基于大数据漏洞分析的漏洞补充修复分析方法及系统与流程

基于大数据漏洞分析的漏洞补充修复分析方法及系统
1.本技术是申请号202210218871.5、申请日为2022年03月08日、发明创造名称为“基于大数据漏洞分析的软件服务升级方法及互联网ai系统”的中国申请的分案申请。
技术领域
2.本技术涉及互联网信息技术领域，具体而言，涉及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。


背景技术：

3.软件漏洞是软件产品开发过程中所存在的错误，漏洞，也可能是在特殊场景下才会产生的错误，一般是指软件达不到用户预期的效果或者与预期结果不一致都认为是漏洞。比如，随着互联网信息技术的发展，会产生诸多线上功能服务，也即线上微服务应用，这些线上微服务应用面对都是为了尽快为用户提供服务而开发产生的（如小程序），因此其运行稳定性涉及到用户的核心体验。因此，针对其运行过程中产生的应用异常运行数据进行应用异常漏洞的分析，可以便于提供与之匹配的软件服务升级内容进行更新迭代。
4.但是，在实际相关技术方案中，通常是针对漏洞产生的影响结果进行漏洞分析和挖掘的，而非漏洞本身的字段向量，然而即便相同的漏洞也会导致不同的影响结果，可能会导致漏洞分析不准确，并且相关技术中分析出的问题漏洞在进行特征表达时无法较为精确反映已知规整化的标注漏洞，诸多原因导致漏洞分析存在噪声，进一步导致软件服务运行的稳定性受到影响。


技术实现要素：

5.为了至少克服现有技术中的上述不足，本技术的目的在于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。
6.第一方面，本技术提供一种基于大数据漏洞分析的软件服务升级方法，应用于互联网ai系统，所述方法包括：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，并依据所述目标应用异常漏洞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。
7.在第一方面的一种可能的实施方式中，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。
8.在第一方面的一种可能的实施方式中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。
9.在第一方面的一种可能的实施方式中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。
10.在第一方面的一种可能的实施方式中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。
11.在第一方面的一种可能的实施方式中所述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包括：根据所述应用异常运行数据，获取所述应用异常运行数据中所述应用决策漏洞的前向异常服务进程与所述应用决策漏洞之间的第一漏洞触发衔接向量，以及所述应用异常运行数据中所述应用决策漏洞的后向异常服务进程与所述应用决策漏洞之间的第二漏洞触发衔接向量；根据所述第一漏洞触发衔接向量、所述第二漏洞触发衔接向量、所述应用决策漏洞的漏洞字段向量、所述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，输出所述目标应用异常漏洞。
12.在第一方面的一种可能的实施方式中所述根据所述第一漏洞触发衔接向量、所述第二漏洞触发衔接向量、所述应用决策漏洞的漏洞字段向量、所述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，输出所述目标应用异常漏洞包括：根据持续性特征分析规则，对所述应用决策漏洞的漏洞字段向量和各个所述已知标注漏洞的漏洞字段向量分别进行持续性特征分析，输出所述应用决策漏洞的持续性特征和各个所述已知标注漏洞的持续性特征；根据所述第一漏洞触发衔接向量、所述第二漏洞触发衔接向量、所述应用决策漏洞的持续性特征、各个所述已知标注漏洞的持续性特征、各个所述已知标注漏洞的漏洞字段向量以及所述漏洞分析单元簇中的首个漏洞分析单元，输出所述目标应用异常漏洞。
