状态。
进一步地，所述增加状态包括平增状态、缓增状态和徒增状态；其中，S707步骤中还包括如下步骤：
当时，所述目标应用软件的状态为平增状态；
当时，所述目标应用软件的状态为缓增状态；
当时，所述目标应用软件的状态为徒增状态。
具体地，所述样本应用软件是在在数据库中所有应用软件中除目标应用软件之外的应用软件。
具体地，任一样本应用软件的变化度Qtr可以采取与目标应用软件的变化度Ri相同的方法进行确定，在此不再赘述。
具体地，Q1对应的关键时间窗口＜Q2对应的关键时间窗口＜Q3对应的关键时间窗口＜……＜Qs对应的关键时间窗口，其中，相邻的关键时间窗口之间的时间间隔一致。
具体地，当所述目标应用软件的状态为缓增状态或者徒增状态时，所述目标应用软件也确定为异常应用软件。
上述实施例中根据应用软件的活跃度，确定出应用软件的活跃率，以应用软件的活跃率，获取应用软件在一定时间段内的变化趋势，有利于第三方或者用户对应应用软件进行分析，一方面可以根据应用软件的变化趋势，确定出异常应用软件，避免对应用软件的判断出现遗漏或者错误情况，另一方面，能够实现对应用软件的监控，有利于对用户端进行安全提示。
在另一个具体的实施例中，S100步骤之前，所述方法还包括如下步骤，如图3所示：
S1、根据目标应用软件ID，从数据库中获取第一类时间窗口内的第一活跃次数列表A＝(A1，A2，A3，……，Ap)，Aq是指第q个第一类时间节点对应的目标应用软件的活跃次数，i＝1……p，p为第一时间节点数量，并基于A，确定出目标应用软件ID对应的第一类活跃度
S2、根据目标应用软件ID，从数据库中获取m个第二类时间窗口内的第二活跃次数列表，构建成第二活跃次数集B＝(B1，B2，B3，……，Bm)，x＝1……m，m为第二类时间窗口数量，其中，Bx是指在第y个第二类时间窗口内的第二活跃次数列表，并获取Bx＝(Bx1，Bx2，Bx3，……，Bxn)，其中，Bxy是指在第二活跃次数列表中第y个第二类时间节点对应的目标应用软件的活跃次数，y＝1……n，n为第二类时间节点数量，并基于Bx，确定出目标应用软件ID对应的第二类活跃度
S3、基于和所有/>构建成中间活跃度列表/>
S4、遍历F且当每一时，将第一类时间窗口确定为目标时间窗口；
S5、当时，将第二类时间窗口确定为目标时间窗口。
具体地，A1对应的第一类时间节点＜A2对应的第一类时间节点＜A3对应的第一类时间节点＜……＜Ap对应的第一类时间节点，所述第一类时间窗口的范围为为7～15天；优先地，所述第一类时间窗口为7天，其中，所述第一类时间节点是指第一类时间窗口内的单一第一时间片，其中，所述第一时间片范围为1～2天，优先地，所述第一时间片为1天。
具体地，B1对应的第二类时间窗口＜B2对应的第二类时间窗口＜B3对应的第二类时间窗口＜……＜Bm对应的第二类时间窗口，所述第二类时间窗口范围为1～2个月，优先地，所述第一类时间窗口为1个月，其中，所述第二类时间节点是指第二时间窗口内的单一第二时间片，所述第二时间片范围为5～7天，优先地，所述第二时间片为5天。
具体地，和/>的获取方法与目标应用软件的目标活跃度Fi采用相同的方法，在此不再赘述。
上述实施例，能够通过不同时间窗口对应的活跃度计算，确定出最优化的选择应用软件活跃次数，提高了确定活跃度的准确性，进而提高确定应用软件异常情况的准确性和推断应用软件的状态进行变化趋势的准确性，有利于第三方的监控和用户的安全使用。
本实施例提供了一种基于应用软件活跃行为的异常应用软件获取系统，通过系统中应用软件ID和对应的活跃次数，可以确定出在预设的时间窗内的应用软件的活跃度作为阈值，能够准确的确定出应用软件中异常应用软件，减少用户对异常应用软件的安装或者使用，提高用户的安全性；
同时，根据应用软件的活跃度，确定出应用软件的活跃率，以应用软件的活跃率，获取应用软件在一定时间段内的变化趋势，有利于第三方或者用户对应应用软件进行分析，一方面可以根据应用软件的变化趋势，确定出异常应用软件，避免对应用软件的判断出现遗漏或者错误情况，另一方面，能够实现对应用软件的监控，有利于对用户端进行安全提示；
此外，通过不同时间窗口对应的活跃度计算，确定出最优化的选择应用软件活跃次数，提高了确定活跃度的准确性，进而提高确定应用软件异常情况的准确性和推断应用软件的状态进行变化趋势的准确性，有利于第三方的监控和用户的安全使用。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.一种获取应用软件趋势的数据处理系统，其特征在于，所述系统包括：数据库、处理器和存储有计算机程序的存储器，其中，所述数据库包括应用软件ID和应用软件ID对应的活跃次数，当所述计算机程序被处理器执行时，实现以下步骤：
