技术特征：
1.一种基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，应用于所述互联网ai系统，所述方法包括：依据对所述线上微服务应用进行软件服务升级后的应用测试上线活动中的第一测试通道的模拟测试使用活动和第二测试通道的模拟测试使用活动，输出所述第一测试通道的模拟测试使用活动的第一正常运行指标序列和第一运行异常变化信息，以及获得所述第一测试通道的模拟测试使用活动相对于模拟变化项目的第一关键变化数据：通过所述第一测试通道的模拟测试使用活动的第一正常运行指标序列、第一运行异常变化信息和第一关键变化数据，输出第一漏洞补充修复数据；根据完成学习的漏洞补充修复分析模型，判断所述第一漏洞补充修复数据对应的漏洞补充修复后的应用运行数据是否存在运行改善指标。2.根据权利要求1所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述依据应用测试上线活动中的第一测试通道的模拟测试使用活动和第二测试通道的模拟测试使用活动，输出所述第一测试通道的模拟测试使用活动的第一正常运行指标序列和第一运行异常变化信息，包括：对应用测试上线活动中持续的第一测试通道的模拟测试使用活动和第二测试通道的模拟测试使用活动执行下述步骤：针对所述第一测试通道的模拟测试使用活动和所述第二测试通道的模拟测试使用活动中的每个第一模拟测试使用实例，依据每个第一模拟测试使用实例在所述第一测试通道的模拟测试使用活动和所述第二测试通道的模拟测试使用活动中的模拟测试使用轨迹信息，及所述应用测试上线活动对应的第一应用测试采集数据，输出每个第一模拟测试使用实例关联的第一运行异常点，并确定每个第一模拟测试使用实例的第一运行异常点变量及该第一测试通道的模拟测试使用活动的第一正常运行指标序列；依据每个第一模拟测试使用实例的第一运行异常点变量，输出该第一测试通道的模拟测试使用活动的第一运行异常变化信息。3.根据权利要求1所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述输出所述第一测试通道的模拟测试使用活动相对于模拟变化项目的第一关键变化数据，包括：依据每个第一模拟测试使用实例在模拟测试流程中的频发变化项特征映射到模拟变化项目对应的关键变化匹配规则的数量，输出该第一测试通道的模拟测试使用活动相对于模拟变化项目的第一关键变化数据。4.根据权利要求1-3中任意一项所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述方法还包括：获取线上微服务应用的应用异常运行数据，所述应用异常运行数据表征所述线上微服务应用的应用异常漏洞；根据所述应用异常运行数据，输出所述应用异常运行数据的漏洞分析单元簇，所述漏洞分析单元簇中的漏洞分析单元分别关联所述应用异常运行数据的不同漏洞分析实例；对所述应用异常运行数据启用所述漏洞分析单元簇中的漏洞分析单元，输出所述应用异常运行数据中所述线上微服务应用的应用决策漏洞；根据所述应用异常运行数据、所述应用决策漏洞的漏洞字段向量、多个已知标注漏洞
的漏洞字段向量以及所述漏洞分析单元簇，输出目标应用异常漏洞，并获取所述目标应用异常漏洞对应于所述线上微服务应用在目标功能配置区间内的应用表项的漏洞影响特征序列，所述目标应用异常漏洞相联系的漏洞影响特征序列包括所述目标应用异常漏洞中各异常漏洞节点的漏洞影响特征；根据已开发部署的所述目标应用异常漏洞相关的软件服务升级应用中的漏洞修复决策程序，对所述目标应用异常漏洞相联系的漏洞影响特征序列进行漏洞修复属性决策，得到漏洞修复属性决策信息，并根据所述漏洞修复属性决策信息对所述软件服务升级应用进行漏洞修复固件调度后，依据所述软件服务升级应用对所述线上微服务应用进行软件服务升级，其中，所述目标应用异常漏洞为所述多个已知标注漏洞中与所述应用决策漏洞相联系的已知标注漏洞，所述已知标注漏洞为已知标注的应用决策漏洞。5.根据权利要求4所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述方法还包括：根据所述多个已知标注漏洞以及所述多个已知标注漏洞之间的知识点联系向量，输出所述多个已知标注漏洞的漏洞字段向量；其中，所述多个已知标注漏洞包括第一已知标注漏洞、第二已知标注漏洞和第三已知标注漏洞，所述第一已知标注漏洞是所述第二已知标注漏洞的前向知识联系实体，所述第三已知标注漏洞和所述第二已知标注漏洞之间不存在知识点联系向量，所述根据所述多个已知标注漏洞以及所述多个已知标注漏洞之间的知识点联系向量，输出所述多个已知标注漏洞的漏洞字段向量包括：对所述第一已知标注漏洞、所述第二已知标注漏洞和所述第三已知标注漏洞进行持续性集中特征分析，输出所述第一已知标注漏洞的第一持续性集中特征、所述第二已知标注漏洞的第二持续性集中特征以及所述第三已知标注漏洞的第三持续性集中特征；将所述第一持续性集中特征和所述第二持续性集中特征输入特征提取模型，通过所述特征提取模型，根据目标非线性关系信息对所述第二持续性集中特征进行非线性映射，输出所述第二已知标注漏洞的第四持续性集中特征；根据所述第一持续性集中特征与所述第四持续性集中特征之间的第一区别性特征，以及所述第三持续性集中特征与所述第四持续性集中特征之间的第二区别性特征，对所述第一持续性集中特征和所述第二持续性集中特征进行处理，输出所述第一已知标注漏洞的漏洞字段向量和所述第二已知标注漏洞的漏洞字段向量。