本发明涉及计算机技术与软件开发技术领域，具体涉及iOS应用数据安防系统及方法。
背景技术：
移动智能终端设备现已全面普及。随着科技的迅猛发展，移动设备上的传感器越来越多，越来越先进，移动设备每天都能产生大量与用户使用习惯相关的数据，而每个用户的使用习惯都不同，因此设备产生的数据具有非常个性化的特征，涉及到多个方面。在这样一个背景下，本发明借助于全面的数据整合与分析，有效利用用户数据，将新收集到的用户数据与用户使用习惯比较，针对不同情况采取相应的安全措施，这将大大提高移动应用的安全性和使用体验，具有非常大的应用前景。
技术实现要素：
本发明克服了现有技术的不足，提供一种iOS应用数据安防系统。
为解决上述的技术问题，本发明采用以下技术方案：
一种iOS应用数据安防系统，它包括相互通信的数据收集模块、数据建模模块、数据分析模块；
所述数据收集模块用于采集用户使用手机时产生的健康数据、位置数据、触摸时间数据、触摸距离数据、角度数据和汇总数据；
所述数据建模模块用于建立健康数据模型、位置数据模型、触摸时间数据模型、触摸距离数据模型、角度数据模型和汇总数据模型，将健康数据模型、位置数据模型、触摸时间数据模型、触摸距离数据模型、角度数据模型和汇总数据模型输入数据分析模块；
所述数据分析模块用于数据分析，包括均值分析模块、聚类分析模块、线性回归分析模块、逻辑回归分析模块；
所述均值分析模块用于对数据呈现正太分布模型的分析，分析目的是判断新加入的数据是否为异常数据，用于分析健康数据模型；
所述聚类分析模块用于分析含有定类变量、定量变量的数据，通过聚类分析模块可以计算出新数据所在聚类占总数据的一个权重，用于分析位置数据模型；
所述线性回归分析模块用于对数据呈现线性分布模型的分析，通过求出模型的可决系数来判断新数据是否符合当前模型，用于分析触摸时间数据模型和触摸距离数据模型；
所述逻辑回归分析即为LR分类器，用于分析、预测某事件的发生概率，输于结果以0.5为界线分类，用于汇总数据模型。
本发明还可提供一种iOS应用数据安防方法
一种iOS应用数据安防方法，它包括以下步骤：
步骤1，数据收集模块开始采集用户使用手机时产生的健康数据、位置数据、触摸时间数据、触摸距离数据、角度数据和汇总数据，并将采集到的数据优先存入临时数据存储区，等数据分析结束后，如果是可信任用户使用手机，就将收集到的数据存入可信数据库，否者将数据抛弃；
步骤2，数据建模模块根据数据的类型建立健康数据模型、位置数据模型、触摸时间数据模型、触摸距离数据模型、角度数据模型和汇总数据模型，根据具体模型所承担的数据类别，调用数据收集模块的可信数据和当前数据获取方法，获得原始数据，根据原始数据进行均值处理计算，将结果传递给数据分析模块进行分析；
步骤3，数据分析模块采用均值分析方法、聚类分析方法、线性回归分析方法和逻辑回归分析方法对数据进行分析。
优选的，所述均值分析方法是一种针对数据呈现正太分布模型的分析方法，具体包括：
步骤3.1，获取数据，由用户提供所需数据；
步骤3.2，构建模型，根据用户提供的可信数据源，建立相应的数据模型；
步骤3.3，验证数据，获取用户提供的需要验证的数据，将数据带入到建立的模型中，就可以得出相应的概率，得出的概率在0到1之间；
步骤3.4，输出结果，将分析得出的结果输出给用户。
优选的，所述聚类分析方法计算出新数据所在聚类占总数据的一个权重，具体包括：
步骤4.1，输入经验数据与待校验数据，将经验数据与待校验数据合并，整理组合后的数据，得到一个可供分析的多维度数据集合；
步骤4.2，将整理后的数据进行模型构建，通过多次的迭代计算，得到一个稳定的聚类分布模型，分析采用快速聚合方法，以数据之间的距离作为聚合标准，对于摇摆数据设定一个迭代上限值，保证有稳定模型输出；
步骤4.3，将校验数据与得到的稳定聚类分布模型进行分析，得到校验数据之于模型的一个权重值，然后输出结果。
优选的，所述线性回归分析方法是一种针对数据呈现线性分布模型的分析方法，具体包括：
步骤5.1，传入经验数据和待验证的数据；
步骤5.2，构建模型，根据用户提供的可信数据源，建立相应的数据模型；
步骤5.3，验证数据，获取用户提供的需要验证数据源，将数据带入到建立的模型中，求出可决系数，得出的概率在0到1之间；
步骤5.4，输出结果，将分析得出的结果输出给用户。
优选的，所述逻辑回归分析方法分析、预测某事件的发生概率，具体包括：
步骤6.1，输入经验数据，从可信数据库加载经验数据，得到一个可供分析的多维数据集合；
步骤6.2，模型构建，根据输入的数据，确定函数形式并训练算法，得到回归系数；
步骤6.3，模型校验，使用似然比检验法检验步骤二得到的回归系数，若检验结果表明模型显著则继续步骤四，否则换用其他分析模型；
