JP2022016303A - 機械学習を用いる自動化されたａｐｉアクセス - Google Patents

機械学習を用いる自動化されたａｐｉアクセス Download PDF

Info

Publication number
JP2022016303A
JP2022016303A JP2021095374A JP2021095374A JP2022016303A JP 2022016303 A JP2022016303 A JP 2022016303A JP 2021095374 A JP2021095374 A JP 2021095374A JP 2021095374 A JP2021095374 A JP 2021095374A JP 2022016303 A JP2022016303 A JP 2022016303A
Authority
JP
Japan
Prior art keywords
api
page
sign
given
pages
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021095374A
Other languages
English (en)
Inventor
パーク・ジュンヒ
Junhee Park
チェン・ウェイ－ペン
Wei-Peng Chen
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JP2022016303A publication Critical patent/JP2022016303A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0807—Network architectures or network communication protocols for network security for authentication of entities using tickets, e.g. Kerberos
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • 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
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • 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
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06F21/604—Tools and structures for managing or administering access control systems
    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/547—Remote procedure calls [RPC]; Web services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • H04L63/205—Network architectures or network communication protocols for network security for managing network security; network security policies in general involving negotiation or determination of the one or more network security mechanisms to be used, e.g. by negotiation between the client and the server or between peers or by selection according to the capabilities of the entities involved
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/133—Protocols for remote procedure calls [RPC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

Figure 2022016303000001
【課題】 機械学習を用いる自動化されたＡＰＩアクセスを提供する。
【解決手段】 一方法が、複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にわたり反復して複数のＡＰＩの認証タイプを抽出するステップを含む。該方法は、中央リポジトリから、複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを自動的に登録するステップをさらに含んでもよい。該方法は、所与のＡＰＩの認証タイプに基づいて認証データを取得するステップと、認証データを記憶するステップをさらに含んでもよい。該方法は、記憶された認証データを使用して所与のＡＰＩにアクセスするステップをさらに含んでもよい。
【選択図】 図１