根据目标应用软件ID，从数据库中获取N个目标时间窗口内的目标应用软件ID对应的目标活跃次数列表，构建成目标数据集D＝(D1，D2，D3，……，DN)，Di是指第i个目标时间窗口内的目标活跃次数列表，i＝1……N，N为目标时间窗口数量；基于Di，获取目标应用软件ID对应的目标活跃度Fi，并根据Fi，构建成目标应用软件ID对应的目标活跃度列表F＝(F1，F2，F3，……，FN)，Fi是指第i个目标时间窗口内的目标活跃度，i＝1……N，N为目标时间窗口数量；
根据F，获取目标应用软件ID对应的目标活跃率列表K＝(K1，K2，K3，……，KN)，其中，Ki符合如下条件：
其中，T0为相邻的目标时间窗口标记值之间的标记差值；
遍历K且当Ki＞0时，将最大目标活跃率对应的目标活跃度作为目标活跃度阈值F0；
获取目标应用软件ID对应的变化度R＝(R1，R2，R3，……，RN)，并遍历F且Fi≤F0且Ri＞0时，所述目标应用软件的状态为未知状态，Ri可以理解为第i个目标时间窗口中目标应用软件ID对应的变化度，其中，Ri符合如下条件：
当Fi＞F0时，将Ri与所有关键时间窗口内的样本应用软件关键值进行比对，确定出所述目标应用软件的状态，还包括如下步骤：
S701、根据F0对应的目标时间窗口，将第一目标时间窗口至F0对应的目标时间窗口之间的每一目标时间窗口作为关键时间窗口，且获取每一关键时间窗口内的所有样本应用软件的变化度，构建成中间数据列表以根据所有中间数据列表，构建成中间数据集；
S703、根据中间数据集Q＝(Q1，Q2，Q3，……，Qs)，Qt是指第t个关键时间窗口对应的中间数据列表，t＝1……s，s为关键时间窗口数量，获取Qt＝(Qt1，Qt2，Qt3，……，Qtz)，其中，Qtr是指在第r个样本应用软件的变化度，以根据Qt，确定出第t个关键时间窗口对应的指定变化度值其中，/>符合如下条件：
S705、当时，所述目标应用软件的状态为未变状态；
S707、当时，所述目标应用软件的状态为增加状态。
2.根据权利要求1所述的获取应用软件趋势的数据处理系统，其特征在于，还包括如下步骤确定Fi
根据目标应用软件ID，从数据库中获取任一目标时间窗口内的目标应用软件ID对应的目标活跃次数列表Di＝(Di1，Di2，Di3，……，DiM)，Dij是指第j个目标时间节点的活跃次数，j＝1……M，M为目标时间节点数量；
基于Di，获取目标应用软件的目标活跃度Fi，其中，Fi符合如下条件：
其中，ai0、bi0和ci0均为目标参数。
3.根据权利要求2所述的获取应用软件趋势的数据处理系统，其特征在于，还包括如下步骤确定目标参数：
根据Di，获取目标应用软件的中间值H(Dij)，其中，H(Dij)符合如下条件：
其中，H()为预设函数；
根据H(Dij)，获取ai0、bi0和ci0，其中，和/>
4.根据权利要求1所述的获取应用软件趋势的数据处理系统，其特征在于，D1对应的目标时间窗口＜D2对应的目标时间窗口＜D3对应的目标时间窗口＜……＜DN对应的目标时间窗口，且相邻的目标时间窗口之间的时间间隔一致。
5.根据权利要求2所述的获取应用软件趋势的数据处理系统，其特征在于，其特征在于，Di1对应的时间节点＜Di2对应的时间节点＜Di3对应的时间节点＜……＜DiM对应的时间节点，且相邻的时间节点之间时间间隔一致。
6.根据权利要求1所述的获取应用软件趋势的数据处理系统，其特征在于，其特征在于，还包括如下步骤确定目标活跃度阈值：
遍历K且当K中存在若干个最大目标活跃率时，以K的排序中第一个最大目标活跃率对应的目标活跃度作为目标活跃度阈值。
CN202210265540.7A 2022-03-17 2022-03-17 一种获取应用软件趋势的数据处理系统 Active CN114611101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210265540.7A CN114611101B (zh) 2022-03-17 2022-03-17 一种获取应用软件趋势的数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210265540.7A CN114611101B (zh) 2022-03-17 2022-03-17 一种获取应用软件趋势的数据处理系统