13.在第一方面的一种可能的实施方式中所述根据所述第一漏洞触发衔接向量、所述第二漏洞触发衔接向量、所述应用决策漏洞的持续性特征、各个所述已知标注漏洞的持续性特征、各个所述已知标注漏洞的漏洞字段向量以及所述漏洞分析单元簇中的首个漏洞分析单元，输出所述目标应用异常漏洞包括：将所述第一漏洞触发衔接向量、所述第二漏洞触发衔接向量、所述应用决策漏洞的持续性特征、各个所述已知标注漏洞的持续性特征、各个所述已知标注漏洞的漏洞字段向量以及所述漏洞分析单元簇中的首个漏洞分析单元构建第一漏洞关联性阵列；根据预先配置的第二漏洞分析元素系数空间和预先配置的第二漏洞分析衍生空间对所述第一漏洞关联性阵列进行处理，输出第二漏洞关联性阵列；根据漏洞关联性规则对所述第二漏洞关联性阵列进行处理，输出各个所述已知标注漏洞与所述应用决策漏洞之间的漏洞关联性；将所述多个已知标注漏洞中漏洞关联性满足预设条件的已知标注漏洞，输出为所述目标应用异常漏洞。
14.在第一方面的一种可能的实施方式中，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。
15.譬如，在第一方面的一种可能的实施方式中，依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级的步骤，包括：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。
16.譬如，在第一方面的一种可能的实施方式中，依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级的步骤之后，还包括：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节点的模拟测试使用活动和第二节点的模拟测试使用活动，输出所述第一节点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，以及获得所述第一节点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：通过所述第一节点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。
17.譬如，在第一方面的一种可能的实施方式中，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。
18.譬如，在第一方面的一种可能的实施方式中，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。
19.第二方面，本技术实施例还提供一种互联网ai系统，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，所述计算机程序通过该处理器加载并执行以实现以上第一方面的基于大数据漏洞分析的软件服务升级方法。
20.根据以上方面，能够根据应用异常运行数据确定对应的漏洞分析单元簇，对应用异常运行数据启用漏洞分析单元簇中的漏洞分析单元，以获取应用异常运行数据中的应用决策漏洞，应用决策漏洞能够表示线上微服务应用的应用异常漏洞。根据应用异常运行数据、应用决策漏洞的漏洞字段向量、已知标注漏洞的漏洞字段向量以及漏洞分析单元簇，从多个已知标注漏洞中确定目标应用异常漏洞，该目标应用异常漏洞也即是应用异常运行数据中应用决策漏洞的已知标注漏洞，由于在分析目标应用异常漏洞的过程中是根据漏洞字段向量来进一步决策的，这样使得决策的目标应用异常漏洞与应用决策漏洞之间的漏洞关联性更强。通过该目标应用异常漏洞实现了针对应用异常运行数据的漏洞分析的已知标注联系，由此依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级，可以提高软件服务升级过程中对于漏洞修复的可靠性，提高软件服务运行的稳定性。
附图说明
21.图1为本技术实施例提供的基于大数据漏洞分析的软件服务升级系统的架构示意图；图2为本技术实施例提供的基于大数据漏洞分析的软件服务升级方法的流程示意图。
具体实施方式
22.图1是本技术一种实施例提供的基于大数据漏洞分析的软件服务升级系统10的架构示意图。基于大数据漏洞分析的软件服务升级系统10可以包括互联网ai系统100以及与互联网ai系统100通信连接的线上微服务系统200。图1所示的基于大数据漏洞分析的软件服务升级系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据漏洞分析的
软件服务升级系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
23.本实施例中，基于大数据漏洞分析的软件服务升级系统10中的互联网ai系统100和线上微服务系统200可以依据配合执行以下方法实施例所描述的基于大数据漏洞分析的软件服务升级方法，具体互联网ai系统100和线上微服务系统200的执行步骤部分可以参照以下方法实施例的详细描述。