Description

本開示の実施形態は、機械学習を用いる自動化されたアプリケーションプログラミングインターフェース（ＡＰＩ）アクセスに関する。
ＡＰＩは、リモート位置における機能性にアクセスし及び／又は該機能性をソフトウェアプロジェクトに組み込むことができる便利なメカニズムである。しかしながら、多数のＡＰＩが導入されており、これは、ソフトウェア開発者がプロジェクトでどのＡＰＩを使用するか選択することを困難にする可能性がある。
本開示の１つ以上の実施形態が、複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にわたり反復して複数のＡＰＩの認証タイプを抽出するステップを含む、方法を含み得る。該方法は、中央リポジトリから、複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを自動的に登録するステップをさらに含んでもよい。該方法は、所与のＡＰＩの認証タイプに基づいて認証データを取得するステップと、認証データを記憶するステップをさらに含んでもよい。該方法は、記憶された認証データを使用して所与のＡＰＩにアクセスするステップをさらに含んでもよい。
実施形態の目的及び利点は、少なくとも特許請求の範囲において特に指し示された要素、特徴、及び組み合わせにより実現され、達成される。
前述の一般的な説明及び以下の詳細な説明の双方が単に例であり、説明的であり、限定的でないことが理解されるべきである。
例示的な実施形態が、添付図面の使用を通してさらなる特定性及び詳細と共に記載され、説明される。
機械学習を用いる自動化されたＡＰＩアクセスのための一例示的なシステムを示す図である。 機械学習を用いる自動化されたＡＰＩアクセスの一例示的な方法の例示的なフローチャートを示す。 新しいユーザを登録する一例示的な方法の例示的なフローチャートを示す。 サインアップページの識別に対する検索エンジンベースのアプローチの一例示的な方法の例示的なフローチャートを示す。 モデルを生成及び／又は訓練する一例示的な方法の例示的なフローチャートを示す。 サインアップページの識別に対する機械学習ベースのアプローチの一例示的な方法の例示的なフローチャートを示す。 サインアップページのサインアップフォームに自動的に記入する一例示的な方法の例示的なフローチャートを示す。 サインインページの識別に対する機械学習ベースのアプローチの一例示的な方法の例示的なフローチャートを示す。 アプリケーションを登録する一例示的な方法の例示的なフローチャートを示す。 ＡＰＩ鍵を抽出する一例示的な方法の例示的なフローチャートを示す。 ＯＡｕｔｈクレデンシャルの解決及び／又は更新の一例示的な方法の例示的なフローチャートを示す。 アプリケーションを登録する際の第１の例示的な状態のセットを示す。 アプリケーションを登録する際の第２の例示的な状態のセットを示す。 アプリケーションを登録する際の第３の例示的な状態のセットを示す。 アプリケーションを登録する際の第４の例示的な状態のセットを示す。 アプリケーションを登録する際の第６の例示的な状態のセットを示す。 一例示的なコンピューティングシステムを示す。
本開示は、機械学習を用いたＡＰＩへの自動可されたアクセスに関する。例えば、ＡＰＩマーケットプレースは、比較及びレビューすることができる様々なＡＰＩをしばしば収集する。しかしながら、個々のＡＰＩの各々へのアクセスの付与は、典型的にはＰＩホストにより制御され、標準化されておらず、一様でもない。ＡＰＩホストに対して参照が行われるが、ＡＰＩホストは、所与のＡＰＩへのアクセスを開発しており、ホストし、及び／又はその他の方法で制御するエンティティ又はコンピューティングシステムを参照し得る。様々な潜在的なアクセス制限の例として、あるＡＰＩホストは、ある情報セットを用いたアカウントの作成を要することがあり、次いで、ＡＰＩ鍵にアクセスするためのクレデンシャルを取り出すためにＡＰＩホストシステムで作成されたアカウントにログインするよう、ユーザに求めることがある。一方、別のＡＰＩホストは、異なる情報セットを用いたアカウントの作成を要することがあり、クレデンシャルへのアクセスが付与される前に特定のプロジェクトのＡＰＩホストへの登録を要することがある。また、別のＡＰＩホストは、ＡＰＩにアクセスするためのクレデンシャルを取得するために、個人情報を伴うリクエストを要することがある。様々なＡＰＩに対してアクセスが制限される、様々な方法のため、ＡＰＩを使用するとき、開発プロセスに相当なオーバーヘッドがかけられる可能性があり、なぜならば、異なるＡＰＩの選択又は試行は、異なるＡＰＩホストのサイトの各々に行く、アクセスを獲得する等のために相当な作業を要し得るためである。このオーバーヘッドは、いくつかの選択肢からＡＰＩを選択しようとするとき、試されるべき各ＡＰＩについてプロセスが繰り返される場合に、特に負担となる可能性がある。さらに、そのような情報を集めるよう試みるＡＰＩマーケットプレースでは、アクセス要件及び／又はプロセスが様々なＡＰＩに対して変化する可能性があり、それにより、集められた情報でさえも時代遅れになり又は不正確である可能性がある。さらに、ＡＰＩにアクセスするためのクレデンシャルは短い有効期間を有することがあり、それにより、ＡＰＩマーケットプレースが１回クレデンシャルを獲得したとしても、マーケットプレースのユーザがＡＰＩにアクセスするよう試みるときまでにクレデンシャルが時代遅れになる可能性があり、これは、クレデンシャルをリフレッシュするためにＡＰＩホストのサイトを再び訪問することを必要とする可能性がある。
アクセスの付与を合理化するために、本開示は、様々なＡＰＩを用いた自動的なユーザ登録を提供することができ、ＡＰＩにアクセスするため（ＯＡｕｔｈ及び／又はＡＰＩ鍵認証アプローチのためのものを含む）のクレデンシャルを自動的に獲得することができ、予め登録されたＡＰＩ鍵を利用し、又はＯＡｕｔｈアクセストークンを更新することができ、ユーザがＡＰＩに迅速にアクセスし、試すことができるようにするＡＰＩプラットフォームを含む。本明細書で用いられるとき、ＯＡｕｔｈという用語は、ＯＡｕｔｈ２．０と、ＯＡｕｔｈの前の又は将来のバージョン、例えば１．０、１．１などを含む。これらのプロセスの各々は、自動化することができ、機械学習又は他のインテリジェントシステムを利用して、様々なＡＰＩへのアクセスを付与するＡＰＩホスト間のバリエーションをナビゲートすることができ、ユーザ入力なし又は限られたユーザ入力のみで生じることができる。
いくつかの状況において、本開示の実施形態は、本開示の教示を適用することにより、コンピュータの性能の向上を容易にし得る。例えば、単一のインターフェースからアクセスできる異なるＡＰＩホストの複数の異なるＡＰＩをインテリジェントにトラバースし、該ＡＰＩへのアクセスを獲得することができる単一のシステムを提供することによる。さらに、これは、各ＡＰＩホストから手動でアクセスクレデンシャルを取り出す際に、さもなければ費やさなければならない相当な労力を除去することにより、ソフトウェア開発のオーバーヘッドを低減し得る。さらに、本開示は、以前は不可能であったコンピューティングシステムによるタスクの実行、すなわち、単一のインターフェースからのＡＰＩアクセスクレデンシャルの自動化された獲得及びその更新を可能にし得る。別の例としては、本開示は、本開示の少なくともいくつかの実施形態によるＡＰＩプラットフォームが、複数のＡＰＩホストと対話する際のユーザのためのプロキシとして動作できることを可能にし得る。
１つ以上の例示的な実施形態が、添付の図面を参照して説明される。
図１は、本開示の１つ以上の実施形態による、機械学習を使用する自動化されたＡＰＩアクセスのための一例示的なシステム１００を示す図である。システム１００は、クライアント１１０、ＡＰＩプラットフォーム１２０、及び１つ以上のＡＰＩホスト１３０（ＡＰＩホスト１３０ａ、１３０ｂ、１３０ｃ、及び／又は１３０ｄなど）を含んでもよく、これらは全て、ネットワーク１４０を介して通信することができる。クライアント１１０は、ＡＰＩプラットフォーム１２０にアクセスして、ＡＰＩホスト１３０によりホストされるＡＰＩ１３２（ＡＰＩ１３２ａ、１３２ｂ、１３２ｃ、及び／又は１３２ｄなど）などの様々なＡＰＩを閲覧、検討、及び／又は分析することができる。ＡＰＩプラットフォーム１２０は、クライアント１１０にＡＰＩホスト１３０に直接コンタクトするよう求めることなく、ＡＰＩプラットフォーム１２０を介してクライアント１１０のユーザにＡＰＩ１３２のうち１つ以上へのアクセスを自動的に付与することができる。様々なＡＰＩへのアクセスの付与に対する自動化されたプロセスの例が、図２～図１２Ｅを参照してより完全に説明され得る。
クライアント１１０は、ＡＰＩを利用し得る任意のコンピューティングデバイス又はシステムを含んでもよい。いくつかの実施形態において、クライアント１１０のユーザは、そのソフトウェアプロジェクトにどれを組み込むべきかを判断するために複数のＡＰＩを見ているソフトウェア開発者であり得る。いくつかの実施形態において、クライアント１１０のユーザは、あまり経験なくＡＰＩプラットフォーム１２０を介して異なるＡＰＩを探索している初心者ユーザであり得る。これらの実施形態の各々において、ＡＰＩプラットフォーム１２０は、ＡＰＩホスト１３０によりホストされる様々なＡＰＩ１３２へのアクセスを提供することができ得る。
ＡＰＩプラットフォーム１２０は、ＡＰＩ１３２へのアクセス及び／又は洞察を提供する任意のシステム、デバイス、又はこれらの組み合わせを含んでもよい。例えば、ＡＰＩプラットフォーム１２０は、クライアント１１０のユーザが特定のソフトウェアプロジェクト、ウェブサイト等にＡＰＩを組み込むよう見ているとき特定の機能性、デベロッパ等について検索することができるマーケットプレースを含んでもよい。いくつかの実施形態において、ＡＰＩプラットフォーム１２０は、ＡＰＩマーケットプレース又は中央リポジトリとして動作することができ、そこからユーザは、複数のＡＰＩを選択し、閲読し、あるいはその他の方法で観察し、試し、又は取得することができる。いくつかの実施形態において、ＡＰＩプラットフォーム１２０は、ＡＰＩホスト１３０をトラバースし（traverse）、クロールし（crawl）、又はその他の方法でＡＰＩホスト１３０にアクセスして、ＡＰＩホスト１３０によりホストされるＡＰＩ１３２に関する情報を獲得及び／又は取得するように構成されてもよい。いくつかの実施形態において、ＡＰＩプラットフォーム１２０は、その機能を実行する際に、例えば図２～図１２Ｅを参照して説明されるように、機械学習アプローチを利用してもよい。
ＡＰＩホスト１３０は、ＡＰＩ１３２をホストする任意のシステム、デバイス、又はこれらの組み合わせを含んでもよい。所与のＡＰＩホスト１３０は、それぞれのＡＰＩ１３２に関連するページ又はサイトなどの複数のコンテンツをホストするように構成され得る。例えば、ＡＰＩホスト１３０は、ＡＰＩ１３２へのアクセスを受けるためにユーザがサインアップすることができるサインアップページ；ユーザがＡＰＩ１３２に関連する情報、クレデンシャル等を取得するためにＡＰＩ１３２に関連づけられたアカウントにサインインすることができるサインインページ；ユーザがサインインした後に到達するランディングページ；ユーザのためにＡＰＩ鍵が記憶されているＡＰＩ鍵ページ；ＡＰＩ１３２の能力、ＡＰＩ１３２の入力、ＡＰＩ１３２の出力、ＡＰＩ１３２に関連づけられた他のページの位置、ＡＰＩ１３２の認証タイプ等に関する情報を含み得るＡＰＩドキュメンテーションページ；ＡＰＩホスト１３０及び／又はＡＰＩ１３２に関連づけられたホームページ；及び／又は、ＡＰＩ１３２及び／又はＡＰＩホスト１３０に関連づけられた任意の他のページを含んでもよい。いくつかの実施形態において、ＡＰＩホスト１３０は、ＡＰＩ１３２のデベロッパでもよく、あるいはＡＰＩ１３２及び／又はＡＰＩ１３２に関連する関連情報及び／又はページをホストするサードパーティでもよい。
ネットワーク１４０は、クライアント１１０、ＡＰＩプラットフォーム１２０、及び／又はＡＰＩホスト１３０のうち１つ以上の間の通信を提供するように構成された任意のデバイス、システム、コンポーネント、又はこれらの組み合わせを含んでもよい。例として、ネットワーク１４０は、１つ以上のワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）などを含んでもよい。いくつかの実施形態において、ネットワーク１４０は、複数のＷＡＮ及び／又はＬＡＮ間の論理的及び物理的接続により形成されるグローバルなインターネットワークを含むインターネットを含んでもよい。代替的又は追加的に、ネットワーク１４０は、１つ以上のセルラーＲＦネットワーク及び／又は１つ以上の有線及び／又は無線ネットワーク、例えば、これらに限られないが８０２．ｘｘネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）アクセスポイント、無線アクセスポイント、ＩＰベースネットワークなどを含んでもよい。ネットワーク１４０は、あるタイプのネットワークが別のタイプのネットワークとインターフェースすることを可能にするサーバ、サブステーション、又は他の接続デバイスをさらに含んでもよい。追加的又は代替的に、ネットワーク１４０は、イントラネット、又は、組織内で又はその他のセキュアな方法で通信する１つ以上のコンピューティングデバイスを含んでもよい。
本開示の範囲から逸脱することなく、システム１００に修正、追加、又は省略がなされてもよい。例えば、いくつかの実施形態において、システム１００は、明示的に図示又は説明されない可能性のある任意の数の他のコンポーネントを含んでもよい。別の例として、４つのＡＰＩホスト１３０が示されているが、数百、数千、又はそれ以上の任意の数が考えられる。
図２～図１１は、本開示による様々な例示的な方法の様々なフローチャートを示す。図２～図１１に示される様々な方法の１つ以上の動作は、クライアント１１０、ＡＰＩプラットフォーム１２０、及び／又はＡＰＩホスト１３０、及び／又は図１３のコンピューティングシステム１３００などの、システム若しくはデバイス又はこれらの組み合わせにより実行されてもよい。別個のブロックとして示されているが、図２～図１１に示される方法の様々なブロックは、所望の実装に依存してさらなるブロックに分割されてもよく、より少ないブロックに組み合わせられてもよく、あるいは削除されてもよい。
図２は、本開示の１つ以上の実施形態による、機械学習を使用する自動化されたＡＰＩアクセスの一例示的な方法２００の例示的なフローチャートを示す。例えば、図２は、クライアント（図１のクライアント１１０など）にＡＰＩへのアクセスを提供するためにＡＰＩプラットフォーム（図１のＡＰＩプラットフォーム１２０など）により請け負われ得る動作の一例を示し得る。
ブロック２０５において、ＡＰＩプラットフォームが、複数のＡＰＩにわたり反復して（iterate over）複数のＡＰＩの各々についてメタデータ及び／又は認証タイプを抽出し得る。例えば、ＡＰＩプラットフォームは、ＡＰＩドキュメンテーションページ又はＡＰＩの各々のための他の情報ソース、例えば、ＡＰＩリポジトリ又はＡＰＩに関する情報を集約する１つ以上の他のサービスなどをクロール、トラバース、ハイパーテキストマークアップ言語（ＨＴＭＬ）スクレープ（scrape）等することができる。そうするために、ＡＰＩプラットフォームは、複数の異なるＡＰＩホスティングサーバと対話してもよく、あるいはそうでなくてもよい。追加的又は代替的に、そのようなタスクを実行するために、ＡＰＩプラットフォームは、セレニウム（Selenium）などのウェブ自動化ツールを利用してもよい。いくつかの実施形態において、ＡＰＩにわたり反復するとき、ＡＰＩプラットフォームは、ＡＰＩがどのタイプの認証を使用するか、例えば、ＯＡｕｔｈ、ＡＰＩ鍵などを示す情報を取得してもよい。追加的又は代替的に、ＡＰＩプラットフォームは、所与のＡＰＩのタイトル（title）、所与のＡＰＩのホスト（例えば、ホストのＩＰアドレス、ホストのエンティティ名など）、ＡＰＩドキュメンテーションページの位置（ドキュメンテーションページのユニフォームリソースロケータ（ＵＲＬ）など）などを取得してもよい。いくつかの実施形態において、特定の入力データセットが準備されて、ユーザ登録及び／又は認証分類を容易にしてもよい。
ブロック２１０において、新しいユーザが、所与のＡＰＩへのアクセスを容易にするためにＡＰＩに登録され得る。例えば、ＡＰＩプラットフォームは、新しいユーザのアカウントを自動的に作成し、登録することができる。いくつかの実施形態において、ＡＰＩプラットフォームは、ＡＰＩのサインアップページのためのフォームを自動的に識別し、かつ／あるいは記入する（fill in）ことができる。追加的又は代替的に、ＡＰＩプラットフォームは、ＡＰＩに自動的にサインインしてアカウント作成を立証してもよい。ブロック２１０の動作のいくつかの例は、図３（新しいユーザアカウントを登録する例）、図４（検索エンジンベースのアプローチを使用して所与のＡＰＩのためのサインアップページを識別する例）、図５（機械学習システムのためのモデルを生成及び／又は訓練する例）、図６（機械学習ベースのアプローチを使用して所与のＡＰＩのためのサインアップページを識別する例）、図７（サインアップページのフォームに自動的に記入する例）、及び／又は図８（サインインページを自動的に識別する例）を参照してより詳細に図示及び説明され得る。
ブロック２１５において、所与のＡＰＩが認証タイプとしてＡＰＩ鍵を使用してアクセスされるか又はＯＡｕｔｈ（例えば、ＯＡｕｔｈ２．０）を使用してアクセスされるかについて、判定が行われ得る。例えば、ＡＰＩプラットフォームは、ブロック２０５におけるトラバースを介して認証のタイプに関する情報を取得することができる。認証タイプがＯＡｕｔｈであると判定された場合、方法２００はブロック２２０に進み得る。認証タイプがＡＰＩ鍵であると判定された場合、方法２００はブロック２２５に進み得る。
ブロック２２０において、アプリケーション又はプロジェクトが、ＯＡｕｔｈクレデンシャルを導出するためにＡＰＩホストに登録され得る。例えば、ＡＰＩプラットフォームは、ＡＰＩ登録ページを識別し、アクセスすることができ、ＡＰＩホストにプロジェクトを登録するプロセスを自動的にトラバースすることができる。アプリケーション又はプロジェクトを登録すると、ＡＰＩプラットフォームは、ＯＡｕｔｈクレデンシャルとして使用され得るクライアント識別子、クライアントシークレット（client secret）などの情報を取得することができる。追加的又は代替的に、ＯＡｕｔｈクレデンシャルとして、ＯＡｕｔｈ認可コードが取得されてもよい。ＡＰＩプラットフォームがアプリケーション又はプロジェクトを登録するために利用し得るプロセスの一例を図９に示す。
ブロック２２５において、ＡＰＩ鍵が抽出され得る。例えば、ＡＰＩプラットフォームは、ＡＰＩホストにサインインすることができ、ＡＰＩホストのページを自動的にトラバースしてＡＰＩ鍵ページに到達することができる。ＡＰＩ鍵は、ＡＰＩ鍵ページから、例えば、特定のＨＴＭＬ要素を識別することと、関連づけられたテキスト及び／又は要素を抽出することにより抽出されてもよい。ＡＰＩプラットフォームがＡＰＩ鍵を抽出するために利用し得るプロセスの一例を図１０に示す。
ブロック２３０において、認証データが、所与のＡＰＩのために記憶され得る。例えば、ＡＰＩプラットフォームはＡＰＩ鍵を記憶することができる。別の例として、ＡＰＩプラットフォームは、クライアント識別子及び／又はクライアントシークレットを記憶してもよい。さらなる例として、ＡＰＩプラットフォームは、ＯＡｕｔｈ認可コードを記憶してもよい。これら及び他の実施形態において、ＡＰＩプラットフォームは、ＯＡｕｔｈ認可コード、クライアント識別子、及び／又はクライアントシークレットを利用して、認証データとして記憶され得るＯＡｕｔｈアクセストークンを取得及び／又は更新することができる。ＡＰＩプラットフォームがＯＡｕｔｈアクセストークンを取得及び／又は更新するために利用し得るプロセスの一例を図１１に示す。
ブロック２３５において、所与のＡＰＩが、記憶された認証データに基づいてアクセスされ得る。例えば、ユーザはＡＰＩプラットフォームを介して、ＡＰＩ鍵、ＯＡｕｔｈアクセストークン等を使用して所与のＡＰＩにアクセスすることができ、それにより、ユーザはＡＰＩを利用することができる。いくつかの実施形態において、そのようなアクセスは、サンプルデータを使用して得られてもよく、それにより、ユーザは、使用のためにＡＰＩをサブスクライブし又はその他の方法でより永続的に選択すべきか否かを判断するときＡＰＩを試すことができる。これら及び他の実施形態において、ユーザは、ＡＰＩホストのページを個人的に訪問することなく、所与のＡＰＩへのアクセスを付与されることが可能でもよい。例えば、ＡＰＩプラットフォームは、ＡＰＩホストサイトに自動的にアクセスして認証データを取得してもよく、それにより、ユーザはＡＰＩにアクセスすることができる。
図３は、本開示の１つ以上の実施形態による、新しいユーザを登録する一例示的な方法３００の例示的なフローチャートを示す。図３は、新しいユーザをＡＰＩホストに登録するためにＡＰＩプラットフォームにより利用されるプロセスの一例である。