6.根据权利要求4所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述根据所述应用异常运行数据，输出所述应用异常运行数据的漏洞分析单元簇包括：根据所述应用异常运行数据在各个应用运行异常事件中的运行异常态势以及各个应用运行异常事件对应的在先认证漏洞分析单元簇，输出所述应用异常运行数据的漏洞分析单元簇，所述运行异常态势表征对应应用运行异常事件中所述应用异常运行数据中尚未运行激活的异常服务进程、等待联动异常服务进程以及已运行激活的异常服务进程构成的异常服务进程，所述在先认证漏洞分析单元簇为对应应用运行异常事件之前的应用运行异常事件确定的漏洞分析单元簇。7.根据权利要求6所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述根据所述应用异常运行数据在各个应用运行异常事件中的运行异常态势以及各个应
用运行异常事件对应的在先认证漏洞分析单元簇，输出所述应用异常运行数据的漏洞分析单元簇包括：在任一应用运行异常事件r中，输出所述应用异常运行数据在所述应用运行异常事件r的运行异常态势，其中，r为正整数；获取在应用运行异常事件r-1确定的在先认证漏洞分析单元簇；根据所述应用异常运行数据在所述应用运行异常事件r的运行异常态势以及在所述应用运行异常事件r-1确定的在先认证漏洞分析单元簇，输出所述应用运行异常事件r对应的漏洞分析单元；将所述应用运行异常事件r对应的漏洞分析单元添加至在所述应用运行异常事件r-1确定的在先认证漏洞分析单元簇中，输出所述应用运行异常事件r对应的漏洞分析单元簇。8.根据权利要求7所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述根据所述应用异常运行数据在所述应用运行异常事件r的运行异常态势以及在所述应用运行异常事件r-1确定的在先认证漏洞分析单元簇，输出所述应用运行异常事件r对应的漏洞分析单元包括：根据所述应用异常运行数据的异常服务进程簇、第一异常服务进程簇、第二异常服务进程簇以及在所述应用运行异常事件r-1确定的在先认证漏洞分析单元簇中的首个漏洞分析单元，输出所述应用运行异常事件r对应的漏洞分析单元，所述异常服务进程簇包括在所述应用运行异常事件r时已运行激活的异常服务进程构成的异常服务进程，所述第一异常服务进程簇包括在所述应用运行异常事件r时等待联动的异常服务进程，所述第二异常服务进程簇包括在所述应用运行异常事件r时所述应用异常运行数据中尚未运行激活的异常服务进程。9.根据权利要求8所述的基于大数据漏洞分析的漏洞补充修复分析方法，其特征在于，所述根据所述应用异常运行数据的异常服务进程簇、第一异常服务进程簇、第二异常服务进程簇以及在所述应用运行异常事件r-1确定的在先认证漏洞分析单元簇中的首个漏洞分析单元，输出所述应用运行异常事件r对应的漏洞分析单元包括：将所述异常服务进程簇中的前两个异常服务进程、所述第一异常服务进程簇中的首个异常服务进程、所述第二异常服务进程簇中的首个异常服务进程以及在所述应用运行异常事件r-1确定的在先认证漏洞分析单元簇中的首个漏洞分析单元，构建所述应用运行异常事件r的第一异常服务进程数据集；根据预先配置的第一漏洞分析元素系数空间和预先配置的第一漏洞分析衍生空间对所述第一异常服务进程数据集进行处理，输出所述应用运行异常事件r的第二异常服务进程数据集；根据漏洞分析决策模型对所述第二异常服务进程数据集进行处理，输出所述应用运行异常事件r对应的漏洞分析单元。10.一种互联网ai系统，其特征在于，所述互联网ai系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序基于该处理器加载并执行以实现权利要求1-9中任意一项的基于大数据漏洞分析的漏洞补充修复分析方法。
技术总结
本申请实施例提供一种基于大数据漏洞分析的漏洞补充修复分析方法及系统，可以在对线上微服务应用进行软件服务升级后进一步分析漏洞修复情况，由此进行漏洞补充修复数据的生成，以便于后续开发人员在进行漏洞补充修复后进一步进行运行稳定性评价，并不断分析检测漏洞补充修复后的应用运行数据是否存在运行改善指标，以实现针对漏洞补充修复的闭环反馈机制。制。制。
技术研发人员：刘小召 范相军
受保护的技术使用者：洪兴发
技术研发日：2022.03.08
技术公布日：2022/10/20