24.st101、获取线上微服务应用的应用异常运行数据，该应用异常运行数据表征该线上微服务应用的应用异常漏洞。
25.一些可能的实施例中，该线上微服务应用为任意上线的互联网功能服务，如电商直播功能服务等，线上微服务应用的应用异常运行数据为互联网功能服务在运行过程中存在异常运行情况（如应用崩溃、应用重新加载、应用数据丢失等）的运行数据。
26.st102、根据该应用异常运行数据，输出该应用异常运行数据的漏洞分析单元簇，该漏洞分析单元簇中的漏洞分析单元分别关联该应用异常运行数据的不同漏洞分析实例。
27.其中，漏洞分析单元簇包括多个漏洞分析单元，漏洞分析单元簇中的多个漏洞分析单元存在漏洞分析次序的不同，也即是在应用异常运行数据的不同漏洞分析实例对应启用不同的漏洞分析单元。每个漏洞分析单元可以用于分析该应用异常运行数据中不同运行时序的数据，或者不同运行类型的数据，也即一个漏洞分析单元可以对应于某个运行时序，或者某个运行活动类型，在实际应用过程中可以灵活依据所需需求和规则来从该应用异常运行数据中确定不同的漏洞分析单元。
28.st103、对该应用异常运行数据启用该漏洞分析单元簇中的漏洞分析单元，输出该应用异常运行数据中该线上微服务应用的应用决策漏洞。
29.其中，线上微服务应用的应用决策漏洞为应用异常运行数据中的具体问题漏洞，这些具体问题漏洞在进行特征表达时无法较为精确反映已知规整化的标注漏洞，也即是需要进行已知标注漏洞联系的应用决策漏洞。一些可能的实施例中，对该应用异常运行数据启用该漏洞分析单元簇中的漏洞分析单元，输出该应用异常运行数据中该线上微服务应用的应用决策漏洞的步骤。
30.st104、根据该应用异常运行数据、该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该漏洞分析单元簇，输出目标应用异常漏洞，并依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级，该目标应用异常漏洞为该多个已知标注漏洞中与该应用决策漏洞相联系的已知标注漏洞，该已知标注漏洞为已知标注的应用决策漏洞。
31.其中，目标应用异常漏洞是应用异常运行数据中线上微服务应用的应用决策漏洞相联系的已知标注漏洞。
32.如此设计，由于在分析目标应用异常漏洞的过程中是根据漏洞字段向量来进一步决策的，这样使得决策的目标应用异常漏洞与应用决策漏洞之间的漏洞关联性更强。通过该目标应用异常漏洞实现了针对应用异常运行数据的漏洞分析的已知标注联系，由此依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级，可以提高软件服务升级过程中对于漏洞修复的可靠性，提高软件服务运行的稳定性。
33.下面结合进一步的示例对以上实施例进行说明，例如以上方法包括下述步骤。
34.st201、获取线上微服务应用的应用异常运行数据，该应用异常运行数据表征该线上微服务应用的应用异常漏洞。
35.一些可能的实施例中，线上微服务应用为医疗咨询用户，线上微服务应用的应用异常运行数据为医疗咨询用户的就诊服务过程中的咨询互动数据，或者为医疗服务用户对医疗咨询用户的服务数据。
36.st202、根据该应用异常运行数据，输出该应用异常运行数据的漏洞分析单元簇，该漏洞分析单元簇中的漏洞分析单元分别关联该应用异常运行数据的不同漏洞分析实例。
37.一些可能的实施例中，根据该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，输出该应用异常运行数据的漏洞分析单元簇，该运行异常态势表征对应应用运行异常事件中该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，该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。
38.其中，运行异常态势用于表示对该应用异常运行数据的异常服务进程的状态信息，一个应用运行异常事件也即是一个异常单位，在一个应用运行异常事件对该应用异常运行数据启用对应的漏洞分析单元后，对该应用异常运行数据的异常服务进程的状态信息存在更新，从而该应用异常运行数据对应的运行异常态势存在更新。等待联动异常服务进程为属于应用决策漏洞的异常服务进程，已运行激活的异常服务进程构成的异常服务进程为属于应用决策漏洞的异常服务进程。一些可能的实施例中，应用异常运行数据中尚未运行激活的异常服务进程也被称为潜在运行的异常服务进程，等待联动异常服务进程也被称为已经与其它异常服务进程存在联动运行的异常服务进程。