ブロック３１０において、所与のＡＰＩのためのサインアップページが、検索エンジンベースの検出又は機械学習ベースの検出を使用して自動的に検出され得る。例えば、ＡＰＩプラットフォームは、ＡＰＩドキュメンテーションデータ又は他の取得されたデータ（図２のブロック２０５で得られるものなど）に基づいて検索エンジンベースの検出又は機械学習ベースの検出を利用して、所与のＡＰＩのためのサインアップページの位置を決定することができる。いくつかの実施形態において、検索エンジンベースの検出は、機械学習アプローチが所与のＡＰＩのためのサインアップページを識別するのに失敗した場合に利用されてもよい。追加的又は代替的に、検索エンジンベースの検出は、機械学習ベースの検出のための訓練において使用されるサンプルサインアップページを識別するために使用されてもよい。いくつかの実施形態において、機械学習ベースの検出は、ＡＰＩドキュメンテーションページを開始点として使用することができ、幅優先探索（ＢＦＳ）アプローチ及び予め訓練されたモデルを使用してページをトラバースしてサインアップページを見つけることができる。検索エンジンベースの検出アプローチの一例を図４に示し、機械学習ベースの検出アプローチの一例を図６に示す。
ブロック３２０において、所与のＡＰＩのためのサインアップページのフォームフィールドが自動的に記入され得る。例えば、ＡＰＩプラットフォームは、フォームフィールドを自動的にトラバースし、適切なデータを識別し、適切なデータをフォームフィールドに入力することができる。いくつかの実施形態において、入力されるデータは、前にＡＰＩプラットフォームに提供された、ユーザに特有のデータでもよい。追加的又は代替的に、ＡＰＩプラットフォームは、汎用的な、ランダムな、又は他のサンプルデータを利用してもよく、それにより、入力された情報は、ユーザに明示的に結び付けられない（例えば、ユーザ名＝ｈｅｌｌｏ；電子メール＝ｈｅｌｌｏ＠ｈｅｌｌｏ．ｃｏｍ）。ＡＰＩプラットフォームがサインアップページのフィールドに自動的に記入するために利用し得るプロセスの一例を図７に示す。
ブロック３３０において、アカウントクレデンシャルが、サインアップページの記入されたフォームに基づいて取得され得る。例えば、所与のＡＰＩのためのサインアップページ上のフォームフィールドの全てに記入した後、アカウントクレデンシャルが、所与のＡＰＩを有するアカウントに対して取得されてもよい。いくつかの実施形態において、アカウントクレデンシャルは、サインアップページ上で記入されたフィールドの１つ以上でもよい。いくつかの実施形態において、アカウントクレデンシャルは、フォームフィールドが記入されたことに応答して、所与のＡＰＩのＡＰＩホストからの通信を介して電子メールアカウントから取り出されてもよい。
図４は、本開示の１つ以上の実施形態による、サインアップページの識別に対する検索エンジンベースのアプローチの一例示的な方法４００の例示的なフローチャートを示す。例えば、図４は、図３のブロック３１０の一実装を示し得る。
ブロック４０５において、所与のＡＰＩのための１つ以上の潜在的なサインアップページを識別するために、クエリが生成され得る。例えば、ＡＰＩプラットフォームは、所与のＡＰＩのタイトルと、所与のＡＰＩのプロバイダ、デベロッパ、及び／又はホストとの組み合わせを検索タームとして利用することができる。追加的又は代替的に、「サインアップ」、「アカウント」、「登録」など、他のキーワードがクエリに追加されてもよい。
ブロック４１０において、ブロック４０５で生成されたクエリを使用して、インターネット検索が実行され得る。例えば、ＡＰＩプラットフォームは、クエリをサブミットすることができる。いくつかの実施形態において、セレニウムなどのウェブ自動化技術が、インターネットクエリをサブミットするために使用されてもよい。
ブロック４１５において、ブロック４１０で実行された検索の検索結果から、１つ以上のリンクが抽出され得る。例えば、ＡＰＩプラットフォームは、Ｗｅｂ自動化ツールを利用して検索結果からリンクを抽出することができる。いくつかの実施形態において、検索結果のＨＴＭＬコード内の「a」タグが抽出されてもよい。追加的又は代替的に、複数のレイヤを通しての後続ページ（例えば、リンクを辿ったとき到達されるページ）のＨＴＭＬコード内の「a」タグが抽出されてもよい。
ブロック４２０において、抽出されたリンクのコンテンツ（及び／又は抽出されたリンクの後続コンテンツ）が、コンテンツ上のフォームフィールドを辞書内のターム（terms）と相関させることにより、コンテンツ上のサインアップフォームを検出するために反復的に検索され得る。例えば、ＡＰＩプラットフォームは、ＢＦＳ検索を利用し、クエリ結果からの第１のリンクを用いて開始してもよい。ＡＰＩプラットフォームは、第１のリンクを開き、ページ上の記入可能な（fillable）フォームについて検索し、記入可能なフィールドを辞書内のフィールド及び／又は情報と比較してこのページの類似度スコアを生成することができる。これら及び他の実施形態において、第１のリンクのページの分析（例えば、類似度スコア）は、閾値と比較されてもよい。閾値を下回る場合、ＡＰＩプラットフォームは次のリンクに進み、次のページ等を分析してもよい。検索クエリからの第１のページセット（例えば、最初の１０個の結果、最初の２０個の結果など）がサインアップページを識別しない場合、ＡＰＩプラットフォームは、次のページレイヤを分析することができる。例えば、ＡＰＩプラットフォームは、第１のリンクのページで開始し、そのページからハイパーリンク（例えば、「ａ」タグ）を抽出してもよく、これらのリンクのページを分析してもよい。これらのページがサインアップページとして識別されない場合、ＡＰＩプラットフォームは、第２の結果上のハイパーリンクのページなどを分析することができる。次のページレイヤのうちいずれも、サインアップページとして識別されない場合、ＡＰＩプラットフォームは、次のレイヤ等に進んでもよい。
いくつかの実施形態において、ＡＰＩプラットフォームは、辞書を構築することができる。例えば、ＡＰＩプラットフォームは、設定された数のサンプルサインアップページ（例えば、５つの既知のサインアップページ）を識別することができ、設定された数の属性を選択してページの各々から抽出することができる（例えば、ＩＤ、名前（Name）、タイプ（Type）、及びプレースホルダ（Placeholder））。ページの属性の値は、カテゴリごとに別個のファイルに記憶されてもよい。複数のページにわたる重複は、除去されてもよい。以下の表は、４つの属性にわたる値の例を示す。
Figure 2022016303000002
Figure 2022016303000003
Figure 2022016303000004
Figure 2022016303000005
いくつかの実施形態において、ＡＰＩプラットフォームは、自然言語ツールキット（例えば、ＮＬＴＫ）を利用して辞書内のエントリをトークン化し、クリーニングすることができる。例えば、全ての記号が、スペースで置き換えられてもよい（例えば、「Register_DOB_day」は、「Register DOB day」に変換され得る）。別の例として、タームは、例えば、「Full Name」を単一のフレーズとしてトークン化することにより、（例えば、予め訓練されたＰｕｎｋｔモデルを使用して）トークン化されてもよい。さらなる例として、単一の文字及び／又は数字は除去されてもよい。
いくつかの実施形態において、ＡＰＩプラットフォームは、複数単語の連結を別個の単語に分離することができる。例えば、頻度ごと単語モデル（words-by-frequency model）を使用して、「Useraccount」などのフレーズを「User account」に分離してもよい。いくつかの実施形態において、頻度ごと単語モデルは、さらなるサインアップページからの新しいデータに基づいて適合されるコスト辞書（例えば、ジップの法則（Zipf’s law）を使用し、ここで、コスト＝－ｌｏｇ（確率）連結が別個の単語であることの）を利用することができる。
所与のページを辞書と比較するとき、ＡＰＩプラットフォームは、ページ上の属性を識別することができ、辞書内の全てのタームを抽出された属性と比較して類似度スコアを計算することができる。各属性について、最も高い類似度スコアを選択することができ、抽出された属性の全てにわたって平均類似度スコアを計算することができる。例えば、抽出された属性が「Password」（９．９９の類似度スコアを生じる）、「User」（７．６６の類似度スコアを生じる）、及び「login」（６．３３の類似度スコアを生じる）であった場合、ページの全体類似度スコアは７．９９であり得る。そのスコアは、所与のページがサインアップページであるか否かを検出するために、閾値との比較において使用されてもよい。
ブロック４２５において、フォームフィールドと辞書内のタームとの間の相関が閾値を超えていることに基づき、コンテンツの１つが所与のＡＰＩのサインアップページとして識別され得る。例えば、相関を表す全体類似度スコア（上記の例では７．９９）が閾値（例えば、７．７５）を超えている場合、所与のページが、所与のＡＰＩのためのサインアップページとしてＡＰＩプラットフォームにより識別されてもよい。
ブロック４３０において、識別されたサインアップページのロケータ（locator）が記憶され得る。例えば、ＡＰＩプラットフォームは、サインアップページのＵＲＬを所与のＡＰＩのためのレコードに記憶することができ、それにより、ユーザが所与のＡＰＩへのアクセスを要求したとき、ＡＰＩプラットフォームはサインアップページのアドレスを認識している。
いくつかの実施形態において、サインアップページを識別するプロセス（例えば、図３のブロック３１０、図４の方法４００、及び／又は図５の方法）は、所与のＡＰＩに対して１回実行されてもよく、次いで、ＡＰＩプラットフォームは、どれほど多くのユーザが所与のＡＰＩへのアクセスを要求するかにかかわらず、所与のＡＰＩのためのサインアップページを記憶していてもよい。追加的又は代替的に、サインアップページは、ユーザがアクセスを要求するたび識別されてもよく、あるいは、サインアップページの位置（例えば、サインアップページのＵＲＬ）が依然として同じであることを確認するために周期的に（例えば、月に１回など）アップデートされてもよい。
図５は、本開示の１つ以上の実施形態による、モデルを生成及び／又は訓練する一例示的な方法５００の例示的なフローチャートを示す。方法５００は、予め訓練されたモデル又は分類器を生成するための、本開示全体を通して繰り返し使用されるプロセスを表し得る。例えば、図６のブロック６１０、図７のブロック７１０、図８のブロック８１０、図９のブロック９１５、図１０のブロック１０１０などは、訓練されたモデル又は分類器を生成する際に図５の方法５００で示されているものに類似又は相当するプロセスを利用することができる。
ブロック５１０において、訓練データがベクトル化され（vectorized）得る。訓練データは、訓練されるモデル又は分類器に依存して、任意の取得されたデータでもよい。例えば、訓練データは、既知のサインアップページ、既知のサインインページ、既知の記入可能フォームなど、及び／又はそれらから抽出されたデータ又はメタデータでもよい。例えば、所与のサインアップページについて、そのページの全ての属性及びラベルテキストが抽出されてもよい。いくつかの実施形態において、特定の属性（例えば、onclick、style、data-bind）は除外されてもよい。
ブロック５２０において、ベクトルがページに対してどれほど重要かを定量化するために、ベクトルの各々に対するターム頻度－逆文書頻度（term frequency-inverse document frequency、ＴＦ－ＩＤＦ）を使用して正規化が実行され得る。ＴＦ－ＩＤＦが記載されているが、これは、本開示と矛盾しない機械学習モデルのための訓練データを生成及び／又は適用する単なる一例であり、任意のそのようなアプローチが、本開示の実施形態のいずれにおいても利用されてよいことが理解されるであろう。例えば、ＴＦ－ＩＤＦの代わりに、予め訓練されたモデルを適用して、所与のＡＰＩに関連づけられた様々なページ内の訓練データの埋め込みの判定を容易にしてもよい。
ブロック５３０において、ランダムフォレスト（ＲＦ）分類器モデルが訓練され得る。例えば、ＡＰＩプラットフォームは、ブロック５１０でベクトル化された訓練データ及び結果（例えば、これらのタームのベクトルは特定の特性に対応する）の態様をＲＦモデルに提供することができる。ＲＦ分類器が記載されているが、これは、本開示に従って利用され得る機械学習モデルの単なる一例であり、任意の機械学習モデルが、本開示の実施形態のいずれにおいても使用されてよいことが理解されるであろう。例えば、ランダムフォレストモデルの代わりに、ニューラルネットワーク、ディープラーニングモデルなどの他の機械学習モデルを使用することができる。
ブロック５４０において、ブロック５３０で訓練されたモデルが交差検証され得る。例えば、ＡＰＩプラットフォームは、基準を満たすことがわかっている別のデータセットをＲＦモデルに提供することができ、ＲＦモデルの性能を観察することができる。いくつかの実施形態において、評価は、５分割層化交差検証（five-fold stratified cross-validation）手法を利用してもよく、適合率（precision）、再現率（recall）、Ｆ１スコア、正解率（accuracy）などが、訓練されたモデルについて検証されてもよい。
ブロック５５０において、モデルの正解率が閾値を上回るかどうか判定が行われ得る。正解率がモデルの閾値を超える場合、方法５００はブロック５６０に進み得る。正解率が閾値を下回る場合、方法５００はブロック５３０に戻り、モデルをさらに訓練し得る。例えば、さらなる訓練データがモデルに提供されてもよい。追加的又は代替的に、ＲＦモデルの他のパラメータ又は設定が修正されてもよい。
図６は、本開示の１つ以上の実施形態による、サインアップページの識別に対する機械学習ベースのアプローチの一例示的な方法６００の例示的なフローチャートを示す。例えば、図６は、図３のブロック３１０の一例示的な実装を示す。図６は、訓練部分（ブロック６０５及び６１０）及びライブ使用（live usage）部分（ブロック６５０～６７０）を含む。
ブロック６０５（訓練部分内）において、収集されたサインアップページからデータが抽出され得る。例えば、ＡＰＩプラットフォームは、検索エンジンベースのアプローチを利用して複数のＡＰＩサインアップページを識別することができ、訓練データとして使用されるこれらのＡＰＩページを収集することができる。追加的又は代替的に、ユーザが、ＡＰＩプラットフォームに対して既知のサインアップページを手動で選択し、識別し、あるいはその他の方法で提供してもよい。
ブロック６１０において、機械学習プロセスにより使用されるように、サインアップページの訓練モデルが生成され得る。例えば、ＡＰＩプラットフォームは、ブロック６０５からのデータを訓練データとして使用して、図５に示されるものなどのプロセスを利用することができる。
ブロック６５０（ライブ使用部分内）において、新しいＡＰＩについてＡＰＩドキュメンテーションページが取得され得る。例えば、ＡＰＩドキュメンテーションページは、（図２のブロック２０５のように）ＡＰＩプラットフォームにより識別されてもよい。
ブロック６５５において、ＡＰＩドキュメンテーションページからリンクが抽出され得る。例えば、ＡＰＩプラットフォームは、全ての「a」タグを抽出することができ、ハイパーリンクの構造（例えば、http://*.*）について検索することができる。
ブロック６６０において、抽出されたページが、所与の抽出されたページからデータを抽出すること及び抽出されたデータを予め訓練されたモデルと比較することにより、所与の抽出されたページが所与のＡＰＩのためのサインアップページであるか否かを検出するために、反復的に分析される。例えば、所与の抽出されたページについて、ＡＰＩプラットフォームは、ブロック６０５に類似又は相当する方法で全ての属性値及びラベルテキストを抽出することができる。この例を続けると、抽出されたデータは、図５のブロック５１０及び５２０のものに類似又は相当する方法でベクトル化及び／又は正規化されてもよく、データは、ブロック６１０で生成された訓練モデルに提供されてもよい。
ブロック６６５において、予め訓練されたモデルとの比較に基づき、所与のページが、所与のＡＰＩのためのサインアップページとして識別され得る。例えば、ＡＰＩプラットフォームにより抽出されたデータに訓練されたモデルを適用することで、所与のページが所与のＡＰＩのためのサインアップページであることを示すことができる。所与のページがサインアップページとして識別されない場合、ＡＰＩプラットフォームは、抽出されたページ及び／又は後続ページ（リンク先ページ上のリンクなど）を反復的に分析し続けてもよい。
ブロック６７０において、識別されたサインアップページのロケータが記憶され得る。例えば、ＡＰＩプラットフォームは、所与のＡＰＩに関連づけられたリポジトリにサインアップページを記憶することができる。追加的又は代替的に、識別されたサインアップページをモデルの訓練に提供して、モデルをさらにチューニング及び／又は訓練してもよい。
図７は、本開示の１つ以上の実施形態による、サインアップページのサインアップフォームに自動的に記入する一例示的な方法７００の例示的なフローチャートを示す。図７は、訓練部分（ブロック７０５及び７１０）及びライブ使用部分（ブロック７５０～７９０）を含む。
ブロック７０５（訓練部分）において、抽出されたデータが代表的な入力フィールドにカテゴライズされ得る。例えば、サインアップページを識別するために使用される既知のサインアップページの各々についてブロック６０５で抽出されたデータが抽出されてもよく、例えば、入力タグ属性値及び／又はラベルテキストの全てである。
ブロック７１０において、フィールドの各々について代表的な分類器を作成するために、ブロック７１０の抽出されたデータが使用され得る。例えば、代表的な入力フィールドのセットが識別されてもよく、各々がその独自の分類器を生成されてもよい。このような代表的なフィールドには、ＩＤ、電子メール、ユーザ名、パスワードなどを含んでもよい。代表的なフィールドは、既知のサインアップページを分析することにより、又はそのようなフィールドのユーザ選択若しくは識別から、ＡＰＩプラットフォームにより自動的に生成されてもよい。
ブロック７５０（使用部分）において、サインアップページが取得され得る。例えば、ＡＰＩプラットフォームは、リポジトリからサインアップページのためのＵＲＬを識別することができ、サインアップページにナビゲートすることができる。
ブロック７５５において、サインアップページ上の記入可能フィールドの各々を識別するために、サインアップページからデータが抽出され得る。例えば、ＡＰＩプラットフォームは、全ての入力タグ属性値を抽出することができる。
ブロック７６０において、所与の記入可能フィールドについて、分類されたフィールド内のフィールドに対するマッチがあるかどうか判定が行われ得る。例えば、ＡＰＩプラットフォームは、異なるクラスについての訓練モデルを利用して、ブロック７１０からの代表的なフィールド内にマッチがあるかどうかを決定することができる（例えば、分析されている所与のページ上にフィールド「パスワード」があり、訓練されたモデルが「パスワード」をマッチであるとして識別する代表的なフィールド「パスワード」が存在する）。マッチがある場合、方法７００はブロック７７０に進み得る。マッチがない場合（例えば、分類器が失敗する（例えば、訓練されたモデルのいずれも肯定的な結果を返さない）場合、又は複数の代表的なフィールド間に矛盾がある（例えば、複数の訓練されたモデルが肯定的な結果を返す）場合）、方法７００はブロック７６５に進み得る。
ブロック７６５において、最も近いマッチが識別され得る。例えば、最も近い代表的なフィールドを識別するために、辞書を用いた類似度スコアが利用されてもよく、例えば、図４を参照して説明した辞書及び類似度スコアなどである。
ブロック７７０において、所与のＡＰＩへの一時的なアクセスを提供してサインアップクレデンシャルを受け取るために、フィールドにサンプル値が入力され得る。例えば、サンプル値は、ＡＰＩプラットフォームに関連づけられた汎用的なターム又はサンプルタームでもよく、それにより、ＡＰＩプラットフォームのユーザに一時的なアクセスが提供され得る。
ブロック７７５において、システムが進行するのにその能力を制限されているかどうか判定がなされ得る。例えば、キャプチャ（captcha）フィールド、又は、ＡＰＩプラットフォームが継続して記入可能なフォームに情報を入力し又は記入されたフォームをサブミットすることを妨げる他のコンポーネントがある場合、システムが進行するのを可能にすることに制限があり得る。いくつかの実施形態において、制限は、最も近いマッチなどの識別されたフィールド及び／又は入力されている不適切なデータの間のミスマッチにより引き起こされるエラー又は失敗であり得る。制限がある場合、方法７００はブロック７８０に進み得る。制限がない場合、方法７００はブロック７８５に進み得る。いくつかの実施形態において、ブロック７７５の動作は、方法７００及び／又は他の方法全体を通して進行する動作でもよい。例えば、サインアップ、サインイン、プロジェクトの登録などの間にキャプチャフィールドが生じる場合、ＡＰＩプラットフォームは、進行する前にユーザに入力を促す（prompt）ことができる。