步骤6.4，输入校验数据，使用模型进行分析，得到相应的分类结果，结果以0.5为界线，大于0.5输出结果是，小于0.5输出结果否。
与现有技术相比，本发明的有益效果是：
本发明收集用户各个维度的使用数据，然后针对不同类型数据分别建模，接下来分析汇总，根据分析数据判断出目前使用该手机的用户是否是值得信赖的人，如果不是可信赖的人会启动防护系统来达到应用的安全防护的目的。
附图说明
图1为本发明一种实施例的iOS应用数据安防系统的结构框图。
具体实施方式
下面结合附图对本发明作进一步阐述。
实施例1
如图1所示的一种iOS应用数据安防系统，它包括相互通信的数据收集模块、数据建模模块、数据分析模块；数据收集模块用于采集用户使用手机时产生的健康数据、位置数据、触摸时间数据、触摸距离数据、角度数据和汇总数据；数据建模模块用于建立健康数据模型、位置数据模型、触摸时间数据模型、触摸距离数据模型、角度数据模型和汇总数据模型，将健康数据模型、位置数据模型、触摸时间数据模型、触摸距离数据模型、角度数据模型和汇总数据模型输入数据分析模块；数据分析模块用于数据分析，包括均值分析模块、聚类分析模块、线性回归分析模块、逻辑回归分析模块；均值分析模块用于对数据呈现正太分布模型的分析，分析目的是判断新加入的数据是否为异常数据，用于分析健康数据模型；聚类分析模块用于分析含有定类变量、定量变量的数据，通过聚类分析模块可以计算出新数据所在聚类占总数据的一个权重，用于分析位置数据模型；线性回归分析模块用于对数据呈现线性分布模型的分析，通过求出模型的可决系数来判断新数据是否符合当前模型，用于分析触摸时间数据模型和触摸距离数据模型；逻辑回归分析即为LR分类器，用于分析、预测某事件的发生概率，输于结果以0.5为界线分类，用于汇总数据模型。
实施例2
一种iOS应用数据安防方法，它包括以下步骤：
步骤1，数据收集模块开始采集用户使用手机时产生的健康数据、位置数据、触摸时间数据、触摸距离数据、角度数据和汇总数据，并将采集到的数据优先存入临时数据存储区，等数据分析结束后，如果是可信任用户使用手机，就将收集到的数据存入可信数据库，否者将数据抛弃；
步骤2，数据建模模块根据数据的类型建立健康数据模型、位置数据模型、触摸时间数据模型、触摸距离数据模型、角度数据模型和汇总数据模型，根据具体模型所承担的数据类别，调用数据收集模块的可信数据和当前数据获取方法，获得原始数据，根据原始数据进行均值处理计算，将结果传递给数据分析模块进行分析；
步骤3，数据分析模块采用均值分析方法、聚类分析方法、线性回归分析方法和逻辑回归分析方法对数据进行分析。
均值分析方法是一种针对数据呈现正太分布模型的分析方法，具体包括：步骤3.1，获取数据，由用户提供所需数据；步骤3.2，构建模型，根据用户提供的可信数据源，建立相应的数据模型；步骤3.3，验证数据，获取用户提供的需要验证的数据，将数据带入到建立的模型中，就可以得出相应的概率，得出的概率在0到1之间；步骤3.4，输出结果，将分析得出的结果输出给用户。
聚类分析方法计算出新数据所在聚类占总数据的一个权重，具体包括：步骤4.1，输入经验数据与待校验数据，将经验数据与待校验数据合并，整理组合后的数据，得到一个可供分析的多维度数据集合；步骤4.2，将整理后的数据进行模型构建，通过多次的迭代计算，得到一个稳定的聚类分布模型，分析采用快速聚合方法，以数据之间的距离作为聚合标准，对于摇摆数据设定一个迭代上限值，保证有稳定模型输出；步骤4.3，将校验数据与得到的稳定聚类分布模型进行分析，得到校验数据之于模型的一个权重值，然后输出结果。
线性回归分析方法是一种针对数据呈现线性分布模型的分析方法，具体包括：步骤5.1，传入经验数据和待验证的数据；步骤5.2，构建模型，根据用户提供的可信数据源，建立相应的数据模型；步骤5.3，验证数据，获取用户提供的需要验证数据源，将数据带入到建立的模型中，求出可决系数，得出的概率在0到1之间；步骤5.4，输出结果，将分析得出的结果输出给用户。
逻辑回归分析方法分析、预测某事件的发生概率，具体包括：
步骤6.1，输入经验数据，从可信数据库加载经验数据，得到一个可供分析的多维数据集合；
步骤6.2，模型构建，根据输入的数据，确定函数形式并训练算法，得到回归系数；
步骤6.3，模型校验，使用似然比检验法检验步骤二得到的回归系数，若检验结果表明模型显著则继续步骤四，否则换用其他分析模型；
步骤6.4，输入校验数据，使用模型进行分析，得到相应的分类结果，结果以0.5为界线，大于0.5输出结果是，小于0.5输出结果否。
以上具体实施方式对本发明的实质进行详细说明，但并不能对本发明的保护范围进行限制，显而易见地，在本发明的启示下，本技术领域普通技术人员还可以进行许多改进和修饰，需要注意的是，这些改进和修饰都落在本发明的权利要求保护范围之内。