39.由于根据该应用异常运行数据，输出该应用异常运行数据的漏洞分析单元簇包括多个应用运行异常事件，下面以一个应用运行异常事件为例对上述实施方式进行说明。
40.一些可能的实施例中，在任一应用运行异常事件r中，输出该应用异常运行数据在该应用运行异常事件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。根据该应用异常运行数据在该应用运行异常事件r的运行异常态势以及在该应用运行异常事件r-1确定的在先认证漏洞分析单元簇，输出该应用运行异常事件r对应的漏洞分析单元。将该应用运行异常事件r对应的漏洞分析单元添加至在该应用运行异常事件r-1确定的在先认证漏洞分析单元簇中，输出该应用运行异常事件r对应的漏洞分析单元簇。
41.一些可能的实施例中，根据该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该应用运行异常事件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，输出该应用运行异常事件r对应的漏洞分析单元，该异常服务进程簇包括在该应用运行异常事件r时已运行激活的异常服务进程构成的异常服务进程，该第一异常服务进程簇包括在该应用运行异常事件r时等待联动的异常服务进程，该第二异常服务进程簇包括在该应用运行异常事件r时该应用异常运行数据中尚未运行激活的异常服务进程。
42.比如，将该异常服务进程簇中的前两个异常服务进程、该第一异常服务进程簇中的首个异常服务进程、该第二异常服务进程簇中的首个异常服务进程以及在该应用运行异
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，构建该应用运行异常事件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该第一异常服务进程数据集进行处理，输出该应用运行异常事件r的第二异常服务进程数据集。根据漏洞分析决策模型对该第二异常服务进程数据集进行处理，输出该应用运行异常事件r对应的漏洞分析单元。
43.第四部分、将该应用运行异常事件r对应的漏洞分析单元添加至在该应用运行异常事件r-1确定的在先认证漏洞分析单元簇中，输出该应用运行异常事件r对应的漏洞分析单元簇。
44.通过第四部分的处理，实现对漏洞分析单元簇的确定和适应性更新。
45.st203、对该应用异常运行数据启用该漏洞分析单元簇中的漏洞分析单元，输出该应用异常运行数据中该线上微服务应用的应用决策漏洞。
46.在上述st202中对漏洞分析单元簇中的漏洞分析单元进行了说明，下面将通过部分实施例来对st203进行说明。
47.st204、获取该应用决策漏洞的漏洞字段向量。
48.一些可能的实施例中，对该应用异常运行数据中的各个异常服务进程进行特征提取，输出该应用异常运行数据中各个异常服务进程的漏洞字段向量。将该应用决策漏洞中异常服务进程的漏洞字段向量进行融合，输出该应用决策漏洞的漏洞字段向量。
49.依据此设计，能够通过应用异常运行数据中异常服务进程的漏洞字段向量来获取应用决策漏洞的漏洞字段向量，应用决策漏洞的漏洞字段向量结合了各个异常服务进程的漏洞字段向量，应用决策漏洞的漏洞字段向量的特征表达性能更强。
50.为了对上述实施方式进行更加清楚的说明，下面将分为两个步骤对上述实施方式进行说明。
51.步骤a、对该应用异常运行数据中的各个异常服务进程进行特征提取，输出该应用异常运行数据中各个异常服务进程的漏洞字段向量。
52.一些可能的实施例中，对于应用异常运行数据中的任一异常服务进程，对该异常服务进程进行卷积，输出该异常服务进程的第一异常服务进程特征。对该异常服务进程进行持续性集中特征分析，输出该异常服务进程的第二异常服务进程特征。根据该异常服务进程以及在该应用异常运行数据中与该异常服务进程相关联的异常服务进程，获取该异常服务进程的第三异常服务进程特征，该第三异常服务进程特征为该异常服务进程的漏洞触发衔接向量。将该第一异常服务进程特征、第二异常服务进程特征和该第三异常服务进程特征进行拼接，输出该异常服务进程的漏洞字段向量。
53.步骤b、将该应用决策漏洞中异常服务进程的漏洞字段向量进行融合，输出该应用决策漏洞的漏洞字段向量。
54.一些可能的实施例中，将该应用决策漏洞中异常服务进程的漏洞字段向量进行拼接，输出该应用决策漏洞的漏洞字段向量。