ブロック７８０において、ユーザは入力を促され得る。例えば、ユーザは、キャプチャリクエストに従うように、又はＡＰＩプラットフォームがＡＰＩへのサインアップを続行する能力に対する制限をトリガしているエラーを訂正するように促されてもよい。
ブロック７８５において、ユーザが所与のＡＰＩを採用するとき、サンプル値を確立された値に変更するために、ユーザ入力が受け取られ得る。例えば、ユーザは、ＡＰＩを試し、自身がそのソフトウェアプロジェクトで所与のＡＰＩを使用したいと判断した後、自身の個人情報及び／又は自身のプロジェクトに関する情報をサブミットすることができてもよい。いくつかの実施形態において、ブロック７８５は、エラーを訂正し、又は記入可能なフォームフィールドに対して正しい情報を入力するユーザフィードバックなどの、任意のユーザフィードバックを表すことができる。
ブロック７９０において、ブロック７１０の訓練モデルが、アップデート及び／又は再訓練され、あるいはフォームに記入する間に生じた変更を組み込み得る。例えば、ユーザが記入可能なフォームフィールドの分類におけるエラーを訂正した場合、又は特定のサンプルデータがエラーをトリガした場合、モデルは、訂正を考慮に入れる（account for）ことができ、それにより、異なるＡＰＩ（又は、同じ所与のＡＰＩ）に対する将来のＡＰＩのサインアップについて、ＡＰＩとの自動的なサインアップが、ユーザ入力のフィードバックを使用することにより、より合理化された及び／又は中断されない方法で生じ得る。いくつかの実施形態において、ユーザにより入力された訂正されたサンプル値は、他の対応する記入可能フィールドに使用するためのサンプル値として保存されてもよい。
図８は、本開示の１つ以上の実施形態による、サインインページの識別及びサインインに対する機械学習ベースのアプローチの一例示的な方法８００の例示的なフローチャートを示す。いくつかの実施形態において、方法８００に従って、実行されたサインアップ、例えば、図７の方法７００に従うことにより行われたサインアップなどの成功を立証することができる。図８は、訓練部分（ブロック８０５及び８１０）及びライブ使用部分（ブロック８５０～８８０）を含む。
ブロック８０５において、様々なＡＰＩのための収集されたサインインページからデータが抽出され得る。例えば、ＡＰＩプラットフォームは、属性値及び／又はラベルを抽出することができる。
ブロック８１０において、機械学習プロセスにより使用されるように、サインインページの訓練モデルが生成され得る。例えば、ブロック８１０は、図５に示すプロセスに従ってサインインページのモデルをベクトル化し、訓練し、検証することができる。
ブロック８５０において、所与のＡＰＩのためのサインインページが取得され得る。例えば、サインインページは、（図４又は図６に示される方法を使用するなどで）事前に識別されてもよい。
ブロック８５５において、サインインページからリンクが抽出され得る。ブロック８５５は、ブロック６５５に類似又は相当してもよい。
ブロック８６０において、抽出されたページが、所与の抽出されたページからデータを抽出すること及び抽出されたデータを予め訓練されたモデルと比較することにより、所与の抽出されたページがＡＰＩプラットフォームがサインアップした所与のＡＰＩのためのサインインページであるか否かを検出するために、反復的に分析され得る。例えば、所与の抽出されたページについて、ＡＰＩプラットフォームは、ブロック６０５に類似又は相当する方法で全ての属性値及びラベルテキストを抽出することができる。この例を続けると、抽出されたデータは、図５のブロック５１０及び５２０のものに類似又は相当する方法でベクトル化及び／又は正規化されてもよく、データは、ブロック８１０で生成された訓練モデルに提供されてもよい。
ブロック８６５において、予め訓練されたモデルとの比較に基づき、所与のページが、所与のＡＰＩのためのサインインページとして識別され得る。例えば、ＡＰＩプラットフォームにより抽出されたデータに訓練されたモデルを適用することで、所与のページが所与のＡＰＩのためのサインインページであることを示すことができる。所与のページがサインインページとして識別されない場合、ＡＰＩプラットフォームは、抽出されたページ及び／又は後続ページ（リンク先ページ上のリンクなど）を反復的に分析し続けてもよい。
ブロック８７０において、サインインフィールドが、所与のＡＰＩのためにサインアップするとき使用されるクレデンシャルを用いて自動的に記入され得る。例えば、図７に示すサインアッププロセスに使用されるユーザ名、電子メール、パスワードなどの対応するフィールドが、同じラベルを有するサインインページの入力ラベル付きフィールドに自動的に記入されてもよい。いくつかの実施形態において、クレデンシャル記入ルーチンは、フィールドの抽出、最も近いマッチの識別、サンプル値の提供など、所与のＡＰＩのために自動的にサインアップするために使用されるもの（例えば、図７の方法７００）に類似又は相当するルーチンに従ってもよい。
ブロック８７５において、サインインが成功したかどうか判定が行われ得る。サインインが成功した場合、方法８００はブロック８８０に進み得る。サインインが成功しなかった場合、方法８００はブロック８５０に戻り得る。例えば、ＡＰＩプラットフォームは、誤ったサインインページが前に識別された場合、代替サインインページを識別しようとしてもよい。いくつかの実施形態において、ＡＰＩプラットフォームは、失敗したサインインに対して、ユーザに入力を促すことができる。例えば、ユーザは、失敗したサインインを引き起こした記入可能なフィールドに対応する適切なサンプル値を識別するように求められてもよい。
ブロック８８０において、サインインの結果及び関連データが記憶され得る。例えば、ＡＰＩプラットフォームは、成功のサインインの間に使用されたサインインページのＵＲＬ、サインインクレデンシャル、それらの対応するフィールドなどを記憶することができる。
図９は、本開示の１つ以上の実施形態による、アプリケーション又はプロジェクトを登録する一例示的な方法９００の例示的なフローチャートを示す。例えば、所与のＡＰＩが認証アプローチとしてＯＡｕｔｈ（例えば、ＯＡｕｔｈ２．０）を利用する場合、ＡＰＩホストは、プロジェクトをＡＰＩホストに登録する前にＡＰＩへのアクセスを妨げる可能性がある。図９は、訓練部分（ブロック９０５～９２０）及びライブ使用部分（ブロック９５０～９７５）を含む。
ブロック９０５（訓練部分）において、アプリケーション登録ページが取得され得る。例えば、既知のアプリケーション登録プロセスについて、ＡＰＩプラットフォームは、アプリケーション登録プロセス全体を通じての様々な状態の複数の代表的な例を取得することができる。いくつかの実施形態において、ページの各々は、より良く理解され、及び／又はモデルに組み込まれるために、前処理されてもよい。例えば、所与のページについて、生のテキスト記述が、トークン化プロセスを通じて単語、キーワード等に分割されてもよい。別の例として、トークン化されたテキストは、同じ単語の異なる語形変化を組み合わせることができるレンマ化プロセスを受けてもよく、それにより、それらは単一のアイテムとして分析することができる（例えば、「am」、「are」、「is」を「be」に変換すること、又は「car」、「cars」、「car’ｓ」、「cars’」をcarとして変換することなど）。さらなる例として、ストップワードは無視されてもよい（例えば、「the」、「is」、「at」、「which」、「a」、「an」など）。別の例として、連結されたトークンは、ブロック５２０を参照して説明されるものと類似のアプローチを使用して別個の単語に分割されてもよい（例えば、ターム「UserID」は、「User」及び「ID」に分けられてもよい）。
ブロック９１０において、代表的な状態（representative state）に関するユーザアノテーション付き（user-annotated）データが取得され得る。例えば、ＡＰＩプラットフォームは、様々な代表的な状態を識別するアプリケーション登録プロセスのために、既知のページのセットにユーザアノテーションを提供するようにユーザに促すことができる。別の例として、ユーザは、他の場所で異なるページにアノテーションを付けてもよく、アノテーション付きバージョンをＡＰＩプラットフォームに直接提供してもよい。
ブロック９１５において、アノテーション付きデータに基づいて、代表的な状態の各々について分類器／モデルが訓練され得る。ブロック９１５は、図５を参照して説明したものと類似のアプローチに従ってもよい。いくつかの実施形態において、ブロック９１５は、異なるベクトル化器（vectorizer）を利用してもよく、なぜならば、語彙が、訓練されている他のモデルに対してよりもより広い可能性があるためである。これら及び他の実施形態において、ベクトル長を低減し、モデルの訓練及び／又はモデルの適用に関連して処理コストを減らすために、ハッシュベクトル化器を使用して、ターム頻度値のハッシュを提供してもよい。
ブロック９２０において、予め定義された状態の各々に関連づけられた予め定義されたアクションのセットが識別され得る。例えば、ユーザアノテーション付きデータは、所与の状態からどのアクションが取られ得るかを示すことができる。別の例として、ＡＰＩプラットフォームが、状態間の遷移、及び既知のアプリケーション登録ページの遷移を引き起こすために取られるアクションを決定することにより、どのステップが状態間で最もしばしば取られるかを決定してもよい。
ブロック９５０（ライブ使用部分）において、所与のＡＰＩについて、ＡＰＩのためのドキュメントページが取得され得る。例えば、ドキュメントページは、ＡＰＩホストとの成功のサインインの後のランディングページを含むことができる。別の例として、ドキュメントページは、所与のＡＰＩのためのホームページを含んでもよい。さらなる例として、ドキュメントページは、アプリケーション登録プロセスが始まり得る任意のページでもよい。
ブロック９５５において、現在の状態が決定され得る。例えば、ブロック９５５は、ＡＰＩプラットフォームが現在のページのテキストデータを抽出することができ、それを代表的な状態の各々についてのモデルの各々と比較することができる、本明細書に記載される他のプロセスと類似のプロセスに従うことができる。マッチを有するモデルに基づき（例えば、１つのモデルのみが肯定的な結果を返す）、現在の状態は、マッチするモデルに関連づけられた代表的な状態に対応し得る。複数のモデルが肯定的な結果を返すか、又はどのモデルも肯定的な結果を返さない場合、最も近いマッチが現在の状態として取得されてもよい。
ブロック９６０において、登録プロセスが完了しているかどうか判定が行われ得る。登録プロセスが完了していない場合、方法９００はブロック９６５に進み得る。登録プロセスが完了している場合、方法９００はブロック９７０に進み得る。
ブロック９６５において、ＡＰＩプラットフォームが、現在の状態から次の状態に遷移するために現在の状態にあるとき利用可能なアクションを取ることができ、その後、方法９００は、ブロック９５５に戻って現在の状態を識別し得る。いくつかの実施形態において、状態遷移は、システムが現在の状態から特定の潜在的な次の状態に遷移する確率が表されるマルコフモデルにより表されてもよい。例えば、状態の各々を表す確率の行列が準備されてもよい（例えば、Ｎ個の状態では、ある状態から別の状態に遷移する確率のＮ×Ｎ行列）。これら及び他の実施形態において、どのアクションを取るべきか／どの遷移を辿るべきかを選択するとき、ＡＰＩプラットフォームは、（例えば、numpy.random.choiceアルゴリズムを使用することにより）確率により知らされる次の状態のランダムな選択を行ってもよい。
いくつかの実施形態において、状態遷移は、遷移された状態が正しい状態であることを立証するためのチェックを含むことができる。例えば、アクションの後の新しい状態は、新しい状態が予期された状態であるかを確認するためにチェックされてもよい。予期された状態が新しい状態でない場合、ＡＰＩプラットフォームは、前の状態に逆戻りし、異なるアクションを選択してもよい。
潜在的な状態、それらの間で遷移するアクションなどに関して、図１２Ａ～図１２Ｅは、代表的な状態、それらの間の遷移、及びそれらに関連づけられた潜在的な確率の例示を含む。これらの例は、決して限定的なものでなく、単に本開示の原理を伝えるための例示の役割を果たす。
ブロック９７０において、クライアントＯＡｕｔｈクレデンシャルが抽出され得る。例えば、アプリケーション及び／又はプロジェクトが登録プロセスを完了した後、クライアント識別子、クライアントシークレット等がＯＡｕｔｈクレデンシャルとして抽出されてもよい。追加的又は代替的に、ＯＡｕｔｈ認可コード及び／又はアクセストークンがＯＡｕｔｈクレデンシャルとして抽出されてもよい。
ブロック９７５において、抽出されたＯＡｕｔｈクレデンシャルが記憶され得る。例えば、ＡＰＩプラットフォームは、ＯＡｕｔｈクレデンシャルを所与のＡＰＩに関連づけられたものとして記憶することができる。これら及び他の実施形態において、ＯＡｕｔｈクレデンシャルは、それらを使用して所与のＡＰＩにアクセスする、所与のＡＰＩにアクセスするためのユーザの承認を確認する等ができるように、記憶されてもよい。
図１０は、本開示の１つ以上の実施形態による、ＡＰＩ鍵を抽出する一例示的な方法１０００の例示的なフローチャートを示す。例えば、所与のＡＰＩが認可のためにＡＰＩ鍵を利用するプロジェクトについて、ＡＰＩプラットフォームは、サインアップの後に方法１０００に従ってＡＰＩ鍵を抽出することができる。図１０は、訓練部分（ブロック１００５及び１０１０）及びライブ使用部分（ブロック１０５０～１０７０）を含む。
ブロック１００５において、様々なＡＰＩのための収集されたＡＰＩ鍵ページからデータが抽出され得る。例えば、ＡＰＩプラットフォームは、属性値及び／又はラベルを抽出することができる。
ブロック１０１０において、機械学習プロセスにより使用されるように、ＡＰＩ鍵ページの訓練モデルが生成され得る。例えば、ブロック１０１０は、図５に示すプロセスに従い、ＡＰＩ鍵ページのモデルをベクトル化し、訓練し、検証することができる。
ブロック１０５０において、所与のＡＰＩについてのＡＰＩドキュメントページが取得され得る。例えば、ドキュメントページは、ＡＰＩホストとの成功のサインインの後のランディングページを含んでもよい。別の例として、ドキュメントページは、所与のＡＰＩのためのホームページを含んでもよい。
ブロック１０５５において、ＡＰＩドキュメントページからリンクが抽出され得る。ブロック１０５５は、ブロック６５５に類似又は相当してもよい。
ブロック１０６０において、抽出されたページが、所与の抽出されたページがＡＰＩプラットフォームがサインアップした所与のＡＰＩのためのＡＰＩ鍵ページであるか否かを検出するために、反復的に分析され得る。ブロック１０６０は、部分的に、所与の抽出されたページからデータを抽出し、抽出されたデータを予め訓練されたモデルと比較することにより実行されてもよい。例えば、所与の抽出されたページについて、ＡＰＩプラットフォームは、ブロック６０５に類似又は相当する方法で全ての属性値及びラベルテキストを抽出することができる。この例を続けると、抽出されたデータは、図５のブロック５１０及び／又は５２０のものに類似又は相当する方法でベクトル化及び／又は正規化されてもよく、データは、ブロック１０１０で生成された訓練モデルに提供されてもよい。
ブロック１０６５において、予め訓練されたモデルとの比較に基づき、所与のページが所与のＡＰＩのためのＡＰＩ鍵ページとして識別され得る。例えば、ＡＰＩプラットフォームにより抽出されたデータに訓練されたモデルを適用することで、所与のページが所与のＡＰＩのためのＡＰＩ鍵ページであることを示すことができる。所与のページがＡＰＩ鍵ページとして識別されない場合、ＡＰＩプラットフォームは、抽出されたページ及び／又は後続ページ（リンク先ページ上のリンクなど）を反復的に分析し続けてもよい。追加的又は代替的に、ＡＰＩプラットフォームは、ＡＰＩ鍵ページ上のＡＰＩ鍵を識別及び／又は抽出してもよい。例えば、ＡＰＩ鍵はＡＰＩ鍵ページ上のデータフィールド又はテキストフィールドでもよく、そのフィールド内のテキストが抽出されてもよい。
ブロック１０７０において、ＡＰＩ鍵が記憶され得る。例えば、ＡＰＩプラットフォームは、ＡＰＩに関連してＡＰＩ鍵を、所与のＡＰＩのアクセスを得ようとするときに使用されるクレデンシャルとして記憶することができる。
図１１は、本開示の１つ以上の実施形態による、ＯＡｕｔｈクレデンシャルの解決及び／又は更新の一例示的な方法１１００の例示的なフローチャートを示す。ＡＰＩプラットフォームのユーザが所与のＡＰＩへのアクセスを得ようとするとき、ＡＰＩプラットフォームは、所与のＡＰＩがアクセスを付与するためにＯＡｕｔｈを利用するか又はＡＰＩ鍵を利用するかを判定することができる。それがＡＰＩ鍵である場合、ＡＰＩプラットフォームは、記憶された鍵（例えば、図１０の方法１０００に従って記憶された鍵）を取り出すことができる。それがＯＡｕｔｈセキュリティプロセスである場合、ＡＰＩプラットフォームは、ＯＡｕｔｈクレデンシャルを解決及び／又は更新することができ、それにより、ユーザはＡＰＩにアクセスすることができる。
ブロック１１０５において、記憶されたＯＡｕｔｈ情報が取り出され得る。例えば、ＯＡｕｔｈクレデンシャルを要求する位置に関する情報である。別の例として、情報は、ＡＰＩへのアクセスのためのリクエストをサブミットし、又は該アクセスを要求するプロセスを開始するために使用される、クレデンシャル、関連ソフトウェアアプリケーション／プロジェクト等を含んでもよい。
ブロック１１１０において、情報がＰＯＳＴリクエストとしてアップロードされ得る。例えば、ＡＰＩプラットフォームは、この情報をサブミットして、所与のＡＰＩへのアクセスを要求するプロセスを開始することができる。
ブロック１１１５において、ＯＡｕｔｈオブジェクトが初期化され得る。例えば、ＡＰＩプラットフォームに関連づけられたセカンダリサーバ（ＡＰＩプラットフォームのサブシステムを含む）が、ＡＰＩへのアクセスを要求するためにＯＡｕｔｈオブジェクトを初期化してもよい。
ブロック１１２０において、ＡＰＩプラットフォームにおけるブラウザが、ＡＰＩへのアクセスのリクエストをトリガし得るＯＡｕｔｈリゾルバを開くことができる。いくつかの実施形態において、ＯＡｕｔｈリゾルバは、登録されたアプリケーション／プロジェクトに関連づけられているものとして表現されてもよい。
ブロック１１２５において、ＯＡｕｔｈリゾルバを開いたことに基づき、セカンダリサーバが、ＡＰＩホストからの認可コードを要求することができる。応答して、ＡＰＩホストは、アプリケーションを介してＡＰＩにアクセスする許可が付与されているかをアプリケーション／プロジェクトの登録者に問い合わせることができる。
ブロック１１３０において、ＡＰＩプラットフォームが、アプリケーションを介してＡＰＩにアクセスする許可のリクエストを受信することができる。
ブロック１１３５において、ＡＰＩプラットフォームが、ログインクレデンシャルをサブミットすることができる。例えば、ログインクレデンシャルは、クライアント識別子、クライアントシークレットなどを含んでもよい。
ブロック１１４０において、ＡＰＩホストが、ブロック１１３５でサブミットされたログインクレデンシャルの承認に基づいて、セカンダリサーバにアクセスコードを返すことができる。
ブロック１１４５において、セカンダリサーバが、アクセストークンを要求することができる。例えば、セカンダリサーバは、アクセスコードを使用してアクセストークンを要求してもよい。別の例として、セカンダリサーバは、アクセスコードを使用してＡＰＩコールをサブミットしてもよい。
ブロック１１５０において、セカンダリサーバが、ＡＰＩホストからアクセストークンを取り出すことができる。例えば、ＡＰＩホストは、ブロック１１４５におけるリクエストに基づいてアクセストークンをＰＯＳＴしてもよい。追加的又は代替的に、ＡＰＩホストは、アクセストークンをセカンダリサーバに直接通信してもよい。
ブロック１１５５において、ＡＰＩプラットフォームが、セカンダリサーバからのレスポンスに基づいてＨＴＭＬを作成することができる。例えば、ＡＰＩプラットフォームは、登録されたアプリケーション／プロジェクトの一部として受信され、かつＡＰＩ応答データを提示するＨＴＭＬを作成してもよい。
ブロック１１６０において、ＡＰＩプラットフォームが、作成されたページからアクセストークンを抽出することができる。例えば、セカンダリサーバから受信したデータは、ＯＡｕｔｈのためのアクセストークンを含んでもよい。
ブロック１１６５において、アクセストークンがＡＰＩプラットフォームにより記憶され得る。例えば、ＡＰＩプラットフォームは、所与のＡＰＩに関連してＯＡｕｔｈアクセストークンを記憶することができ、それにより、ユーザが、所与のＡＰＩにアクセスすること及び／又は所与のＡＰＩの使用を観察することを望む場合、クレデンシャルは、そうするためにＯＡｕｔｈアクセストークンを介して利用可能である。いくつかの実施形態において、ＯＡｕｔｈアクセストークンは、期限切れ日付／時刻、又はアクセスが求められた場合にＯＡｕｔｈアクセストークンが更新されるべき経過期間と共に記憶されてもよい。
