用于监测软件运行数据安全的软件插件配置方法和系统技术方案

本发明专利技术涉及软件管理技术领域，提供了用于监测软件运行数据安全的软件插件配置方法和系统，从软件的工作记录生成有效运行数据，对深度学习模型进行训练，得到软件运行监测模型，用于确定软件运行异常事件，实现对软件全局化运行监测；基于运行异常事件，确定软件运行过程中的异常节点，再映射追溯得到异常代码环节，从代码层面对软件进行分析，并对异常代码环节进行代码内容识别确定bug源，以此对软件加载匹配的补丁插件，实现软件的代码bug修复，最大限度保证软件正常运行；还基于异常节点的数据状态，判断是否存在数据处理异常事件，对异常节点进行数据处理流程识别，从中确定遗漏处理的数据部分，为软件运行过程的数据处理提供可靠全面的监测。处理提供可靠全面的监测。处理提供可靠全面的监测。

【技术实现步骤摘要】
用于监测软件运行数据安全的软件插件配置方法和系统


[0001]本专利技术涉及软件管理的
，尤其涉及用于监测软件运行数据安全的软件插件配置方法和系统。

技术介绍

[0002]软件由不同代码环节组成，每个代码环节对应于软件的一个运行节点。正常情况下，输入到软件的数据依次经过所有运行节点后，输出得到软件整体的运算结果。当软件内部的代码环节存在代码bug时，会使对应的运行节点无法对数据进行正确的运算处理，导致数据运算错误或数据遗漏运算的情况发生，无法保证软件的数据处理正确性和安全性。由于软件包含的代码众多，一旦软件发生上述问题时，将难以精确反演追溯软件存在问题的运行节点，从而无法对软件进行针对性的修复，降低软件运行的可靠性和正确性，不能对软件运行过程中的数据处理提供可靠全面的监测。