55.st205、根据该应用异常运行数据、该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该漏洞分析单元簇，输出目标应用异常漏洞，该目标应用异常漏洞为该多个已知标注漏洞中与该应用决策漏洞相联系的已知标注漏洞，该已知标注漏洞为已知标注的应用决策漏洞。
56.一些可能的实施例中，根据该应用异常运行数据，获取该应用异常运行数据中该应用决策漏洞的前向异常服务进程与该应用决策漏洞之间的第一漏洞触发衔接向量，以及该应用异常运行数据中该应用决策漏洞的后向异常服务进程与该应用决策漏洞之间的第二漏洞触发衔接向量。根据该第一漏洞触发衔接向量、该第二漏洞触发衔接向量、该应用决策漏洞的漏洞字段向量、该多个已知标注漏洞的漏洞字段向量以及该漏洞分析单元簇，输出该目标应用异常漏洞。
57.其中，该应用异常运行数据中该应用决策漏洞的前向异常服务进程也即是该应用决策漏洞在该应用异常运行数据中的前向异常活动，第一漏洞触发衔接向量能够表示该应用决策漏洞在该应用异常运行数据中的前向异常活动特征。相应地，该应用异常运行数据中该应用决策漏洞的后向异常服务进程也即是该应用决策漏洞在该应用异常运行数据中的后向异常活动，第二漏洞触发衔接向量该应用决策漏洞在该应用异常运行数据中的后向异常活动特征。
58.为了对上述实施方式进行更加清楚的说明，下面将分为两个步骤对上述实施方式进行说明。
59.步骤r、根据该应用异常运行数据，获取该应用异常运行数据中该应用决策漏洞的前向异常服务进程与该应用决策漏洞之间的第一漏洞触发衔接向量，以及该应用异常运行数据中该应用决策漏洞的后向异常服务进程与该应用决策漏洞之间的第二漏洞触发衔接向量。
60.一些可能的实施例中，将该应用异常运行数据中该应用决策漏洞的前向异常服务进程和该应用决策漏洞输入漏洞触发分析模型，对该应用决策漏洞的前向异常服务进程和该应用决策漏洞进行特征提取，输出该第一漏洞触发衔接向量。将该应用异常运行数据中该应用决策漏洞的后向异常服务进程和该应用决策漏洞输入漏洞触发分析模型，对该应用决策漏洞的后向异常服务进程和该应用决策漏洞进行特征提取，输出该第二后向异常活动特征。
61.步骤n、根据该第一漏洞触发衔接向量、该第二漏洞触发衔接向量、该应用决策漏洞的漏洞字段向量、该多个已知标注漏洞的漏洞字段向量以及该漏洞分析单元簇，输出该目标应用异常漏洞。
62.一些可能的实施例中，根据持续性特征分析规则，对该应用决策漏洞的漏洞字段向量和各个已知标注漏洞的漏洞字段向量分别进行持续性特征分析，输出该应用决策漏洞的持续性特征和各个已知标注漏洞的持续性特征。根据该第一漏洞触发衔接向量、该第二漏洞触发衔接向量、该应用决策漏洞的持续性特征、各个已知标注漏洞的持续性特征、各个已知标注漏洞的漏洞字段向量以及该漏洞分析单元簇中的首个漏洞分析单元，输出该目标应用异常漏洞。
63.继续将上述实施方式分为两个步骤进行说明。
64.步骤a、根据持续性特征分析规则，对该应用决策漏洞的漏洞字段向量和各个已知标注漏洞的漏洞字段向量分别进行持续性特征分析，输出该应用决策漏洞的持续性特征和各个已知标注漏洞的持续性特征。
65.一些可能的实施例中，根据该应用决策漏洞的漏洞字段向量和各个已知标注漏洞的漏洞字段向量，获取该应用决策漏洞与各个已知标注漏洞之间的第一持续关联系数，以
及各个已知标注漏洞与该应用决策漏洞之间的第二持续关联系数。将应用决策漏洞的漏洞字段向量与对应的第一持续关联系数进行绑定，输出该应用决策漏洞的持续性特征，这里的对应是指与已知标注漏洞之间的对应。将各个已知标注漏洞的漏洞字段向量与对应的第二持续关联系数进行绑定，输出各个已知标注漏洞的持续性特征。
66.步骤b、根据该第一漏洞触发衔接向量、该第二漏洞触发衔接向量、该应用决策漏洞的持续性特征、各个已知标注漏洞的持续性特征、各个已知标注漏洞的漏洞字段向量以及该漏洞分析单元簇中的首个漏洞分析单元，输出该目标应用异常漏洞。
67.一些可能的实施例中，将该第一漏洞触发衔接向量、该第二漏洞触发衔接向量、该应用决策漏洞的持续性特征、各个已知标注漏洞的持续性特征、各个已知标注漏洞的漏洞字段向量以及该漏洞分析单元簇中的首个漏洞分析单元构建第一漏洞关联性阵列。根据预先配置的第二漏洞分析元素系数空间和预先配置的第二漏洞分析衍生空间对该第一漏洞关联性阵列进行处理，输出第二漏洞关联性阵列。根据漏洞关联性规则对该第二漏洞关联性阵列进行处理，输出各个已知标注漏洞与该应用决策漏洞之间的漏洞关联性。将该多个已知标注漏洞中漏洞关联性满足预设条件的已知标注漏洞，输出为该目标应用异常漏洞。
68.一些可能的实施例中，根据该多个已知标注漏洞以及该多个已知标注漏洞之间的知识点联系向量，输出该多个已知标注漏洞的漏洞字段向量。