いくつかの実施形態において、方法１１００は、ユーザがアクセスのリクエストの一部としてサンプル使用を用いることによりＡＰＩを試すよう試みるとき従ってもよい。
本開示の範囲から逸脱することなく、方法２００～１１００のいずれかに修正、追加、又は省略がなされてもよい。例えば、方法２００～１１００のいずれかの動作は、異なる順序で実施されてもよい。追加的又は代替的に、２つ以上の動作が同時に実行されてもよい。さらに、概説された動作及びアクションは例として提供されており、動作及びアクションのいくつかは、開示される実施形態の本質を損なうことなく任意でもよく、より少ない動作及びアクションに組み合わせられてもよく、あるいはさらなる動作及びアクションに拡張されてもよい。
図１２Ａ～図１２Ｅは、状態図の様々な状態及び／又は状態間の遷移を示す。図１２Ａは、３つの一般状態を有する全体的なプロセスを示し、図１２Ｂ～図１２Ｅは、図１２Ａの３つの状態をトラバースするときの状態間の様々な遷移を示す。状態の各々の間で遷移するためにアクションが取られる。いくつかの状況において、図１２Ａ～図１２Ｅは、ある状態から別の状態に遷移するためにそれぞれのアクションが取られる例示的な確率を示す。
図１２Ａは、本開示の１つ以上の実施形態による、アプリケーションを登録する際の第１の例示的な状態のセット１２００ａを示す。
状態１２１０は、所与のＡＰＩに関連づけられたページ、例えば、ＡＰＩホストのホームページ、サインイン後のランディングページ、所与のＡＰＩのためのドキュメンテーションページなどに一般的に到達することを表し得る。追加的又は代替的に、状態１２１０は、ＡＰＩホストサイトへのログイン及び／又はアプリケーション登録プロセスへの着手に関連づけられた状態を表してもよい。
アクション１２５０は、認証開発者ページからアプリケーション登録プロセスに進むために取られるアクションを表し得る。
状態１２２０は、アプリケーション登録プロセスを表し得る。
アクション１２６０は、アプリケーション登録プロセスからクレデンシャル取り出し状態に進むために取られるアクションを表し得る。
状態１２３０は、クレデンシャル取り出し状態を表し得る。クレデンシャル取り出し状態１２３０は、状態１２２０からの登録されたアプリケーションに関連づけられたクレデンシャルがＡＰＩプラットフォームにより取り出し及び記憶され得る状態を表すことができる。
図１２Ｂは、本開示の１つ以上の実施形態による、アプリケーションを登録する際の第２の例示的な状態のセット１２００ｂを示す。図１２Ｂに示される状態は、図１２Ａの状態１２１０のサブ状態を表す。
状態１２１２は、ＡＰＩドキュメントページに存在する状態を表し得る。例えば、ＡＰＩドキュメントページは、所与のＡＰＩに関連するＡＰＩホストシステムにサインインした後のランディングページを表してもよい。
状態１２１４は、潜在的に認証ドキュメントであるもの、換言すれば、アプリケーション登録がアクセスされる元のページに存在する状態を表し得る。
状態１２１２と状態１２１４との間で遷移するアクション（及び、状態１２１４に残るアクション）は、現在の状態に関連づけられた現在のページ内のリンクを抽出することと、タイトルが「authorize」、「authentication」、「authorizing」、「authenticating」、「authorize」、「authenticate」等に類似するＡＰＩ名及び単語を含むか否かを立証することを含む。いくつかの実施形態において、そのようなアクションは、各リンクを反復的に分析するために、図６のブロック６６０のプロセスに類似又は相当してもよい。これら及び他の実施形態において、別のリンクをチェックする各反復が、状態１２１４に留まる矢印により表されてもよい。
図示の例では、認証ドキュメントとして当初カテゴライズされた認証ドキュメント（状態１２１４）がさらなるページ（リンク及び／又はページに相当する第２又は第３のレイヤなど）の分析を含み得る確率は、２３％であり得る。さらに、この例を続けると、認証ドキュメントがアプリケーション登録プロセスを開始するためのボタンを含む確率は、９％の機会を含むことができ、ログインが登録プロセスの前の初期状態である確率は、６８％の機会である。
状態１２１４（認証ドキュメント）と状態１２１８（ログイン）との間で遷移するアクションは、クリーニング及びトークン化の後に「create」、「application」、「register」、「oauth」、「authenticate」、「client id」、「client secret」、「authorization」などのタームを含む、関連する属性テキスト／ラベルを有するリンクを抽出することを含む。例えば、そのような情報を含む、識別されたリンクは、ログイン状態１２１８への遷移を結果としてもたらし得る。いくつかの実施形態において、そのようなアクションは、各リンクを反復的に分析するために、図６のブロック６６０のプロセスに類似又は相当してもよい。これら及び他の実施形態において、別のリンクをチェックする各反復が、状態１２１４に留まる矢印により表されてもよい。
状態１２１６は、ボタン要素を表し得る。いくつかの実施形態において、ログイン状態１２１８に到達するための単なるリンクではなく、ＡＰＩホストサイト構造は、アプリケーション登録プロセスに到達するためにクリックされるボタンを含んでもよい。これら及び他の実施形態において、状態１２１６から状態１２１８への遷移は、「create」、「application」、「register」、「oauth」、「authenticate」、「client id」、「client secret」、「authorization」などのタームを含む属性テキストラベルを有するボタンをクリックすることを含む。
ログイン状態１２１８は、クレデンシャルを入力する状態を表してもよく、それにより、プロジェクト又はアプリケーション登録プロセスは開始することができる。
これら及び他の実施形態において、状態間の遷移は、サインインページ、サインアップページなどを識別及び／又は検出するプロセスに類似又は相当してもよい。
図１２Ｃは、本開示の１つ以上の実施形態による、アプリケーションを登録する際の第３の例示的な状態のセット１２００ｃを示す。図１２Ｃは、図１２Ａの状態１２２０のサブ状態のより詳細な図を示す。図１２Ｄは、図１２Ｃの状態のサブ状態のより詳細な図を示す。図１２Ｅは、図１２Ａの状態１２３０のサブ状態のより詳細な図を示す。
ログイン（状態１２１８）の後、ＡＰＩホストが開発者登録を有する確率は、６％の機会であり、９４％の機会は、ＡＰＩホストがアプリケーション／プロジェクトが登録され得るプロジェクト作成（状態１２２２）に直接進むことである。プロジェクト作成（状態１２２２）の後、クレデンシャルが作成され得る（状態１２３０）。いくつかの実施形態において、開発者登録（状態１２２４）の後、１２％の確率でクレデンシャルを作成することができ（状態１２３０）、そうでなければ、ＡＰＩホストプロセスは開発者登録の後にプロジェクト作成を含むことができる。
図１２Ｄは、本開示の１つ以上の実施形態による、アプリケーションを登録する際の第４の例示的な状態のセット１２００ｄを示す。例えば、ログイン（状態１２１８）がプロジェクト登録に直接進むとき、状態は、状態１２２５で開始し得る。別の例として、ログイン（状態１２１８）が開発者登録（状態１２２４）に進むとき、状態は、図１２Ｄに示されるように状態１２２４で開始し得る。
状態１２２４において、アプリケーション／プロジェクトの開発者に関する情報が入力され得る。いくつかの実施形態において、そのような情報の入力は、図７に示されたＡＰＩに対するサインアップのための記入可能なフォームへの自動的な記入を参照して説明されたものと類似の自動化された方法で進めてもよい。
状態１２２５において、所与のＡＰＩ及び／又はＡＰＩホストに関連づけられたサービス規約（terms of service）が、レビューのために利用可能であり得る。いくつかの実施形態において、ＡＰＩプラットフォームは、サービス規約のコピーを所与のＡＰＩに関連づけられたものとしてサービス規約ストレージ１２８０に記憶することができる。状態１２２５（サービス規約の閲覧）からプロジェクト登録（状態１２２６）に遷移するために、アクションは、サービス規約を承認するためにリンク又はボタンを識別及びクリックすることを含んでもよい。例えば、class「button」、「accept」のid、及び「href」属性又は類似若しくは相当するもののプロパティを有する要素を識別するプロセスに従って、サービス規約を承認するためのボタン又はリンクを見つけてもよい。
状態１２２６において、アプリケーション／プロジェクトに関する情報を入力することにより、プロジェクトが登録され得る。いくつかの実施形態において、そのような情報の入力は、図７に示されたＡＰＩに対するサインアップのための記入可能なフォームへの自動的な記入を参照して説明されたものと類似の自動化された方法で進めてもよい。状態１２２６（プロジェクト登録）から状態１２２７（プロジェクト選択）に遷移するために、アクションは、プロジェクトを作成するためにリンク又はボタンを識別及びクリックすることを含んでもよい。例えば、class「button」、「create」のid、及び「href」属性又は類似若しくは相当するもののプロパティを有する要素を識別するプロセスに従って、プロジェクトを作成するためのボタン又はリンクを見つけてもよい。
状態１２２７において、作成されたプロジェクトが選択され得る。いくつかの実施形態において、そのような情報の入力は、図７に示されたＡＰＩに対するサインアップのための記入可能なフォームへの自動的な記入を参照して説明されたものと類似の自動化された方法で進めてもよい。いくつかの実施形態において、そのような選択は、状態１２２６で作成されたプロジェクトを選択することを含んでもよい。状態１２２７（プロジェクト選択）から状態１２３０（クレデンシャル作成）に遷移するために、アクションは、状態１２２６で登録されたプロジェクト選択するリンク又はボタンを識別及びクリックすることを含んでもよい。例えば、class「mat-button」、「credentials」のid、及び「href」属性又は類似若しくは相当するもののプロパティを有する要素を識別するプロセスに従って、登録されたプロジェクトのクレデンシャルを作成するためのボタン又はリンクを見つけてもよい。
図１２Ｅは、本開示の１つ以上の実施形態による、アプリケーションを登録する際の第５の例示的な状態のセット１２００ｅを示す。
図１２Ａ及び／又は１２Ｄに示されるように状態１２３０に到達したとき、いくつかの実施形態において、状態は６％の確率で状態１２３７（クレデンシャル登録）に直接遷移し、いくつかの実施形態において、状態１２３１（クレデンシャルタイプの選択）に遷移する。
状態１２３１は、クレデンシャルタイプを選択することを表す。例えば、ページが、選択を行うことができる複数の認証タイプのドロップダウンメニューを含んでもよい。いくつかの実施形態において、クレデンシャルタイプの選択は、ＡＰＩプラットフォームにより自動的に実行されてもよい。例えば、図２のブロック２１５を参照して説明されたものに類似又は相当するプロセスが適用されてもよい。いくつかの実施形態において、ＡＰＩプラットフォームは、ＯＡｕｔｈを自動的に選択してもよい。状態１２３１から状態１２３３に遷移するアクションは、クレデンシャルタイプの選択を含むことができる。
状態１２３３は、アプリケーションタイプを選択することを表し得る。例えば、ページが、選択を行うことができるアプリケーションタイプを有するラジオボタンのセットを含んでもよい。例えば、タイプは、Ｗｅｂアプリケーション、Ａｎｄｒｏｉｄ（登録商標）アプリケーション、Ｃｈｒｏｍｅ（登録商標）アプリケーション、ｉＯＳ（登録商標）アプリケーション、ＰｌａｙＳｔａｔｉｏｎ（登録商標）アプリケーションなどを含んでもよい。いくつかの実施形態において、アプリケーションタイプの選択は、ＡＰＩプラットフォームにより自動的に実行されてもよい。例えば、図２のブロック２１５を参照して説明されたものに類似又は相当するプロセスが適用されてもよい。状態１２３３から状態１２３５に遷移するアクションは、アプリケーションタイプの選択を含んでもよい。例えば、class「button」、「next」のid、及び「href」属性又は類似若しくは相当するもののプロパティを有する要素を識別するプロセスに従って、アプリケーションタイプを選択してもよい。
状態１２３５は、同意画面を表し得る。例えば、同意画面は、ユーザが承諾することを示すボタンと共に、プロジェクトが特定の要件に準拠すること、及び／又は特定の制限若しくは保証の不足等があることを示すメッセージを有するページを含んでもよい。状態１２３５から状態１２３７に遷移するアクションは、同意の確認を含むことができる。例えば、class「button」、「accept」のid、及び「href」属性又は類似若しくは相当するもののプロパティを有する要素を識別するプロセスに従って、同意を確認してもよい。
状態１２３７は、クレデンシャルを登録するために記入可能なフォームのセットを含み得る。例えば、クレデンシャルの登録に関連づけられたクライアントシークレット、クライアントアイデンティティ等に関する情報が、状態１２３７で入力されてもよい。いくつかの実施形態において、そのような情報の入力は、図７に示されたＡＰＩに対するサインアップのための記入可能なフォームへの自動的な記入を参照して説明されたものと類似の自動化された方法で進めてもよい。
本開示の範囲から逸脱することなく、図１２Ａ～図１２Ｅに示される状態セット１２００ａ～１２００ｅに修正、追加、又は省略がなされてもよい。例えば、記載の方法における異なる要素の指定は、本明細書に記載される概念の説明を助けることが意図され、制限するものではない。さらに、状態セット１２００ａ～１２００ｅは、任意の数の他の要素を含んでもよく、あるいは記載されたもの以外のシステム又はコンテキスト内で実装されてもよい。特定の状態遷移及び確率が示されているが、図示されていないものを含む任意の数の状態遷移が、図示されたもの以外の確率で生じ得ることが理解されるであろう。例えば、アプリケーションタイプを選択した（状態１２３３）後、状態は、状態１２３５を完全にバイパスして状態１２３７に直接遷移してもよい。
図１３は、本開示に記載される少なくとも１つの実施形態による、機械学習を使用してＡＰＩへのアクセスを容易にする一例示的なコンピューティングシステム１３００を示す。コンピューティングシステム１３００は、プロセッサ１３１０、メモリ１３２０、データ記憶装置１３３０、及び／又は通信ユニット１３４０を含んでもよく、これらは全て通信上結合されてもよい。図２～図１１の方法２００～方法１１００の動作のいずれも、コンピューティングシステム１３００と矛盾しないコンピューティングシステムにより実行されてもよい。例えば、コンピューティングシステム１３００は、ユーザをＡＰＩへのアクセスに自動的に登録し、かつ／あるいは彼らにＡＰＩへのアクセスを付与してもよい。
一般に、プロセッサ１３１０は、様々なコンピュータハードウェア又はソフトウェアモジュールを含む、任意の適切な専用若しくは汎用コンピュータ、コンピューティングエンティティ、又は処理デバイスを含んでもよく、任意の適用可能なコンピュータ読取可能記憶媒体に記憶された命令を実行するように構成されてもよい。例えば、プロセッサ１３１０は、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラム命令を解釈及び／又は実行するよう及び／又はデータを処理するように構成された任意の他のデジタル若しくはアナログ回路を含んでもよい。
図１３において単一のプロセッサとして示されているが、プロセッサ１３１０は、本開示に記載の任意の数の動作を個々又は集合的に実行するように構成された、任意の数のネットワーク又は物理位置にわたり分散された任意の数のプロセッサを含んでもよい。いくつかの実施形態において、プロセッサ１３１０は、メモリ１３２０、データ記憶装置１３３０、又はメモリ１３２０及びデータ記憶装置１３３０に記憶されたプログラム命令を解釈及び／又は実行し、かつ／あるいはデータを処理してもよい。いくつかの実施形態において、プロセッサ１３１０は、データ記憶装置１３３０からプログラム命令を取り出し、プログラム命令をメモリ１３２０にロードしてもよい。
プログラム命令がメモリ１３２０にロードされた後、プロセッサ１３１０は、プログラム命令、例えば、図２～図１１それぞれの方法２００～方法１１００のうち任意のものを実行する命令などを実行することができる。例えば、プロセッサ１３１０は、ユーザをＡＰＩへのアクセスに自動的に登録し、かつ／あるいは彼らにＡＰＩへのアクセスを付与することに関する命令を取得してもよい。
メモリ１３２０及びデータ記憶装置１３３０は、記憶されたコンピュータ実行可能命令又はデータ構造を搬送し又は有するコンピュータ読取可能記憶媒体又は１つ以上のコンピュータ読取可能記憶媒体を含むことができる。そのようなコンピュータ読取可能記憶媒体は、プロセッサ１３１０などの汎用又は専用コンピュータによりアクセスされ得る任意の利用可能な媒体でもよい。いくつかの実施形態において、コンピューティングシステム１３００は、メモリ１３２０及びデータ記憶装置１３３０のいずれかを含んでもよく、あるいは含まなくてもよい。
限定でなく例として、そのようなコンピュータ読取可能記憶媒体は、ランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、電気的消去可能プログラマブル読取専用メモリ（ＥＥＰＲＯＭ）、コンパクトディスク読取専用メモリ（ＣＤ‐ＲＯＭ）若しくは他の光ディスク記憶装置、磁気ディスク記憶装置若しくは他の磁気記憶デバイス、フラッシュメモリデバイス（例えば、ソリッドステートメモリデバイス）、又はコンピュータ実行可能命令又はデータ構造の形式で所望のプログラムコードを搬送又は記憶するために使用でき、かつ汎用又は専用コンピュータによりアクセスできる任意の他の記憶媒体を含む、非一時的なコンピュータ読取可能記憶媒体を含んでもよい。上記の組み合わせもまた、コンピュータ読取可能記憶媒体の範囲内に含まれてもよい。コンピュータ実行可能命令は、例えば、プロセッサ１３１０に特定の動作又は動作のグループを実行させるように構成された命令及びデータを含んでもよい。
通信ユニット１３４０は、ネットワークを介して情報を送信又は受信するように構成された任意のコンポーネント、デバイス、システム、又はこれらの組み合わせを含んでもよい。いくつかの実施形態において、通信ユニット１３４０は、他の場所、同じ場所における他のデバイス、又はさらには同じシステム内の他のコンポーネントと通信してもよい。例えば、通信ユニット１３４０は、モデム、ネットワークカード（無線又は有線）、光通信装置、赤外線通信装置、無線通信装置（アンテナなど）、及び／又はチップセット（Ｂｌｕｅｔｏｏｔｈ（登録商標）装置、８０２．６装置（メトロポリタンエリアネットワーク（ＭＡＮ）など）、ＷｉＦｉ装置、ＷｉＭａｘ（登録商標）装置、セルラー通信設備等）などを含んでもよい。通信ユニット１３４０は、ネットワーク及び／又は本開示に記載される任意の他のデバイス又はシステムとの間でデータが交換されることを可能にし得る。例えば、通信ユニット１３４０は、システム１３００が、コンピューティングデバイス及び／又は他のネットワークなどの他のシステムと通信することを可能にし得る。
当業者は本開示を検討した後、本開示の範囲から逸脱することなくシステム１３００に対して修正、追加、又は省略がなされ得ることを認識し得る。例えば、システム１３００は、明示的に例示及び記載されたものより多くの又は少ないコンポーネントを含んでもよい。
前述の開示は、開示された正確な形式又は特定の分野の使用に本開示を限定することは意図されない。したがって、本明細書に明示的に記載されているか又は暗に示されているかにかかわらず、本開示に対する様々な代替実施形態及び／又は修正が本開示に照らして可能なことが企図される。このように本開示の実施形態を説明したが、本開示の範囲から逸脱することなく形式及び詳細において変更がなされ得ることが認識され得る。したがって、本開示は、特許請求の範囲によってのみ限定される。
いくつかの実施形態において、本明細書に記載される異なるコンポーネント、モジュール、エンジン、及びサービスが、コンピューティングシステム上で実行するオブジェクト又はプロセスとして（例えば、別個のスレッドとして）実現されてもよい。本明細書に記載されるシステム及びプロセスのいくつかは、一般に、（汎用ハードウェアに記憶され、及び／又は汎用ハードウェアにより実行される）ソフトウェアで実現されるものとして記載されるが、特定のハードウェア実装、又はソフトウェアと特定のハードウェア実装との組み合わせもまた可能であり、企図される。
本明細書において、特に別記の特許請求の範囲（例えば、別記の特許請求の範囲の本文）において用いられる用語は、一般に「開放的」な用語として意図されている（例えば、用語「含んでいる」は、「含んでいるがこれに限定されない」と解釈されるべきであり、用語「有する」は、「少なくとも有する」と解釈されるべきであり、用語「含む」は、「含むがこれに限定されない」と解釈されるべきである、等）。