技术实现思路

[0003]针对上述现有技术存在的缺陷，本专利技术提供了一种用于监测软件运行数据安全的软件插件配置方法和系统，其从软件的工作记录生成有效运行数据，对深度学习模型进行训练，得到软件运行监测模型，用于确定软件的运行异常事件，实现对软件的全局化运行监测；还基于运行异常事件，确定软件运行过程中的异常节点，再映射追溯得到异常代码环节，从代码层面上对软件进行分析，并对异常代码环节进行代码内容识别确定bug源，以此对软件加载匹配的补丁插件，实现软件的代码bug修复，最大限度保证软件的正常运行；还基于异常节点的数据状态，判断是否存在数据处理异常事件，对异常节点进行数据处理流程的识别，从中确定遗漏处理的数据部分，实现对软件的数据流追踪识别，且对数据处理结果进行筛选，提取其中的正确有效结果，为软件运行过程的数据处理提供可靠全面的监测。
[0004]本专利技术提供了一种用于监测软件运行数据安全的软件插件配置方法，包括如下步骤：步骤S1，获取软件的工作记录，基于所述工作记录，生成有效运行数据，以此形成运行数据训练集；基于所述运行数据训练集，对深度学习模型进行训练，得到软件运行监测模型；将所述软件的实时运行数据输入至所述软件运行监测模型，确定所述软件的实时运行异常事件；步骤S2，基于所述实时运行异常事件，确定所述软件运行过程的异常节点；基于所述异常节点，确定所述软件存在的异常代码环节；对所述异常代码环节进行代码内容识别，得到所述软件的bug源，以此确定与所述软件匹配的补丁插件，并将所述补丁插件加载至所述软件；步骤S3，基于所述异常节点在所述软件运行过程的位置，对所述软件进行定向监测，得到所述异常节点的数据状态信息；基于所述数据状态信息，判断所述异常节点是否还存在数据处理异常事件；
步骤S4，基于所述数据处理异常事件的判断结果，对所述软件的数据处理结果进行标记；基于所述标记的结果，对所述数据处理结果进行筛选。
[0005]进一步，在所述步骤S1中，获取软件的工作记录，基于所述工作记录，生成有效运行数据，以此形成运行数据训练集；基于所述运行数据训练集，对深度学习模型进行训练，得到软件运行监测模型，包括：从软件的工作日志中，获取预设时间范围内的工作记录，并基于预设数据类型集合，从所述工作记录选择匹配的运行数据，并对所述运行数据进行数据筛选，生成有效运行数据；再按照运行数据生成时间先后顺序，将所有有效运行数据组合形成运行数据训练集；将运行数据训练集包含的所有有效运行数据转换为数据向量，再将所述数据向量输入至深度学习模型的训练池中进行训练，得到软件运行监测模型。
[0006]进一步，在所述步骤S1中，将所述软件的实时运行数据输入至所述软件运行监测模型，确定所述软件的实时运行异常事件，包括：从后台端获取所述软件包含的所有运行节点的实时运行数据；其中，所述运行节点是指所述软件对数据进行运算处理的节点；将所述实时运行数据输入至所述软件运行监测模型，得到每个运行节点对数据的运算处理过程记录；基于所述运算处理过程记录，得到运行节点的数据运算卡顿持续时间和数据运算出错率；若所述数据运算卡顿持续时间大于或等于预设时间阈值或者所述数据运算出错率大于或等于预设比率阈值，则确定所述运行节点发生运行异常事件。
[0007]进一步，在所述步骤S2中，基于所述实时运行异常事件，确定所述软件运行过程的异常节点；基于所述异常节点，确定所述软件存在的异常代码环节，包括：获取所述实时运行异常事件于所述软件的发生所在运行节点，并将所述运行节点确定为所述软件运行过程的异常节点；基于所述异常节点在所述软件的运行流程顺序，从所述软件的完整代码中调取与所述异常节点对应的异常代码环节。
[0008]进一步，在所述步骤S2中，对所述异常代码环节进行代码内容识别，得到所述软件的bug源，以此确定与所述软件匹配的补丁插件，并将所述补丁插件加载至所述软件，包括：对所述异常代码环节进行代码内容溯源识别，定位出所述软件的bug源；基于所述bug源的类型，确定能够修复所述bug源的补丁插件类型；基于所述补丁插件类型和所述软件的类型，确定与所述软件匹配的补丁插件，并将所述补丁插件加载至所述软件。
[0009]进一步，在所述步骤S3中，基于所述异常节点在所述软件运行过程的位置，对所述软件进行定向监测，得到所述异常节点的数据状态信息，包括：基于所述异常节点在所述软件运行过程的位置，对所述软件进行定向监测，获取所述软件在所述异常节点运算之前和运算之后的数据流信息。
[0010]进一步，在所述步骤S3中，基于所述数据状态信息，判断所述异常节点是否还存在数据处理异常事件，包括：对所述软件在所述异常节点运算之前和运算之后的数据流信息进行对照分析，判断所述异常节点是否对运算之前的所有数据流均进行全面运算处理；若否，则确定所述异
常节点存在数据处理遗漏异常事件；若是，则确定所述异常节点不存在数据处理遗漏异常事件。
[0011]进一步，在所述步骤S4中，基于所述数据处理异常事件的判断结果，对所述软件的数据处理结果进行标记，包括：当所述异常节点存在数据处理遗漏异常事件，则基于所述软件在所述异常节点运算之前和运算之后的数据流信息的对照结果，确定所述异常节点未处理的数据，并对所述未处理的数据进行关于在所述软件的数据流标记。
[0012]进一步，在所述步骤S4中，基于所述标记的结果，对所述数据处理结果进行筛选，包括：基于所述数据流标记的结果，从所述数据处理结果中筛选出未经过所述软件包含的全部运行节点的数据结果。
[0013]本专利技术还提供一种用于监测软件运行数据安全的软件插件配置系统，包括：软件运行监测模型构建模块，用于获取软件的工作记录，基于所述工作记录，生成有效运行数据，以此形成运行数据训练集；基于所述运行数据训练集，对深度学习模型进行训练，得到软件运行监测模型；运行异常事件识别模块，用于将所述软件的实时运行数据输入至所述软件运行监测模型，确定所述软件的实时运行异常事件；异常代码环节确定模块，用于基于所述实时运行异常事件，确定所述软件运行过程的异常节点；基于所述异常节点，确定所述软件存在的异常代码环节；插件配置模块，用于对所述异常代码环节进行代码内容识别，得到所述软件的bug源，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于监测软件运行数据安全的软件插件配置方法，其特征在于，包括如下步骤：步骤S1，获取软件的工作记录，基于所述工作记录，生成有效运行数据，以此形成运行数据训练集；基于所述运行数据训练集，对深度学习模型进行训练，得到软件运行监测模型；将所述软件的实时运行数据输入至所述软件运行监测模型，确定所述软件的实时运行异常事件；步骤S2，基于所述实时运行异常事件，确定所述软件运行过程的异常节点；基于所述异常节点，确定所述软件存在的异常代码环节；对所述异常代码环节进行代码内容识别，得到所述软件的bug源，以此确定与所述软件匹配的补丁插件，并将所述补丁插件加载至所述软件；步骤S3，基于所述异常节点在所述软件运行过程的位置，对所述软件进行定向监测，得到所述异常节点的数据状态信息；基于所述数据状态信息，判断所述异常节点是否还存在数据处理异常事件；步骤S4，基于所述数据处理异常事件的判断结果，对所述软件的数据处理结果进行标记；基于所述标记的结果，对所述数据处理结果进行筛选。2.根据权利要求1所述的用于监测软件运行数据安全的软件插件配置方法，其特征在于：在所述步骤S1中，获取软件的工作记录，基于所述工作记录，生成有效运行数据，以此形成运行数据训练集；基于所述运行数据训练集，对深度学习模型进行训练，得到软件运行监测模型，包括：从软件的工作日志中，获取预设时间范围内的工作记录，并基于预设数据类型集合，从所述工作记录选择匹配的运行数据，并对所述运行数据进行数据筛选，生成有效运行数据；再按照运行数据生成时间先后顺序，将所有有效运行数据组合形成运行数据训练集；将运行数据训练集包含的所有有效运行数据转换为数据向量，再将所述数据向量输入至深度学习模型的训练池中进行训练，得到软件运行监测模型。3.根据权利要求2所述的用于监测软件运行数据安全的软件插件配置方法，其特征在于：在所述步骤S1中，将所述软件的实时运行数据输入至所述软件运行监测模型，确定所述软件的实时运行异常事件，包括：从后台端获取所述软件包含的所有运行节点的实时运行数据；其中，所述运行节点是指所述软件对数据进行运算处理的节点；将所述实时运行数据输入至所述软件运行监测模型，得到每个运行节点对数据的运算处理过程记录；基于所述运算处理过程记录，得到运行节点的数据运算卡顿持续时间和数据运算出错率；若所述数据运算卡顿持续时间大于或等于预设时间阈值或者所述数据运算出错率大于或等于预设比率阈值，则确定所述运行节点发生运行异常事件。4.根据权利要求1所述的用于监测软件运行数据安全的软件插件配置方法，其特征在于：在所述步骤S2中，基于所述实时运行异常事件，确定所述软件运行过程的异常节点；基于所述异常节点，确定所述软件存在的异常代码环节，包括：
获取所述实时运行异常事件于所述软件的发生所在运行节点，并将所述运行节点确定为所述软件运行过程的异常节点；基于所述异常节点在所述软件的运行流程顺序，从所述软件的完整代码中调取与所述异常节点对应的异常代码环节。5.根据权利要求4所述的用于监测软件运行数据安全的软件插件配置方法，其特征在于：在所述步骤S2中，对所述异常代码环节进行代码内容识别，得到所述软件的b...

【专利技术属性】
技术研发人员：蔡云龙，何格，
申请(专利权)人：成都移信通科技有限公司，
类型：发明
国别省市：