69.比如，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，该第一已知标注漏洞是该第二已知标注漏洞的前向知识联系实体，该第三已知标注漏洞和该第二已知标注漏洞之间不存在知识点联系向量。对该第一已知标注漏洞、该第二已知标注漏洞和该第三已知标注漏洞进行持续性集中特征分析，输出该第一已知标注漏洞的第一持续性集中特征、该第二已知标注漏洞的第二持续性集中特征以及该第三已知标注漏洞的第三持续性集中特征。将该第一持续性集中特征和该第二持续性集中特征输入特征提取模型，通过该特征提取模型，根据目标非线性关系信息对该第二持续性集中特征进行非线性映射，输出该第二已知标注漏洞的第四持续性集中特征。根据该第一持续性集中特征与该第四持续性集中特征之间的第一区别性特征，以及该第三持续性集中特征与该第四持续性集中特征之间的第二区别性特征，对该第一持续性集中特征和该第二持续性集中特征进行处理，输出该第一已知标注漏洞的漏洞字段向量和该第二已知标注漏洞的漏洞字段向量。
70.譬如，针对st104，在依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级的过程中可以通过以下示例性的步骤实现。
71.st301，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。
72.st302，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。
73.如此设计，本实施例在进行软件服务升级的过程中，通过获得与线上微服务应用
在目标功能配置区间内的应用表项的漏洞影响特征序列，而后在进行漏发修复之前之前确定当前所述目标应用异常漏洞相联系的漏洞影响特征序列的漏洞修复属性决策信息，而后对所述软件服务升级应用进行漏洞修复固件调度后再进行软件服务升级，提高软件服务升级的准确性。
74.譬如，在依据所述目标应用异常漏洞对所述线上微服务应用进行软件服务升级的步骤之后，本实施例所提供的方法还可以包括以下步骤。
75.st401，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。
76.st402，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。
77.st403，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。
78.例如，该漏洞补充修复分析模型可以依据应用运行数据样本和对应的标注运行效果指标进行训练，使得训练后的漏洞补充修复分析模型可以预测出漏洞补充修复后的应用运行数据的运行效果指标，由此可以预先设定运行改善指标的特征，当漏洞补充修复后的应用运行数据的运行效果指标与运行改善指标满足关联关系时，可以确定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存在运行改善指标。
79.依据以上步骤，本实施例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。
80.譬如，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。
81.譬如，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。
82.一种可根据独立构思的实施例中，该互联网ai系统100可以包括：处理器101和机
器可读存储介质102。其中，所述机器可读存储介质102用于存储支持该互联网ai系统100执行上述前述任意一种实施例中提供的基于大数据漏洞分析的软件服务升级方法的程序，所述处理器101被配置为用于执行所述机器可读存储介质102中存储的程序。
83.所述程序包括一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器101执行时能够实现前述任意一种实施例中的全部或部分步骤。
84.其中，所述互联网ai系统100的架构中还可以包括通信单元103，用于该互联网ai系统100与其它设备通信（例如线上微服务系统200）。
85.另外，本技术实施例提供了一种计算机存储介质，用于储存上述互联网ai系统100所用的计算机软件指令，其包含用于执行上述前述任意一种方法实施例中基于大数据漏洞分析的软件服务升级方法所涉及的程序。
86.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。