さらに、特定数の導入された請求項記載が意図されている場合、そのような意図は請求項に明示的に記載され、そのような記載がない場合、そのような意図は存在しない。例えば、理解の助けとして、以下の別記の特許請求の範囲は、請求項記載を導入するために、導入フレーズ「少なくとも１つの」及び「１つ以上の」の使用を含むことがある。しかしながら、そのようなフレーズの使用は、不定冠詞「一の」（“a”又は“an”）による請求項記載の導入が、同じ請求項が導入フレーズ「１つ以上の」又は「少なくとも１つの」と「一の」などの不定冠詞とを含むときでも、そのような導入された請求項記載を含む任意の特定の請求項を１つのそのような記載のみ含む実施形態に限定することを暗に示すように見なされるべきではない（例えば、「一の」（“a”及び／又は“an”）は「少なくとも１つの」又は「１つ以上の」を意味するよう解釈されるべきである）。請求項記載を導入するために用いられる定冠詞の使用についても同様である。
さらに、特定数の導入された請求項記載が明示的に記載されている場合であっても、当業者は、そのような記載は少なくとも記載された数を意味するよう解釈されるべきであることを認識するであろう（例えば、他の修飾語を伴わない「２つの記載」というただそれだけの記載は、少なくとも２つの記載、又は２つ以上の記載を意味する）。さらに、「Ａ、Ｂ、及びＣ等のうち少なくとも１つ」又は「Ａ、Ｂ、及びＣ等のうち１つ以上」と類似の規定が用いられている例において、一般に、そのような構造は、Ａ単独、Ｂ単独、Ｃ単独、Ａ及びＢ共に、Ａ及びＣ共に、Ｂ及びＣ共に、又はＡ、Ｂ、及びＣ共に等を含むことが意図される。例えば、用語「及び／又は」の使用は、このようにみなされることが意図される。
さらに、明細書においてか、特許請求の範囲においてか、又は図面においてかにかかわらず、２つ以上の代替的な用語を提示するいかなる分離的なワード又はフレーズも、用語のうち１つ、用語のうちいずれか、又は双方の用語を含む可能性を考慮するよう理解されるべきである。例えば、フレーズ「Ａ又はＢ」は、「Ａ」又は「Ｂ」又は「Ａ及びＢ」の可能性を含むよう理解されるべきである。
しかしながら、そのようなフレーズの使用は、不定冠詞「一の」（“a”又は“an”）による請求項記載の導入が、同じ請求項が導入フレーズ「１つ以上の」又は「少なくとも１つの」と「一の」などの不定冠詞とを含むときでも、そのような導入された請求項記載を含む任意の特定の請求項を１つのそのような記載のみ含む実施形態に限定することを暗に示すように見なされるべきではない（例えば、「一の」（“a”及び／又は“an”）は「少なくとも１つの」又は「１つ以上の」を意味するよう解釈されるべきである）。請求項記載を導入するために用いられる定冠詞の使用についても同様である。
さらに、用語「第１」、「第２」、「第３」等の使用は、本明細書において必ずしも特定の順序を含意するために使用されるものではない。一般に、用語「第１」、「第２」、「第３」等は、異なる要素間で区別するために使用される。用語「第１」、「第２」、「第３」等が特定の順序を含意することの具体的な提示なしでは、これらの用語は特定の順序を含意するよう理解されるべきではない。
本明細書に記載される全ての例及び条件付き言語は、本発明及び発明者が当該技術分野を促進するために寄与した概念を理解する際に読者を助けるための教育的目的が意図され、このように具体的に記載された例及び条件に限定されないものとみなされるべきである。本開示の実施形態が詳細に説明されたが、本開示の主旨及び範囲から逸脱することなく様々な変更、置換、及び改変をこれに行えることを理解されたい。
開示された実施形態の前の説明は、当業者が本開示を製造又は使用することができるように提供される。これらの実施形態に対する様々な修正は、当業者には容易に明らかであり、本明細書で定義される一般的原理は、本開示の主旨又は範囲から逸脱することなく他の実施形態に適用され得る。したがって、本開示は、本明細書に示される実施形態に限定されることは意図されず、本明細書に開示された原理及び新規の特徴と矛盾しない最も広い範囲を与えられるべきである。
上記の実施形態につき以下の付記を残しておく。
（付記１）
複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にわたり反復して前記複数のＡＰＩの認証タイプを抽出するステップと、
中央リポジトリから、前記複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを自動的に登録するステップと、
前記所与のＡＰＩの認証タイプに基づいて認証データを取得するステップと、
前記認証データを記憶するステップと、
前記記憶された認証データを使用して前記所与のＡＰＩにアクセスするステップと、
を含む方法。
（付記２）
前記新しいユーザを自動的に登録するステップは、
検索エンジンベースの検出又は機械学習ベースの検出のうち１つを使用して前記所与のＡＰＩのためのサインアップページを自動的に検出するステップと、
前記所与のＡＰＩの前記検出されたサインアップページ上のフォームに自動的に記入するステップと、
前記サインアップページの前記記入されたフォームに基づいてアカウントクレデンシャルを取得するステップと、
を含む、付記１に記載の方法。
（付記３）
前記検索エンジンベースの検出は、
前記所与のＡＰＩのための１つ以上の潜在的なサインアップページを識別するクエリを生成することと、
前記生成されたクエリを使用してインターネット検索を実行することと、
前記検索の結果から１つ以上のリンクを抽出することと、
前記抽出された１つ以上のリンクのコンテンツを反復的に検索して、前記コンテンツ上のフォームフィールドを辞書内のタームと相関させることにより前記コンテンツ上のサインアップフォームを検出することと、
前記フォームフィールドと前記辞書内の前記タームとの間の前記相関が閾値を超えていることに基づいて、前記コンテンツのうち１つを前記所与のＡＰＩのための前記サインアップページとして識別することと、
前記識別されたサインアップページのロケータを記憶することと、
を含む、付記２に記載の方法。
（付記４）
前記機械学習ベースの検出は、
収集されたサインアップページからデータを抽出することと、
前記収集されたサインアップページに基づいてサインアップページの訓練モデルを生成することと、
前記所与のＡＰＩについてのＡＰＩドキュメンテーションページを取得することと、
前記ＡＰＩドキュメンテーションページからリンクを抽出することと、
サインアップページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
前記分析に基づいて、所与のページを前記所与のＡＰＩのための前記サインアップページとして識別することと、
前記識別されたサインアップページのロケータを記憶することと、
を含む、付記２に記載の方法。
（付記５）
前記検出されたサインアップページ上のフォームに自動的に記入するステップは、
サインアップページの潜在的なフィールドの訓練モデルを生成するステップと、
前記サインアップページ上の記入可能なフィールドのラベルを抽出するステップと、
前記抽出されたラベルの各々をカテゴリに分類するステップと、
前記所与のＡＰＩへの一時的なアクセスのためのサンプル値を提供するステップと、
前記所与のＡＰＩアクセスした後、ユーザ入力を受け取って前記サンプル値を確立された値に変更するステップと、
を含む、付記２に記載の方法。
（付記６）
さらなるフィールドがユーザ入力なしでは記入できないことを検出するステップと、
前記新しいユーザにユーザ入力を促すステップと、
ユーザ入力を受け取るステップと、
前記受け取ったユーザ入力に基づいて潜在的なフィールドの前記訓練モデルを再訓練するステップと、
をさらに含む、付記５に記載の方法。
（付記７）
前記新しいユーザの自動登録を確認するステップ、をさらに含み、該確認するステップは、
収集されたサインインページからデータを抽出するステップと、
前記収集されたサインインページに基づいてサインインページの訓練モデルを生成するステップと、
前記所与のＡＰＩのためのサインアップページを取得するステップと、
前記サインアップページからリンクを抽出するステップと、
サインインページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析するステップと、
前記分析に基づいて、所与のページを前記所与のＡＰＩのためのサインインページとして識別するステップと、
前記所与のＡＰＩの記憶されたサインインクレデンシャルを自動的に入力するステップと、
成功のサインインに基づいて、前記成功のサインインの結果を記憶するステップと、
を含む、付記１に記載の方法。
（付記８）
前記所与のＡＰＩの前記認証タイプはＡＰＩ鍵を含み、前記認証タイプに基づいて認証データを取得するステップは、
収集されたＡＰＩ鍵ページからデータを抽出するステップと、
前記収集されたＡＰＩ鍵ページに基づいてＡＰＩ鍵ページの訓練モデルを生成するステップと、
前記所与のＡＰＩのためのランディングページにアクセスするステップであり、前記ランディングページは、前記所与のＡＰＩにサインインした後にアクセスされる、ステップと、
前記ランディングページからリンクを抽出するステップと、
ＡＰＩ鍵ページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析するステップと、
前記分析に基づいて、所与のページを前記所与のＡＰＩのためのＡＰＩ鍵ページとして識別するステップと、
前記識別されたＡＰＩ鍵ページから前記ＡＰＩ鍵を抽出するステップと、
を含み、
前記認証データを記憶するステップは、前記ＡＰＩ鍵を前記認証データとして記憶するステップを含む、付記１に記載の方法。
（付記９）
前記所与のＡＰＩの前記認証タイプはＯＡｕｔｈを含み、前記認証タイプに基づいて認証データを取得するステップは、
アプリケーション登録ページからデータを取得するステップと、
アプリケーション登録プロセスの間の代表的な状態に関するアノテーション付きデータを取得するステップと、
前記アノテーション付きデータを使用して前記アプリケーション登録プロセスの間の前記代表的な状態の各々について訓練分類器を生成するステップと、
前記代表的な状態の各々に関連づけられた１つ以上の予め定義されたアクションと、所与の代表的な状態にあるとき前記予め定義されたアクションの各々を実行する確率を識別するステップと、
前記所与のＡＰＩのＡＰＩドキュメンテーションページを初期状態として取得するステップと、
前記予め定義されたアクションと前記予め定義されたアクションの各々を実行する確率とに基づいて状態間で反復的に遷移して、前記アプリケーション登録プロセスをトラバースするステップと、
前記アプリケーション登録プロセスが完了していることに基づいて、クライアントＯＡｕｔｈクレデンシャルを抽出するステップと、
を含み、
前記認証データを記憶するステップは、前記クライアントＯＡｕｔｈクレデンシャルを前記認証データとして記憶するステップを含む、付記１に記載の方法。
（付記１０）
前記記憶された認証データを使用して前記所与のＡＰＩにアクセスするステップは、前記クライアントＯＡｕｔｈクレデンシャルに基づいてアクセストークンを取得するステップを含み、前記アクセストークンを取得するステップは、
前記記憶されたクライアントＯＡｕｔｈクレデンシャルを取り出すステップと、
前記記憶されたクライアントＯＡｕｔｈクレデンシャルをアクセストークンの初期リクエストとしてアップロードするステップと、
前記所与のＡＰＩへのアクセスに関連する認可コードを要求するステップと、
前記所与のＡＰＩにアクセスする許可を承認するリクエストを受信するステップと、
クレデンシャルを自動的に提供して、許可を承認する前記リクエストを承認するステップと、
前記認可コードを受信するステップと、
前記認可コードに基づいて前記アクセストークンを要求するステップと、
前記アクセストークンを受信するステップと、
前記アクセストークンに基づいてウェブリソースを作成するステップと、
前記ウェブリソースから前記アクセストークンを抽出するステップと、
前記アクセストークンを記憶するステップと、
前記アクセストークンを使用して前記ＡＰＩにアクセスするステップと、
を含む、付記９に記載の方法。
（付記１１）
アプリケーションプログラミングインターフェース（ＡＰＩ）プラットフォームであって、
１つ以上のプロセッサと、
前記１つ以上のプロセッサにより実行されたときに当該ＡＰＩプラットフォームに動作を実行させる命令を含む１つ以上の非一時的コンピュータ読取可能媒体と、を含み、
前記動作は、
複数のＡＰＩホスティングサーバにアクセスして複数のＡＰＩにわたり反復して前記複数のＡＰＩの認証タイプを抽出することと、
前記複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを、前記所与のＡＰＩをホストする所与のＡＰＩホスティングサーバに自動的に登録することと、
前記所与のＡＰＩの認証タイプに基づいて前記ＡＰＩホスティングサーバから認証データを取得することと、
当該ＡＰＩプラットフォームに前記認証データを記憶することと、
当該ＡＰＩプラットフォームを介して、前記記憶された認証データを使用して前記所与のＡＰＩにアクセスすることと、
を含む、ＡＰＩプラットフォーム。
（付記１２）
前記新しいユーザを自動的に登録することは、
検索エンジンベースの検出又は機械学習ベースの検出のうち１つを使用して前記所与のＡＰＩのためのサインアップページを自動的に検出することと、
前記所与のＡＰＩの前記検出されたサインアップページ上のフォームに自動的に記入することと、
前記サインアップページの前記記入されたフォームに基づいて前記所与のＡＰＩホスティングサーバからアカウントクレデンシャルを取得することと、
を含む、付記１１に記載のＡＰＩプラットフォーム。
（付記１３）
前記検索エンジンベースの検出は、
前記所与のＡＰＩのための１つ以上の潜在的なサインアップページを識別するクエリを生成することと、
前記生成されたクエリを使用してインターネット検索を実行することと、
前記検索の結果から１つ以上のリンクを抽出することと、
前記抽出された１つ以上のリンクのコンテンツを反復的に検索して、前記コンテンツ上のフォームフィールドを辞書内のタームと相関させることにより前記コンテンツ上のサインアップフォームを検出することと、
前記フォームフィールドと前記辞書内の前記タームとの間の前記相関が閾値を超えていることに基づいて、前記コンテンツのうち１つを前記所与のＡＰＩのための前記サインアップページとして識別することと、
前記識別されたサインアップページのロケータを記憶することと、
を含む、付記１２に記載のＡＰＩプラットフォーム。
（付記１４）
前記機械学習ベースの検出は、
収集されたサインアップページからデータを抽出することと、
前記収集されたサインアップページに基づいてサインアップページの訓練モデルを生成することと、
前記所与のＡＰＩホスティングサーバにおける前記所与のＡＰＩについてのＡＰＩドキュメンテーションページにアクセスすることと、
前記ＡＰＩドキュメンテーションページからリンクを抽出することと、
サインアップページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
前記分析に基づいて、所与のページを前記所与のＡＰＩのための前記サインアップページとして識別することと、
前記識別されたサインアップページのロケータを記憶することと、
を含む、付記１２に記載のＡＰＩプラットフォーム。
（付記１５）
前記検出されたサインアップページ上のフォームに自動的に記入することは、
サインアップページの潜在的なフィールドの訓練モデルを生成することと、
前記サインアップページ上の記入可能なフィールドのラベルを抽出することと、
前記抽出されたラベルの各々をカテゴリに分類することと、
前記所与のＡＰＩへの一時的なアクセスのためのサンプル値を提供することと、
前記所与のＡＰＩアクセスした後、ユーザ入力を受け取って前記サンプル値を確立された値に変更することと、
を含む、付記１２に記載のＡＰＩプラットフォーム。
（付記１６）
前記動作は、前記新しいユーザの自動登録を確認すること、をさらに含み、前記自動登録を確認する動作は、
収集されたサインインページからデータを抽出することと、
前記収集されたサインインページに基づいてサインインページの訓練モデルを生成することと、
前記所与のＡＰＩのためのサインアップページを取得することと、
前記サインアップページからリンクを抽出することと、
サインインページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
前記分析に基づいて、所与のページを前記所与のＡＰＩのためのサインインページとして識別することと、
前記所与のＡＰＩの記憶されたサインインクレデンシャルを自動的に入力することと、
成功のサインインに基づいて、前記成功のサインインの結果を記憶することと、
を含む、付記１１に記載のＡＰＩプラットフォーム。
（付記１７）
前記所与のＡＰＩの前記認証タイプはＡＰＩ鍵を含み、前記認証タイプに基づいて認証データを取得することは、
収集されたＡＰＩ鍵ページからデータを抽出することと、
前記収集されたＡＰＩ鍵ページに基づいてＡＰＩ鍵ページの訓練モデルを生成することと、
前記所与のＡＰＩのためのランディングページにアクセスすることであり、前記ランディングページは、前記ＡＰＩにサインインした後にアクセスされる、ことと、
前記ランディングページからリンクを抽出することと、
ＡＰＩ鍵ページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
前記分析に基づいて、所与のページを前記所与のＡＰＩのためのＡＰＩ鍵ページとして識別することと、
前記識別されたＡＰＩ鍵ページから前記ＡＰＩ鍵を抽出することと、
を含み、
前記認証データを記憶することは、前記ＡＰＩ鍵を前記認証データとして記憶することを含む、付記１１に記載のＡＰＩプラットフォーム。
（付記１８）
前記所与のＡＰＩの前記認証タイプはＯＡｕｔｈを含み、前記認証タイプに基づいて認証データを取得することは、
アプリケーション登録ページからデータを取得することと、
アプリケーション登録プロセスの間の代表的な状態に関するアノテーション付きデータを取得することと、
前記アノテーション付きデータを使用して前記アプリケーション登録プロセスの間の前記代表的な状態の各々について訓練分類器を生成することと、
前記代表的な状態の各々に関連づけられた１つ以上の予め定義されたアクションと、所与の代表的な状態にあるとき前記予め定義されたアクションの各々を実行する確率を識別することと、
前記所与のＡＰＩのＡＰＩドキュメンテーションページを初期状態として取得することと、
前記予め定義されたアクションと前記予め定義されたアクションの各々を実行する確率とに基づいて状態間で反復的に遷移して、前記アプリケーション登録プロセスをトラバースすることと、
前記アプリケーション登録プロセスが完了していることに基づいて、クライアントＯＡｕｔｈクレデンシャルを抽出することと、
を含み、
前記認証データを記憶することは、前記クライアントＯＡｕｔｈクレデンシャルを前記認証データとして記憶することを含む、付記１１に記載のＡＰＩプラットフォーム。
（付記１９）
前記記憶された認証データを使用して前記所与のＡＰＩにアクセスすることは、前記クライアントＯＡｕｔｈクレデンシャルに基づいてアクセストークンを取得することを含み、前記アクセストークンを取得することは、
前記記憶されたＯＡｕｔｈクレデンシャルを取り出すことと、
前記記憶されたＯＡｕｔｈクレデンシャルをアクセストークンの初期リクエストとしてアップロードすることと、
前記所与のＡＰＩへのアクセスに関連する認可コードを要求することと、
前記所与のＡＰＩにアクセスする許可を承認するリクエストを受信することと、
前記クレデンシャルを自動的に提供して、許可を承認する前記リクエストを承認することと、
前記認可コードを受信することと、
前記認可コードに基づいて前記アクセストークンを要求することと、
前記アクセストークンを受信することと、
前記アクセストークンに基づいてウェブリソースを作成することと、
前記ウェブリソースから前記アクセストークンを抽出することと、
前記アクセストークンを記憶することと、
前記アクセストークンを使用して前記ＡＰＩにアクセスすることと、
を含む、付記１８に記載のＡＰＩプラットフォーム。
（付記２０）
１つ以上のプロセッサにより実行されたときにシステムに動作を実行させる命令を含む１つ以上の非一時的コンピュータ読取可能媒体であって、前記動作は、
複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にわたり反復して前記複数のＡＰＩの認証タイプを抽出することと、
中央リポジトリから、前記複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを自動的に登録することと、
前記所与のＡＰＩの認証タイプに基づいて認証データを取得することと、
前記認証データを記憶することと、
前記記憶された認証データを使用して前記所与のＡＰＩにアクセスすることと、
を含む、非一時的コンピュータ読取可能媒体。

Claims (20)

  1. 複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にわたり反復して前記複数のＡＰＩの認証タイプを抽出するステップと、
    中央リポジトリから、前記複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを自動的に登録するステップと、
    前記所与のＡＰＩの認証タイプに基づいて認証データを取得するステップと、
    前記認証データを記憶するステップと、
    前記記憶された認証データを使用して前記所与のＡＰＩにアクセスするステップと、
    を含む方法。
  2. 前記新しいユーザを自動的に登録するステップは、
    検索エンジンベースの検出又は機械学習ベースの検出のうち１つを使用して前記所与のＡＰＩのためのサインアップページを自動的に検出するステップと、
    前記所与のＡＰＩの前記検出されたサインアップページ上のフォームに自動的に記入するステップと、
    前記サインアップページの前記記入されたフォームに基づいてアカウントクレデンシャルを取得するステップと、
    を含む、請求項１に記載の方法。
  3. 前記検索エンジンベースの検出は、
    前記所与のＡＰＩのための１つ以上の潜在的なサインアップページを識別するクエリを生成することと、
    前記生成されたクエリを使用してインターネット検索を実行することと、
    前記検索の結果から１つ以上のリンクを抽出することと、
    前記抽出された１つ以上のリンクのコンテンツを反復的に検索して、前記コンテンツ上のフォームフィールドを辞書内のタームと相関させることにより前記コンテンツ上のサインアップフォームを検出することと、
    前記フォームフィールドと前記辞書内の前記タームとの間の前記相関が閾値を超えていることに基づいて、前記コンテンツのうち１つを前記所与のＡＰＩのための前記サインアップページとして識別することと、
    前記識別されたサインアップページのロケータを記憶することと、
    を含む、請求項２に記載の方法。
  4. 前記機械学習ベースの検出は、
    収集されたサインアップページからデータを抽出することと、
    前記収集されたサインアップページに基づいてサインアップページの訓練モデルを生成することと、
    前記所与のＡＰＩについてのＡＰＩドキュメンテーションページを取得することと、
    前記ＡＰＩドキュメンテーションページからリンクを抽出することと、
    サインアップページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
    前記分析に基づいて、所与のページを前記所与のＡＰＩのための前記サインアップページとして識別することと、
    前記識別されたサインアップページのロケータを記憶することと、
    を含む、請求項２に記載の方法。
  5. 前記検出されたサインアップページ上のフォームに自動的に記入するステップは、
    サインアップページの潜在的なフィールドの訓練モデルを生成するステップと、
    前記サインアップページ上の記入可能なフィールドのラベルを抽出するステップと、
    前記抽出されたラベルの各々をカテゴリに分類するステップと、
    前記所与のＡＰＩへの一時的なアクセスのためのサンプル値を提供するステップと、
    前記所与のＡＰＩアクセスした後、ユーザ入力を受け取って前記サンプル値を確立された値に変更するステップと、
    を含む、請求項２に記載の方法。
  6. さらなるフィールドがユーザ入力なしでは記入できないことを検出するステップと、
    前記新しいユーザにユーザ入力を促すステップと、
    ユーザ入力を受け取るステップと、
    前記受け取ったユーザ入力に基づいて潜在的なフィールドの前記訓練モデルを再訓練するステップと、
    をさらに含む、請求項５に記載の方法。
  7. 前記新しいユーザの自動登録を確認するステップ、をさらに含み、該確認するステップは、
    収集されたサインインページからデータを抽出するステップと、
    前記収集されたサインインページに基づいてサインインページの訓練モデルを生成するステップと、
    前記所与のＡＰＩのためのサインアップページを取得するステップと、
    前記サインアップページからリンクを抽出するステップと、
    サインインページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析するステップと、
    前記分析に基づいて、所与のページを前記所与のＡＰＩのためのサインインページとして識別するステップと、
    前記所与のＡＰＩの記憶されたサインインクレデンシャルを自動的に入力するステップと、
    成功のサインインに基づいて、前記成功のサインインの結果を記憶するステップと、
    を含む、請求項１に記載の方法。
  8. 前記所与のＡＰＩの前記認証タイプはＡＰＩ鍵を含み、前記認証タイプに基づいて認証データを取得するステップは、
    収集されたＡＰＩ鍵ページからデータを抽出するステップと、
    前記収集されたＡＰＩ鍵ページに基づいてＡＰＩ鍵ページの訓練モデルを生成するステップと、
    前記所与のＡＰＩのためのランディングページにアクセスするステップであり、前記ランディングページは、前記所与のＡＰＩにサインインした後にアクセスされる、ステップと、
    前記ランディングページからリンクを抽出するステップと、
    ＡＰＩ鍵ページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析するステップと、
    前記分析に基づいて、所与のページを前記所与のＡＰＩのためのＡＰＩ鍵ページとして識別するステップと、
    前記識別されたＡＰＩ鍵ページから前記ＡＰＩ鍵を抽出するステップと、
    を含み、
    前記認証データを記憶するステップは、前記ＡＰＩ鍵を前記認証データとして記憶するステップを含む、請求項１に記載の方法。
  9. 前記所与のＡＰＩの前記認証タイプはＯＡｕｔｈを含み、前記認証タイプに基づいて認証データを取得するステップは、
    アプリケーション登録ページからデータを取得するステップと、
    アプリケーション登録プロセスの間の代表的な状態に関するアノテーション付きデータを取得するステップと、
    前記アノテーション付きデータを使用して前記アプリケーション登録プロセスの間の前記代表的な状態の各々について訓練分類器を生成するステップと、
    前記代表的な状態の各々に関連づけられた１つ以上の予め定義されたアクションと、所与の代表的な状態にあるとき前記予め定義されたアクションの各々を実行する確率を識別するステップと、
    前記所与のＡＰＩのＡＰＩドキュメンテーションページを初期状態として取得するステップと、
    前記予め定義されたアクションと前記予め定義されたアクションの各々を実行する確率とに基づいて状態間で反復的に遷移して、前記アプリケーション登録プロセスをトラバースするステップと、
    前記アプリケーション登録プロセスが完了していることに基づいて、クライアントＯＡｕｔｈクレデンシャルを抽出するステップと、
    を含み、
    前記認証データを記憶するステップは、前記クライアントＯＡｕｔｈクレデンシャルを前記認証データとして記憶するステップを含む、請求項１に記載の方法。
  10. 前記記憶された認証データを使用して前記所与のＡＰＩにアクセスするステップは、前記クライアントＯＡｕｔｈクレデンシャルに基づいてアクセストークンを取得するステップを含み、前記アクセストークンを取得するステップは、
    前記記憶されたクライアントＯＡｕｔｈクレデンシャルを取り出すステップと、
    前記記憶されたクライアントＯＡｕｔｈクレデンシャルをアクセストークンの初期リクエストとしてアップロードするステップと、
    前記所与のＡＰＩへのアクセスに関連する認可コードを要求するステップと、
    前記所与のＡＰＩにアクセスする許可を承認するリクエストを受信するステップと、
    クレデンシャルを自動的に提供して、許可を承認する前記リクエストを承認するステップと、
    前記認可コードを受信するステップと、
    前記認可コードに基づいて前記アクセストークンを要求するステップと、
    前記アクセストークンを受信するステップと、
    前記アクセストークンに基づいてウェブリソースを作成するステップと、
    前記ウェブリソースから前記アクセストークンを抽出するステップと、
    前記アクセストークンを記憶するステップと、
    前記アクセストークンを使用して前記ＡＰＩにアクセスするステップと、
    を含む、請求項９に記載の方法。
  11. アプリケーションプログラミングインターフェース（ＡＰＩ）プラットフォームであって、
    １つ以上のプロセッサと、
    前記１つ以上のプロセッサにより実行されたときに当該ＡＰＩプラットフォームに動作を実行させる命令を含む１つ以上の非一時的コンピュータ読取可能媒体と、を含み、
    前記動作は、
    複数のＡＰＩホスティングサーバにアクセスして複数のＡＰＩにわたり反復して前記複数のＡＰＩの認証タイプを抽出することと、
    前記複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを、前記所与のＡＰＩをホストする所与のＡＰＩホスティングサーバに自動的に登録することと、
    前記所与のＡＰＩの認証タイプに基づいて前記ＡＰＩホスティングサーバから認証データを取得することと、
    当該ＡＰＩプラットフォームに前記認証データを記憶することと、
    当該ＡＰＩプラットフォームを介して、前記記憶された認証データを使用して前記所与のＡＰＩにアクセスすることと、
    を含む、ＡＰＩプラットフォーム。
  12. 前記新しいユーザを自動的に登録することは、
    検索エンジンベースの検出又は機械学習ベースの検出のうち１つを使用して前記所与のＡＰＩのためのサインアップページを自動的に検出することと、
    前記所与のＡＰＩの前記検出されたサインアップページ上のフォームに自動的に記入することと、
    前記サインアップページの前記記入されたフォームに基づいて前記所与のＡＰＩホスティングサーバからアカウントクレデンシャルを取得することと、
    を含む、請求項１１に記載のＡＰＩプラットフォーム。
  13. 前記検索エンジンベースの検出は、
    前記所与のＡＰＩのための１つ以上の潜在的なサインアップページを識別するクエリを生成することと、
    前記生成されたクエリを使用してインターネット検索を実行することと、
    前記検索の結果から１つ以上のリンクを抽出することと、
    前記抽出された１つ以上のリンクのコンテンツを反復的に検索して、前記コンテンツ上のフォームフィールドを辞書内のタームと相関させることにより前記コンテンツ上のサインアップフォームを検出することと、
    前記フォームフィールドと前記辞書内の前記タームとの間の前記相関が閾値を超えていることに基づいて、前記コンテンツのうち１つを前記所与のＡＰＩのための前記サインアップページとして識別することと、
    前記識別されたサインアップページのロケータを記憶することと、
    を含む、請求項１２に記載のＡＰＩプラットフォーム。
  14. 前記機械学習ベースの検出は、
    収集されたサインアップページからデータを抽出することと、
    前記収集されたサインアップページに基づいてサインアップページの訓練モデルを生成することと、
    前記所与のＡＰＩホスティングサーバにおける前記所与のＡＰＩについてのＡＰＩドキュメンテーションページにアクセスすることと、
    前記ＡＰＩドキュメンテーションページからリンクを抽出することと、
    サインアップページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
    前記分析に基づいて、所与のページを前記所与のＡＰＩのための前記サインアップページとして識別することと、
    前記識別されたサインアップページのロケータを記憶することと、
    を含む、請求項１２に記載のＡＰＩプラットフォーム。
  15. 前記検出されたサインアップページ上のフォームに自動的に記入することは、
    サインアップページの潜在的なフィールドの訓練モデルを生成することと、
    前記サインアップページ上の記入可能なフィールドのラベルを抽出することと、
    前記抽出されたラベルの各々をカテゴリに分類することと、
    前記所与のＡＰＩへの一時的なアクセスのためのサンプル値を提供することと、
    前記所与のＡＰＩアクセスした後、ユーザ入力を受け取って前記サンプル値を確立された値に変更することと、
    を含む、請求項１２に記載のＡＰＩプラットフォーム。
  16. 前記動作は、前記新しいユーザの自動登録を確認すること、をさらに含み、前記自動登録を確認する動作は、
    収集されたサインインページからデータを抽出することと、
    前記収集されたサインインページに基づいてサインインページの訓練モデルを生成することと、
    前記所与のＡＰＩのためのサインアップページを取得することと、
    前記サインアップページからリンクを抽出することと、
    サインインページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
    前記分析に基づいて、所与のページを前記所与のＡＰＩのためのサインインページとして識別することと、
    前記所与のＡＰＩの記憶されたサインインクレデンシャルを自動的に入力することと、
    成功のサインインに基づいて、前記成功のサインインの結果を記憶することと、
    を含む、請求項１１に記載のＡＰＩプラットフォーム。
  17. 前記所与のＡＰＩの前記認証タイプはＡＰＩ鍵を含み、前記認証タイプに基づいて認証データを取得することは、
    収集されたＡＰＩ鍵ページからデータを抽出することと、
    前記収集されたＡＰＩ鍵ページに基づいてＡＰＩ鍵ページの訓練モデルを生成することと、
    前記所与のＡＰＩのためのランディングページにアクセスすることであり、前記ランディングページは、前記ＡＰＩにサインインした後にアクセスされる、ことと、
    前記ランディングページからリンクを抽出することと、
    ＡＰＩ鍵ページの前記訓練モデルを使用して前記抽出されたリンクのページを反復的に分析することと、
    前記分析に基づいて、所与のページを前記所与のＡＰＩのためのＡＰＩ鍵ページとして識別することと、
    前記識別されたＡＰＩ鍵ページから前記ＡＰＩ鍵を抽出することと、
    を含み、
    前記認証データを記憶することは、前記ＡＰＩ鍵を前記認証データとして記憶することを含む、請求項１１に記載のＡＰＩプラットフォーム。
  18. 前記所与のＡＰＩの前記認証タイプはＯＡｕｔｈを含み、前記認証タイプに基づいて認証データを取得することは、
    アプリケーション登録ページからデータを取得することと、
    アプリケーション登録プロセスの間の代表的な状態に関するアノテーション付きデータを取得することと、
    前記アノテーション付きデータを使用して前記アプリケーション登録プロセスの間の前記代表的な状態の各々について訓練分類器を生成することと、
    前記代表的な状態の各々に関連づけられた１つ以上の予め定義されたアクションと、所与の代表的な状態にあるとき前記予め定義されたアクションの各々を実行する確率を識別することと、
    前記所与のＡＰＩのＡＰＩドキュメンテーションページを初期状態として取得することと、
    前記予め定義されたアクションと前記予め定義されたアクションの各々を実行する確率とに基づいて状態間で反復的に遷移して、前記アプリケーション登録プロセスをトラバースすることと、
    前記アプリケーション登録プロセスが完了していることに基づいて、クライアントＯＡｕｔｈクレデンシャルを抽出することと、
    を含み、
    前記認証データを記憶することは、前記クライアントＯＡｕｔｈクレデンシャルを前記認証データとして記憶することを含む、請求項１１に記載のＡＰＩプラットフォーム。
  19. 前記記憶された認証データを使用して前記所与のＡＰＩにアクセスすることは、前記クライアントＯＡｕｔｈクレデンシャルに基づいてアクセストークンを取得することを含み、前記アクセストークンを取得することは、
    前記記憶されたＯＡｕｔｈクレデンシャルを取り出すことと、
    前記記憶されたＯＡｕｔｈクレデンシャルをアクセストークンの初期リクエストとしてアップロードすることと、
    前記所与のＡＰＩへのアクセスに関連する認可コードを要求することと、
    前記所与のＡＰＩにアクセスする許可を承認するリクエストを受信することと、
    前記クレデンシャルを自動的に提供して、許可を承認する前記リクエストを承認することと、
    前記認可コードを受信することと、
    前記認可コードに基づいて前記アクセストークンを要求することと、
    前記アクセストークンを受信することと、
    前記アクセストークンに基づいてウェブリソースを作成することと、
    前記ウェブリソースから前記アクセストークンを抽出することと、
    前記アクセストークンを記憶することと、
    前記アクセストークンを使用して前記ＡＰＩにアクセスすることと、
    を含む、請求項１８に記載のＡＰＩプラットフォーム。
  20. １つ以上のプロセッサに動作を実行させるコンピュータプログラムであって、前記動作は、
    複数のアプリケーションプログラミングインターフェース（ＡＰＩ）にわたり反復して前記複数のＡＰＩの認証タイプを抽出することと、
    中央リポジトリから、前記複数のＡＰＩのうち所与のＡＰＩへのアクセスのために新しいユーザを自動的に登録することと、
    前記所与のＡＰＩの認証タイプに基づいて認証データを取得することと、
    前記認証データを記憶することと、
    前記記憶された認証データを使用して前記所与のＡＰＩにアクセスすることと、
    を含む、コンピュータプログラム。
JP2021095374A 2020-07-08 2021-06-07 機械学習を用いる自動化されたａｐｉアクセス Pending JP2022016303A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/923,989 US11163621B1 (en) 2020-07-08 2020-07-08 Automated API access using machine learning
US16/923989 2020-07-08