Publications (2)

Publication Number Publication Date
CN114611101A CN114611101A (zh) 2022-06-10
CN114611101B true CN114611101B (zh) 2024-04-26

Family

ID=81865788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210265540.7A Active CN114611101B (zh) 2022-03-17 2022-03-17 一种获取应用软件趋势的数据处理系统

Country Status (1)

Country Link
CN (1) CN114611101B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018121014A1 (zh) * 2016-12-30 2018-07-05 广州虎牙信息科技有限公司 视频播放控制方法、装置及终端设备
CN109040218A (zh) * 2018-07-25 2018-12-18 山东中创软件商用中间件股份有限公司 一种应用系统活跃度确定方法、装置、设备以及存储介质
KR101937325B1 (ko) * 2017-10-30 2019-01-14 주식회사 시큐어링크 악성코드 감지 및 차단방법 및 그 장치
WO2021174944A1 (zh) * 2020-10-12 2021-09-10 平安科技（深圳）有限公司 基于目标对象活跃度的消息推送方法及相关设备
CN113971296A (zh) * 2021-12-24 2022-01-25 每日互动股份有限公司 一种id模糊化的数据处理系统
CN114091017A (zh) * 2021-11-19 2022-02-25 安天科技集团股份有限公司 计算机软件防御方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018121014A1 (zh) * 2016-12-30 2018-07-05 广州虎牙信息科技有限公司 视频播放控制方法、装置及终端设备
KR101937325B1 (ko) * 2017-10-30 2019-01-14 주식회사 시큐어링크 악성코드 감지 및 차단방법 및 그 장치
CN109040218A (zh) * 2018-07-25 2018-12-18 山东中创软件商用中间件股份有限公司 一种应用系统活跃度确定方法、装置、设备以及存储介质
WO2021174944A1 (zh) * 2020-10-12 2021-09-10 平安科技（深圳）有限公司 基于目标对象活跃度的消息推送方法及相关设备
CN114091017A (zh) * 2021-11-19 2022-02-25 安天科技集团股份有限公司 计算机软件防御方法、装置、计算机设备及存储介质
CN113971296A (zh) * 2021-12-24 2022-01-25 每日互动股份有限公司 一种id模糊化的数据处理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于社会-技术属性的软件服务活跃度分析;何鹏;刘雅新;李兵;曾诚;;计算机工程与科学;20181015(第10期);全文 *
开源软件社区中开发者活跃度特性分析;刘雅新;吴高艳;何鹏;;软件导刊;20171231(第09期);全文 *

Also Published As

Publication number Publication date
CN114611101A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN111898758B (zh) 一种用户异常行为识别方法、装置及计算机可读存储介质
CN109753800B (zh) 融合频繁项集与随机森林算法的Android恶意应用检测方法及系统
CN110263538B (zh) 一种基于系统行为序列的恶意代码检测方法
CN112488242B (zh) 电力计量终端异常检测方法、装置、计算机设备和介质
CN114528934A (zh) 时序数据异常检测方法、装置、设备及介质
CN116305168B (zh) 一种多维度信息安全风险评估方法、系统及存储介质
CN114610581B (zh) 一种获取应用软件的数据处理系统
CN111932146A (zh) 污染成因的分析方法、装置、计算机设备和可读存储介质
CN113918621A (zh) 一种基于互联网金融的大数据防护处理方法及服务器
CN113408897A (zh) 应用于大数据业务的数据资源共享方法及大数据服务器
Shu et al. Performance assessment of kernel density clustering for gene expression profile data
CN116340936A (zh) 融合强化学习和特征选择优化的ics入侵检测系统及方法
CN117708602B (zh) 基于物联网的楼宇安全监控方法及系统
CN114611101B (zh) 一种获取应用软件趋势的数据处理系统
CN114266046A (zh) 网络病毒的识别方法、装置、计算机设备及存储介质
CN114595456B (zh) 一种基于应用软件活跃行为的异常应用软件获取系统
CN113779568A (zh) 异常行为用户识别方法、装置、设备及存储介质
CN112686667A (zh) 基于大数据和区块链的数据处理方法及云服务平台
CN112035775A (zh) 基于随机森林模型的用户识别方法、装置和计算机设备
CN114816964B (zh) 风险模型构建方法、风险检测方法、装置、计算机设备
CN116467697A (zh) 一种基于信息安全网络防御的数据关联系统
CN113254672B (zh) 异常账号的识别方法、系统、设备及可读存储介质
CN114595456A (zh) 一种基于应用软件活跃行为的异常应用软件获取系统
Meher et al. Evaluating the performance of sequence encoding schemes and machine learning methods for splice sites recognition
CN114266045A (zh) 网络病毒的识别方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant