本发明涉及一种app软件运行数据异常判断方法，属于app软件运行检测领域。
背景技术：
android平台下app软件异常判断方法主要采用机器学习方法构建训练数据模型，最后通过构建的模型判断软件是否异常。例如，孙敏等人利用特征加权k最近邻方法进行svm训练集的精简和分类器的构建。刘晓明等人提出仅将良性样本作为训练集，后采用最近邻(knn)机器学习算法建立良性应用行为模型来实现对app软件进行异常判断的方法。
目前，针对app软件异常判断方法主要是针对大量样本实现轻量级判断方法，基本采用机器学习方法建立数据训练模型，然后对app软件运行数据进行判断，并没有结合系统日志信息、系统资源消耗状态及app软件资源消耗状态，且训练样本的更新不够及时，将影响判断方法识别的准确率。
技术实现要素：
针对上述问题，本发明提供了一种app软件运行数据异常判断方法，以用于帮助用户发现app软件在使用过程中是否出现异常。
本发明的技术方案是：一种app软件运行数据异常判断方法，所述方法的具体步骤如下：
s1、将app软件运行数据集作为输入；其中，app软件运行数据集u＝{u1,u2,...,un}，ux＝(utimex,upidx,rcpux,rmemx,pronumx,sernumx,smemx,scpux,u_flagx)表示第x条app软件数据信息，utimex表示第x条app软件数据信息中系统当前时间；upidx表示第x条app软件数据信息中运行的app软件进程号；rcpux表示第x条app软件数据信息中app软件占用cpu大小；rmemx表示第x条app软件数据信息中app软件占用内存大小；pronumx表示第x条app软件数据信息中系统进程数量；sernumx表示第x条app软件数据信息中系统服务数量；smemx表示第x条app软件数据信息中系统已使用内存大小，scpux表示第x条app软件数据信息中系统已使用cpu大小，u_flagx表示第x条app软件数据信息的标记；x＝1,2,...n；
s2、基于系统日志对app软件运行数据集进行标记：
s2.1、初始化i＝1，j＝1，执行步骤s2.2；
s2.2、如果i≤n，则遍历日志文件d，并执步骤s2.3判断j≤m；否则保存标记后的数据集u，结束；
s2.3、如果j≤m，则执行步骤s2.4判断i＝1是否为真；否则标记u_flagi＝1，i＝i+1，并执行步骤s2.2；
s2.4、如果i＝1为真，则执行步骤s2.6判断dtimej<utimei是否为真；否则执行步骤s2.5判断dtimej>utimei-1是否为真；
s2.5、如果dtimej>utimei-1为真，则执行步骤s2.6判断dtimej<utimei是否为真；否则j＝j+1，并执行步骤s2.3；
s2.6、如果dtimej<utimei为真，则执行步骤s2.7判断dpidj＝upidi是否为真；否则标记u_flagi＝1，i＝i+1，并执行步骤s2.2；
s2.7、如果dpidj＝upidi为真，则执行步骤s2.8判断typej＝“e”是否为真，否则j＝j+1，并执行步骤s2.3；
s2.8、如果typej＝“e”为真，则标记u_flagi＝-1，i＝i+1，并执行步骤s2.2；否则执行步骤s2.9判断messagej是否包含应用程序接口字符串；其中应用程序接口字符串表示app软件在执行某些操作所必须调用的函数名称；
s2.9、如果messagej包含应用程序接口字符串，则标记u_flagi＝-1，i＝i+1，并执行步骤s2.2；否则执行步骤s2.10判断messagej是否包含“start”或“delete”；
s2.10、如果messagej包含“start”或“delete”，则执行步骤s2.11判断messagej是否包含应用程序包名；否则j＝j+1，并执行步骤s2.3；其中应用程序包名表示每个app软件安装在系统后会生成一个唯一的字符串；
s2.11、如果messagej包含应用程序包名，则标记u_flagi＝-1，i＝i+1，并执行步骤s2.2；否则j＝j+1，并执行步骤s2.3；
其中，系统日志文件d＝{d1,d2,...,dm}，dy＝(dtimey,typey,dpidy,tagy,messagey)表示第y行系统日志信息，dtimey表示第y行系统日志信息产生的时间；typey表示第y行系统日志信息的类型，dpidy表示第y行系统日志信息中运行的app软件的进程号，tagy表示第y行系统日志信息中运行的app软件的activity的名称或类名；messagey表示第y行系统日志信息中app软件运行的相关详细信息；y＝1,2,...m；
s3、基于svm的app软件运行数据集中数据异常判断：
s3.1、初始化数据：c＝2-8、g＝2-8、g_cur＝0、c_max＝23、g_max＝23、v＝0、acc_max＝0、great_c＝0、great_g＝0、k＝10、b＝0、lagrange为空，执行步骤s3.2；其中，c表示惩罚因子，g表示径向基核函数参数，g_cur表示临时变量，c_max表示c的最大值，g_max表示g的最大值，v表示迭代的次数，最大迭代次数用v_max表示，acc_max表示svm算法app软件运行训练数据集t的准确率的最大值，svm算法app软件运行训练数据集t的准确率用acc表示，k表示c和g每次迭代的增量，b表示svm分类面函数的一个常数值，lagrange表示app软件运行训练数据集t中每条数据的拉格朗日乘子的集合；
s3.2、如果v<v_max，则执行步骤s3.6判断c<c_max+k是否为真；否则c＝great_c，g＝great_g，并基于svm算法计算app软件运行训练数据集t的拉格朗日乘子和参数b，将拉格朗日乘子存入lagrange并初始化数据，获取标记后的数据集u＝{u1,u2,...,un}，i＝1，执行步骤s3.3判断i≤n是否为真；
s3.3、如果i≤n为真，则执行步骤s3.4判断u_flagi＝1是否为真；否则结束；
s3.4、如果u_flagi＝1为真，则执行步骤s3.5判断svm分类面函数计算结果>0是否为真；否则输出ui数据为异常，i＝i+1，并执行步骤s3.3；
s3.5、如果svm分类面函数计算结果>0为真，则输出ui数据为正常，将ui数据加入app软件运行训练数据集t中，i＝i+1，并执行步骤s3.3；否则更新标记u_flagi＝-1，输出ui数据为异常，将ui数据加入app软件运行训练数据集t中，i＝i+1，并执行步骤s3.3；
s3.6、如果c<c_max+k为真，则执行步骤s3.7判断g<g_max+k是否为真；否则g_cur＝great_g-k，c_max＝great_c+k，g_max＝great_g+k，g＝g_cur，c＝great_c-k，k＝k/10，v＝v+1，acc_max＝0，执行步骤s3.2；
s3.7、如果g<g_max+k为真，则基于svm算法计算app软件运行训练数据集t分类的准确率acc并执行步骤3.8判断acc>acc_max是否为真；否则执行步骤s3.10判断v＝0是否为真；
s3.8、如果acc>acc_max为真，则执行步骤3.9判断acc＝1是否为真；否则g＝g+k，并执行步骤3.7；
s3.9、如果acc＝1为真，则great_c＝c，great_g＝g，g_cur＝great_g-k，c_max＝great_c+k，g_max＝great_g+k，g＝g_cur，c＝great_c-k，k＝k/10，v＝v+1，acc_max＝0，执行步骤s3.2；否则，acc_max＝acc，great_c＝c，great_g＝g，g＝g+k，并执行步骤3.7；
s3.10、如果v＝0为真，则c＝c+k，g＝2-8，并执行步骤s3.6；否则c＝c+k，g＝g_cur，并执行步骤s3.6；
其中，app软件运行训练数据集用t表示，t＝{t1,t2,…,tp}，tp＝(rcpup,rmemp,pronump,sernump,smemp,scpup,t_flagp)，rcpup表示第p条训练数据中app软件占用cpu大小，rmemp表示第p条训练数据中app软件占用内存大小，pronump表示第p条训练数据中系统进程数量，sernump表示第p条训练数据中系统服务数量，smemp表示第p条训练数据中系统已使用内存大小，scpup表示第p条训练数据中系统已使用cpu大小，t_flagp表示第p条训练数据是正常数据或异常数据；
s4、输出判断结果：根据步骤s3的结果，输出u_flagx＝-1的app软件数据信息ux作为异常数据，输出u_flagx＝1的app软件数据信息ux作为正常数据；其中x＝1,2,...n。
将app软件运行训练数据集t及加入app软件运行训练数据集t中的app软件运行数据作为新的app软件运行数据集用于下一次基于svm的app软件运行数据集中数据异常判断。
本发明的有益效果是：
(1)本发明将手机日志信息与svm算法相结合，有助于更准确的判断app应用程序数据信息是否存在异常；
(2)本发明对svm的相关参数进行优选，有助于提高判断的准确率。
(3)本发明对svm的训练数据集进行扩充，有助于提高判断的准确率。
附图说明
图1为本发明的方法流程图；
图2为本发明手机系统日志的数据异常判断方法的流程图；
图3为本发明基于svm的app软件运行数据集中数据异常判断方法的流程图。
具体实施方式
实施例1：如图1-3所示，一种app软件运行数据异常判断方法，所述方法具体步骤如下：
本实施例中app软件运行数据集u由7条数据组成，如表1所示，u＝{u1,u2,...,un}，其中ui＝(utimei,upidi,rcpui,rmemi,pronumi,sernumi,smemi,scpui,u_flagi)(i＝1,2,...,n)表示第i条app软件数据信息，utimei表示第i条app软件数据信息中系统当前时间；upidi表示第i条app软件数据信息中运行的app软件进程号；rcpui表示第i条app软件数据信息中app软件占用cpu大小；rmemi表示第i条app软件数据信息中app软件占用内存大小；pronumi表示第i条app软件数据信息中系统进程数量；sernumi表示第i条app软件数据信息中系统服务数量；smemi表示第i条app软件数据信息中系统已使用内存大小，scpui表示第i条app软件数据信息中系统已使用cpu大小，u_flagi表示第i条app软件数据信息的标记。
表1app软件运行数据集u
本实例中app软件运行训练数据集t由10条数据组成，如表2所示，t＝{t1,t2,…,tp}，其中tp＝(rcpup,rmemp,pronump,sernump,smemp,scpup,t_flagp)(i＝1,2,…,p)，rcpup表示第p条训练数据中app软件占用cpu大小；rmemp表示第p条训练数据中app软件占用内存大小；pronump表示第p条训练数据中系统进程数量；sernump表示第p条训练数据中系统服务数量；smemp表示第p条训练数据中系统已使用内存大小，scpup表示第p条训练数据中系统已使用cpu大小，t_flagp表示第p条训练数据是正常数据或异常数据(-1表示异常，1表示正常)。
表2app软件运行训练数据集t
本实例中系统日志文件d由6条数据组成，如表3所示，d＝{d1,d2,...,dm}，其中dj＝(dtimej,typej,dpidj,tagj,messagej)(j＝1,2,...,m)表示第j行系统日志信息，dtimej表示第j行系统日志信息产生的时间；typej表示第j行系统日志信息的类型；dpidj表示第j行系统日志信息中运行的app软件的进程号；tagj表示第j行系统日志信息中运行的app软件的activity的名称或类名；messagej表示第j行系统日志信息中app软件运行的相关详细信息。
表3系统日志文件d
app软件运行数据异常判断方法的具体步骤如下：
step1：输入app软件运行数据集u；本实例中app软件运行数据共有7条，u＝{u1,u2,u3,u4,u5,u6,u7}，
u1＝[utime1,upid1,rcpu1,rmem1,pronum1,sernum1,smem1,scpu1,u_flag1]＝[20170921113814,7691,12.84,0.26,29,41,409,21.76,null]，
u2＝[utime2,upid2,rcpu2,rmem2,pronum2,sernum2,smem2,scpu2,u_flag2]＝[20170921114115,7691,13.77,0.49,28,38,413,22.69,null]，
u3＝[utime3,upid3,rcpu3,rmem3,pronum3,sernum3,smem3,scpu3,u_flag3]＝[20170921114549,7691,12.99,0.32,3041,412,21.15,null]，
u4＝[utime4,upid4,rcpu4,rmem4,pronum4,sernum4,smem4,scpu4,u_flag4]＝[20170921115052,7691,13.21,0.27,29,41,425,14.91,null]，
u5＝[utime5,upid5,rcpu5,rmem5,pronum5,sernum5,smem5,scpu5,u_flag5]＝[20170921115224,7691,12.93,0.00,28,40,409,12.20,null]，
u6＝[utime6,upid6,rcpu6,rmem6,pronum6,sernum6,smem6,scpu6,u_flag6]＝[20170921115346,7691,12.77,0.31,2941,422,35.13,null]，
u7＝[utime7,upid7,rcpu7,rmem7,pronum7,sernum7,smem7,scpu7,u_flag7]＝[20170921115457,7691,12.93,0.00,28,40,409,13.19,null]；
step2：基于系统日志对app软件运行数据集进行标记：本实例中系统日志文件d共有6条数据，d＝{d1,d2,d3,d4,d5,d6}，d1＝[dtime1,type1,dpid1,tag1,message1]＝
[20170921113714,e,7691,qjqx,java.lang.nullpointerexception]，
d2＝[dtime2,type2,dpid2,tag2,message2]＝
[20170921113818,d,24379,trace,java.net.inetaddress.lookuphostbyname]，
d3＝[dtime3,type3,dpid3,tag3,message3]＝
[20170921113954,d,7691,qjqx,unexpectedvaluefromnativegetenabledtags:0]，
d4＝[dtime4,type4,dpid4,tag4,message4]＝
[20170921114024,d,7691,qjqx,startproccom.hzl.flashlight6foractivity]，
d5＝[dtim5,type5,dpid5,tag5,message5]＝
[20170921114345,d,7691,qjqx,action:action_main_circleservice]，
d6＝[dtime6,type6,dpid6,tag6,message6]＝
[20170921114555,d,7691,qjqx,query()beginuri＝content://sms]；
具体方法：
1)初始化：i＝1，j＝1；
2)判断i是否小于等于n：1<7，遍历日志文件，执行3)；
3)判断j是否小于等于m：1<6，判断i是否等于1：1＝＝1，执行4)；
4)判断dtime1是否小于utime1：20170921113714<20170921113814，执行5)；
5)判断dpid1是否等于upid1：7691＝＝7691，执行6)；
6)判断type1是否等于“e”：“e”＝＝“e”，标记u_flag1＝-1，i++，执行2)
2)判断i是否小于等于n：2<7，遍历日志文件，执行3)；
3)判断j是否小于等于m：1<6，判断i是否等于1：2！＝1，执行7)；
7)判断dtime1是否大于utime2-1：20170921113714<20170921113814，j++，执行3)；
3)判断j是否小于等于m：2<6，判断i是否等于1：2！＝1，执行7)；
7)判断dtime2是否大于utime2-1：20170921113818>20170921113814，执行4)；
4)判断dtime2是否小于utime2：20170921113818<20170921114115，执行5)；
5)判断dpid2是否等于upid2：24379！＝7691，j++，执行3)；
3)判断j是否小于等于m：3<6，判断i是否等于1：3！＝1，执行7)；
7)判断dtime3是否大于utime2-1：20170921113954>20170921113814，执行4)；
4)判断dtime3是否小于utime2：20170921113954<20170921114115，执行5)；
5)判断dpid3是否等于upid2：7691＝＝7691，执行6)；
6)判断type3是否等于“e”：“d”！＝“e”，执行8)；
8)判断message3是否包含应用程序接口字符串：“unexpectedvaluefromnativegetenabledtags:0”不包含应用程序接口字符串，执行9)；
9)判断message3是否包含“start”或“delete”：“unexpectedvaluefromnativegetenabledtags:0”不包含“start”或“delete”；j++，执行3)；
3)判断j是否小于等于m：4<6，判断i是否等于1：2！＝1，执行7)；
7)判断dtime4是否大于utime2-1：20170921114024>20170921113814，执行4)；
4)判断dtime4是否小于utime2：20170921114024<20170921114115，执行5)；
5)判断dpid4是否等于upid2：7691＝＝7691，执行6)；
6)判断type4是否等于“e”：“d”！＝“e”，执行8)；
8)判断message4是否包含应用程序接口字符串：“startproccom.hzl.flashlight6foractivity”不包含应用程序接口字符串，执行9)；
9)判断message4是否包含“start”或“delete”：“startproccom.hzl.flashlight6foractivity”包含“start”，执行10)；
10)判断message4是否包含应用程序包名：“startproccom.hzl.flashlight6foractivity”包含“com.hzl.flashlight6”，标记u_flag2＝-1,i++,执行2)；
2)判断i是否小于等于n：3<7，遍历日志文件，执行3)；
3)判断j是否小于等于m：4<6，判断i是否等于1：3！＝1，执行7)；
7)判断dtime4是否大于utime3-1：20170921114024<20170921114115，j++，执行3)；
3)判断j是否小于等于m：5<6，判断i是否等于1：3！＝1，执行7)；
7)判断dtime5是否大于utime3-1：20170921114345>20170921114115，执行4)；
4)判断dtime5是否小于utime3：20170921114345<20170921114549，执行5)；
5)判断dpid5是否等于upid3：7691＝＝7691，执行6)；
6)判断type5是否等于“e”：“d”！＝“e”，执行8)；
8)判断message4是否包含应用程序接口字符串：“action:action_main_circleservice”不包含应用程序接口字符串，执行9)；
9)判断message4是否包含“start”或“delete”：“action:action_main_circleservice”不包含“start”或“delete”，j++，执行3)；
3)判断j是否小于等于m：6＝＝6，判断i是否等于1：3！＝1，执行7)；
7)判断dtime6是否大于utime3-1：20170921114555>20170921114115，执行4)；
4)判断dtime6是否小于utime3：20170921114555>20170921114549，执行11)；
11)标记u_flag3＝1，i++，执行2)；
2)判断i是否小于等于n：4<7，遍历日志文件，执行3)；
3)判断j是否小于等于m：6＝＝6，判断i是否等于1：4！＝1，执行7)；
7)判断dtime6是否大于utime4-1：20170921114555>20170921114549，执行4)；
4)判断dtime6是否小于utime4：20170921114555<20170921115052，执行5)；
5)判断dpid6是否等于upid4：7691＝＝7691，执行6)；
6)判断type6是否等于“e”：“d”！＝“e”，执行8)；
8)判断message6是否包含应用程序接口字符串：“query()beginuri＝content://sms”包含应用程序接口字符串，标记u_flag4＝-1，i++，执行2)；
2)判断i是否小于等于n：5<7，遍历日志文件，执行3)；
3)判断j是否小于等于m：6＝＝6，判断i是否等于1：5！＝1，执行7)；
7)判断dtime6是否大于utime5-1：20170921114555<20170921115052，j++,执行3)；
3)判断j是否小于等于m：7>6，标记u_flag5＝1，i++，执行2)；
2)判断i是否小于等于n：6<7，遍历日志文件，执行3)；
3)判断j是否小于等于m：7>6，标记u_flag6＝1，i++，执行2)；
2)判断i是否小于等于n：7＝＝7，遍历日志文件，执行3)；
3)判断j是否小于等于m：7>6，标记u_flag7＝1，i++，执行2)；
2)判断i是否小于等于n：8>7，保存标记后的数据集u，结束；
其中标记后的数据集u＝{u1,u2,u3,u4,u5,u6,u7}，
u1＝[utime1,upid1,rcpu1,rmem1,pronum1,sernum1,smem1,scpu1,u_flag1]＝[20170921113814,7691,12.84,0.26,29,41,409,21.76,-1]，
u2＝[utime2,upid2,rcpu2,rmem2,pronum2,sernum2,smem2,scpu2,u_flag2]＝[20170921114115,7691,13.77,0.49,28,38,413,22.69,-1]，
u3＝[utime3,upid3,rcpu3,rmem3,pronum3,sernum3,smem3,scpu3,u_flag3]＝[20170921114549,7691,12.99,0.32,3041,412,21.15,1]，
u4＝[utime4,upid4,rcpu4,rmem4,pronum4,sernum4,smem4,scpu4,u_flag4]＝[20170921115052,7691,13.21,0.27,29,41,425,14.91,-1]，
u5＝[utime5,upid5,rcpu5,rmem5,pronum5,sernum5,smem5,scpu5,u_flag5]＝[20170921115224,7691,12.93,0.00,28,40,409,12.20,1]，
u6＝[utime6,upid6,rcpu6,rmem6,pronum6,sernum6,smem6,scpu6,u_flag6]＝[20170921115346,7691,12.77,0.31,2941,422,35.13,1]，
u7＝[utime7,upid7,rcpu7,rmem7,pronum7,sernum7,smem7,scpu7,u_flag7]＝[20170921115457,7691,12.93,0.00,28,40,409,13.19,1]；
step3：基于svm的app软件运行数据集中数据异常判断：
初始化数据：c＝2-8、g＝2-8、g_cur＝0、c_max＝23、g_max＝23、v＝0、acc_max＝0、great_c＝0、great_g＝0、k＝10、b＝0、lagrange为空，执行步骤s3.2；其中，c表示惩罚因子，g表示径向基核函数参数，g_cur表示临时变量，c_max表示c的最大值，g_max表示g的最大值，v表示迭代的次数，最大迭代次数用v_max表示，acc_max表示svm算法app软件运行训练数据集t的准确率的最大值，svm算法app软件运行训练数据集t的准确率用acc表示，k表示c和g每次迭代的增量，lagrange表示app软件运行训练数据集t中每条数据的拉格朗日乘子的集合；b表示svm分类面函数的一个常数值，即
获取app软件训练数据集t＝{t1,t2,t3,t4,t5,t6,t7,t8,t9,t10},
t1＝[rcpu1,rmem1,pronum1,sernum1,smem1,scpu1,t_flag1]＝[13.25,0.01,28,38,407,14.14,1]，
t2＝[rcpu2,rmem2,pronum2,sernum2,smem2,scpu2,t_flag2]＝[12.68,0.03,28,37,408,11.55,1]，
t3＝[rcpu3,rmem3,pronum3,sernum3,smem3,scpu3,t_flag3]＝[12.7,0.03,28,40,412,12.74,1]，
t4＝[rcpu4,rmem4,pronum4,sernum4,smem4,scpu4,t_flag4]＝[12.66,0.06,29,39,409,13.26,1]，
t5＝[rcpu5,rmem5,pronum5,sernum5,smem5,scpu5,t_flag5]＝[13.77,0.00,28,38,405,11.92,1]，
t6＝[rcpu6,rmem6,pronum6,sernum6,smem6,scpu6,t_flag6]＝[16.93,1.70,28,40,424,33.44,-1]，
t7＝[rcpu7,rmem7,pronum7,sernum7,smem7,scpu7,t_flag7]＝[12.93,1.06,29,40,418,15.75,-1]，
t8＝[rcpu8,rmem8,pronum8,sernum8,smem8,scpu8,t_flag8]＝[15.39,1.46,30,41,416,21.91,-1]，
t9＝[rcpu9,rmem9,pronum9,sernum9,smem9,scpu9,t_flag9]＝[17.46,1.09,31,42,419,26.01,-1]，
t10＝[rcpu10,rmem10,pronum10,sernum10,smem10,scpu10,t_flag10]＝[12.9,0.71,30,41,417,24.96,-1]；
具体方法：
1)判断v是否小于3:0<3，执行2)；
2)判断c是否小于c_max+k：2-8<23+10，执行3)；
3)判断g是否小于g_max+k：2-8<23+10，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k：g＝10.00390625；执行3)；
3)判断g是否小于g_max+k：10.00390625<23+10，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0>0，g＝g+k：g＝20.00390625；执行3)；
3)判断g是否小于g_max+k：20.00390625<23+10，执行6)；
6)判断v是否等于0：0＝＝0，c＝c+k：c＝10.00390625，g＝2-8，执行2)；
2)判断c是否小于c_max+k：10.00390625<18，执行3)；
3)判断g是否小于g_max+k：2-8<23+10，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0.800000011920929，执行5)；
5)判断acc是否大于acc_max：0.800000011920929>0，执行7)；
7)判断acc是否等于1：0.800000011920929＝＝1，acc_max＝acc＝0.800000011920929,great_c＝c＝10.00390625，great_g＝g＝0.00390625，g＝g+k＝10.00390625，执行3)；
3)判断g是否小于g_max+k：10.00390625<23+10：10.00390625<18，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝1，执行5)；
5)判断acc是否大于acc_max：1>0.800000011920929，执行7)；
7)判断acc是否等于1：1＝＝1，great_c＝c＝10.00390625，great_g＝g＝10.00390625，g_cur＝great_g-k＝0.00390625，c_max＝great_c+k＝20.00390625，g_max＝great_g+k＝20.00390625，g＝g_cur＝0.00390625，c＝great_c-k＝0.00390625，k＝k/10＝1，v＝v+1＝1，acc_max＝0；执行1)；
1)判断v是否小于3:1<3，执行2)；
2)判断c是否小于c_max+k：0.00390625<21.00390625，执行3)；
3)判断g是否小于g_max+k：0.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝1.00390625，执行3)；
3)判断g是否小于g_max+k：1.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝2.00390625，执行3)；
3)判断g是否小于g_max+k：2.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝3.00390625，执行3)；
3)判断g是否小于g_max+k：3.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝4.00390625，执行3)；
3)判断g是否小于g_max+k：4.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝5.00390625，执行3)；
3)判断g是否小于g_max+k：5.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝6.00390625，执行3)；
3)判断g是否小于g_max+k：6.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝7.00390625，执行3)；
3)判断g是否小于g_max+k：7.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝8.00390625，执行3)；
3)判断g是否小于g_max+k：8.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝9.00390625，执行3)；
3)判断g是否小于g_max+k：9.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝10.00390625，执行3)；
3)判断g是否小于g_max+k：10.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝11.00390625，执行3)；
3)判断g是否小于g_max+k：11.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝12.00390625，执行3)；
3)判断g是否小于g_max+k：12.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝13.00390625，执行3)；
3)判断g是否小于g_max+k：13.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝14.00390625，执行3)；
3)判断g是否小于g_max+k：14.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝15.00390625，执行3)；
3)判断g是否小于g_max+k：15.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝16.00390625，执行3)；
3)判断g是否小于g_max+k：16.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝17.00390625，执行3)；
3)判断g是否小于g_max+k：17.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝18.00390625，执行3)；
3)判断g是否小于g_max+k：19.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝20.00390625，执行3)；
3)判断g是否小于g_max+k：20.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝21.00390625，执行3)；
3)判断g是否小于g_max+k：21.00390625<21.00390625，执行6)；
6)判断v是否等于0：1！＝0，c＝c+k：c＝1.00390625，g＝g_cur＝0.00390625，执行2)；
2)判断c是否小于c_max+k：1.00390625<21.00390625，执行3)；
3)判断g是否小于g_max+k：0.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝0.800000011920929，执行5)；
5)判断acc是否大于acc_max：0.800000011920929>0，执行7)；
7)判断acc是否等于1：0.800000011920929＝＝1，acc_max＝acc＝0.800000011920929，great_c＝c＝1.00390625，great_g＝g＝0.00390625，g＝g+k＝1.00390625，执行3)；
3)判断g是否小于g_max+k：1.00390625<21.00390625，执行4)；
4)基于svm算法计算数据集t的分类准确率acc：acc＝1，执行5)；
5)判断acc是否大于acc_max：1>0.800000011920929，great_c＝c＝1.00390625，great_g＝g＝1.00390625，g_cur＝great_g-k＝0.00390625，c_max＝great_c+k＝2.00390625，g_max＝great_g+k＝2.00390625，g＝g_cur＝0.00390625，c＝great_c-k＝0.00390625，k＝k/10＝0.1，v＝v+1＝2，acc_max＝0；执行1)；
1)判断v是否小于3：2<3，执行2)；
2)判断c是否小于c_max+k：0.00390625<2.10390625，执行3)；
3)判断g是否小于g_max+k：0.00390625<2.10390625，执行4)；
4)基于svm算法计算数据集t分类准确率acc：acc＝0，执行5)；
5)判断acc是否大于acc_max：0＝0，g＝g+k＝0.10390625，执行3)；
不断迭代3)，4)，5)，6)直到great_c＝0.50390625，great_g＝0.40390625，acc＝1，v＝v+1＝3，执行1)；
1)判断v是否小于3：3＝3，执行8)；
8)c＝great_c＝0.50390625，g＝great_g＝0.40390625，基于svm算法计算数据集t的拉格朗日乘子和常数值b，将拉格朗日乘子存入lagrange中，执行9)；其中lagrange＝{l1,l2,l3,l4,l5,l6,l7,l8,l9,l10}，l1＝0.50390625，l2＝0.50390625，l3＝0.50390625，l4＝0.50390625，l5＝0.50390625，l6＝-0.50390625，l7＝-0.50390625，l8＝-0.50390625，l9＝-0.50390625，l10＝-0.50390625，b＝0.019498957054381982；
9)获取标记后的数据集u，其中标记后的数据集u＝{u1,u2,u3,u4,u5,u6,u7}，
u1＝[utime1,upid1,rcpu1,rmem1,pronum1,sernum1,smem1,scpu1,u_flag1]＝[20170921113814,7691,12.84,0.26,29,41,409,21.76,-1]，
u2＝[utime2,upid2,rcpu2,rmem2,pronum2,sernum2,smem2,scpu2,u_flag2]＝[20170921114115,7691,13.77,0.49,28,38,413,22.69,-1]，
u3＝[utime3,upid3,rcpu3,rmem3,pronum3,sernum3,smem3,scpu3,u_flag3]＝[20170921114549,7691,12.99,0.32,3041,412,21.15,1]，
u4＝[utime4,upid4,rcpu4,rmem4,pronum4,sernum4,smem4,scpu4,u_flag4]＝[20170921115052,7691,13.21,0.27,29,41,425,14.91,-1]，
u5＝[utime5,upid5,rcpu5,rmem5,pronum5,sernum5,smem5,scpu5,u_flag5]＝[20170921115224,7691,12.93,0.00,28,40,409,12.20,1]，
u6＝[utime6,upid6,rcpu6,rmem6,pronum6,sernum6,smem6,scpu6,u_flag6]＝[20170921115346,7691,12.77,0.31,2941,422,35.13,1]，
u7＝[utime7,upid7,rcpu7,rmem7,pronum7,sernum7,smem7,scpu7,u_flag7]＝[20170921115457,7691,12.93,0.00,28,40,409,13.19,1]，初始化i＝1，执行10)；
10)判断i是否小于等于n：1<7，执行11)；
11)判断u_flag1是否等于1：-1！＝1，输出u1数据为异常，i++，执行10)；
10)判断i是否小于等于n：2<7，执行11)；
11)判断u_flag2是否等于1：-1！＝1，输出u2数据为异常，i++，执行10)；
10)判断i是否小于等于n：3<7，执行11)；
11)判断u_flag3是否等于1：1＝＝1，执行12)；
12)判断svm分类面函数计算结果是否大于0：-0.019534993059670814<0，更新标记u_flag3＝-1，输出u3数据为异常，u3加入到训练集t中，i++，执行10)；其中
10)判断i是否小于等于n：4<7，执行11)；
11)判断u_flag4是否等于1：-1！＝1，输出u4数据为异常，i++，执行10)；
10)判断i是否小于等于n：5<7，执行11)；
11)判断u_flag5是否等于1：1＝＝1，执行12)；
12)判断svm分类面函数计算结果是否大于0：0.21098085145849513>0，输出u5数据为正常，u5加入到训练集t中，i++，执行10)；
10)判断i是否小于等于n：6<7，执行11)；
11)判断u_flag6是否等于1：1＝＝1，执行12)；
12)判断svm分类面函数计算结果是否大于0：-0.019498957054381982<0，更新标记u_flag6＝-1，输出u6数据为异常，u6加入到训练集t中，i++，执行10)；
10)判断i是否小于等于n：7＝＝7，执行11)；