Publications (1)

Publication Number Publication Date
JP2022016303A true JP2022016303A (ja) 2022-01-21

Family

ID=78372560

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021095374A Pending JP2022016303A (ja) 2020-07-08 2021-06-07 機械学習を用いる自動化されたａｐｉアクセス

Country Status (2)

Country Link
US (1) US11163621B1 (ja)
JP (1) JP2022016303A (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11636401B2 (en) * 2019-01-25 2023-04-25 Noodle.ai Artificial intelligence platform
CN115242761A (zh) * 2022-07-01 2022-10-25 浪潮云信息技术股份公司 一种动态OpenAPI自动化注册方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6735773B1 (en) * 1998-06-27 2004-05-11 Intel Corporation Method and apparatus for issuing commands to a network processor configured to provide a plurality of APIs
US20030154375A1 (en) * 2002-02-08 2003-08-14 Weimin Yang Universal crypto-adaptor system for supporting multiple APIs and multiple smart cards
US9479509B2 (en) 2009-11-06 2016-10-25 Red Hat, Inc. Unified system for authentication and authorization
US20130275504A1 (en) * 2012-04-11 2013-10-17 Pulin Patel Community of interest networks
US9442700B2 (en) * 2013-09-30 2016-09-13 MuleSoft, Inc. API notebook tool
US9602482B1 (en) 2013-12-12 2017-03-21 Amazon Technologies, Inc. Authentication for an API request
US9654469B1 (en) 2014-05-02 2017-05-16 Nok Nok Labs, Inc. Web-based user authentication techniques and applications
US10693644B2 (en) * 2017-06-23 2020-06-23 International Business Machines Corporation Single-input multifactor authentication
US10984133B1 (en) * 2017-08-02 2021-04-20 Styra, Inc. Defining and distributing API authorization policies and parameters
US10133650B1 (en) 2017-10-10 2018-11-20 Fujitsu Limited Automated API parameter resolution and validation
CN114706634A (zh) * 2018-01-15 2022-07-05 华为技术有限公司 一种系统、程序以及计算机可读存储介质
JP2019139621A (ja) * 2018-02-14 2019-08-22 日本電信電話株式会社 認証認可情報統合装置及び認証認可情報統合方法
US10693795B2 (en) 2018-06-01 2020-06-23 Fujitsu Limited Providing access to application program interfaces and Internet of Thing devices
US11030084B2 (en) * 2019-01-18 2021-06-08 Salesforce.Com, Inc. API specification parsing at a mocking server
US11023359B2 (en) * 2019-01-18 2021-06-01 Kleeen Software, Inc. Automated API generation
US11954111B2 (en) * 2019-03-29 2024-04-09 Innoplexus Ag System and method for executing service request
US11010212B2 (en) * 2019-06-13 2021-05-18 Microsoft Technology Licensing, Llc System and method for supporting and negotiating multiple API versions across multiple products
US11611548B2 (en) * 2019-11-22 2023-03-21 Oracle International Corporation Bulk multifactor authentication enrollment

Also Published As

Publication number Publication date
US11163621B1 (en) 2021-11-02

Similar Documents

Publication Publication Date Title
US10133650B1 (en) Automated API parameter resolution and validation
US9489401B1 (en) Methods and systems for object recognition
US10002292B2 (en) Organizational logo enrichment
US11038862B1 (en) Systems and methods for enhanced security based on user vulnerability
US9176938B1 (en) Document referencing system
US8510322B2 (en) Enriched search features based in part on discovering people-centric search intent
Peng et al. Astroturfing detection in social media: a binary n‐gram–based approach
CN110298029B (zh) 基于用户语料的好友推荐方法、装置、设备及介质
US9798776B2 (en) Systems and methods for parsing search queries
JP2022016303A (ja) 機械学習を用いる自動化されたａｐｉアクセス
Heck et al. Horizontal traceability for just‐in‐time requirements: the case for open source feature requests
US11755678B1 (en) Data extraction and optimization using artificial intelligence models
US11526334B2 (en) Method and system for dynamically generating executable source codes for applications
Alonso et al. ARTE: Automated generation of realistic test inputs for web APIs
WO2019217999A1 (en) Document processing and classification systems
WO2020041413A1 (en) Sibling search queries
JP6040398B2 (ja) 情報提供装置、方法およびプログラム
CN110737677B (zh) 一种数据搜索系统及方法
CN116431912A (zh) 用户画像推送方法及装置
CN114996714A (zh) 漏洞检测方法、装置、电子设备及存储介质
US11487768B2 (en) Generating search results utilizing access control
US11374914B2 (en) Systems and methods for determining knowledge-based authentication questions
KR102574220B1 (ko) 챗봇을 이용한 고객 상담 시스템, 방법 및 프로그램
Alonso Automated generation of realistic test inputs for web APIs
US20160012557A1 (en) System and method for scoring of a new idea