11)判断u_flag7是否等于1：1＝＝1，执行12)；
12)判断svm分类面函数计算结果是否大于0：0.14069106720247276>0，输出u7数据为正常，u7加入到训练集t中，i++，执行10)；
10)判断i是否小于等于n：8<7，结束，完成所有迭代；
step4、输出判断结果：
数据集u的最终结果：
u1＝[utime1,upid1,rcpu1,rmem1,pronum1,sernum1,smem1,scpu1,u_flag1]＝[20170921113814,7691,12.84,0.26,29,41,409,21.76,-1]，
u2＝[utime2,upid2,rcpu2,rmem2,pronum2,sernum2,smem2,scpu2,u_flag2]＝[20170921114115,7691,13.77,0.49,28,38,413,22.69,-1]，
u3＝[utime3,upid3,rcpu3,rmem3,pronum3,sernum3,smem3,scpu3,u_flag3]＝[20170921114549,7691,12.99,0.32,3041,412,21.15,-1]，
u4＝[utime4,upid4,rcpu4,rmem4,pronum4,sernum4,smem4,scpu4,u_flag4]＝[20170921115052,7691,13.21,0.27,29,41,425,14.91,-1]，
u5＝[utime5,upid5,rcpu5,rmem5,pronum5,sernum5,smem5,scpu5,u_flag5]＝[20170921115224,7691,12.93,0.00,28,40,409,12.20,1]，
u6＝[utime6,upid6,rcpu6,rmem6,pronum6,sernum6,smem6,scpu6,u_flag6]＝[20170921115346,7691,12.77,0.31,2941,422,35.13,-1]，
u7＝[utime7,upid7,rcpu7,rmem7,pronum7,sernum7,smem7,scpu7,u_flag7]＝[20170921115457,7691,12.93,0.00,28,40,409,13.19,1]；
输出u1、u2、u3、u4、u6为异常数据，u5、u7为正常数据
训练集t的最终结果，其中数据集u中的u3，u5，u6，u7，4条数据加入到训练集t中，训练数据集t＝{t1,t2,t3,t4,t5,t6,t7,t8,t9,t10,t14,t14,t14,t14},
t1＝[rcpu1,rmem1,pronum1,sernum1,smem1,scpu1,t_flag1]＝[13.25,0.01,28,38,407,14.14,1]，
t2＝[rcpu2,rmem2,pronum2,sernum2,smem2,scpu2,t_flag2]＝[12.68,0.03,28,37,408,11.55,1]，
t3＝[rcpu3,rmem3,pronum3,sernum3,smem3,scpu3,t_flag3]＝[12.7,0.03,28,40,412,12.74,1]，
t4＝[rcpu4,rmem4,pronum4,sernum4,smem4,scpu4,t_flag4]＝[12.66,0.06,29,39,409,13.26,1]，
t5＝[rcpu5,rmem5,pronum5,sernum5,smem5,scpu5,t_flag5]＝[13.77,0.00,28,38,405,11.92,1]，
t6＝[rcpu6,rmem6,pronum6,sernum6,smem6,scpu6,t_flag6]＝[16.93,1.70,28,40,424,33.44,-1]，
t7＝[rcpu7,rmem7,pronum7,sernum7,smem7,scpu7,t_flag7]＝[12.93,1.06,29,40,418,15.75,-1]，
t8＝[rcpu8,rmem8,pronum8,sernum8,smem8,scpu8,t_flag8]＝[15.39,1.46,30,41,416,21.91,-1]，
t9＝[rcpu9,rmem9,pronum9,sernum9,smem9,scpu9,t_flag9]＝[17.46,1.09,31,42,419,26.01,-1]，
t10＝[rcpu10,rmem10,pronum10,sernum10,smem10,scpu10,t_flag10]＝[12.9,0.71,30,41,417,24.96,-1]，
t11＝[rcpu11,rmem11,pronum11,sernum11,smem11,scpu11,t_flag11]＝[12.99,0.32,30,41,412,21.15,-1]，
t12＝[rcpu12,rmem12,pronum12,sernum12,smem12,scpu12,t_flag12]＝[12.93,0.00,28,40,409,12.20,1]，
t13＝[rcpu13,rmem13,pronum13,sernum13,smem13,scpu13,t_flag13]＝[12.77,0.31,29,41,422,35.13,-1]，
t14＝[rcpu14,rmem14,pronum14,sernum14,smem14,scpu14,t_flag14]＝[12.93,0.00,28,40,409,13.19,1]；
将app软件运行训练数据集t及加入app软件运行训练数据集t中的app软件运行数据作为新的app软件运行数据集用于下一次基于svm的app软件运行数据集中数据异常判断。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。