异常识别方法、模型训练方法、装置、设备、介质和产品与流程

本公开涉及信息安全和人工智能，更具体地涉及一种异常识别方法、装置、设备、介质和程序产品。

背景技术：

1、随着信息技术的快速发展，应用软件的种类和应用功能也快速发展。然而应用软件中不可避免地会存在异常，进而影响应用软件的安全。因此，在应用软件投入使用前，需要对应用软件进行异常识别。

2、现有的异常识别方法通常是通过测试人员设计测试用例，利用测试用例识别应用软件中的异常。但是，对于规模较大的应用软件，通过测试用例识别异常的方式效率低且精准度低，无法及时识别应用软件中的异常。

技术实现思路

1、鉴于上述问题，本公开提供一种异常识别方法、装置、设备、介质和程序产品。

2、根据本公开的第一个方面，提供了一种异常识别方法，包括：响应于接收到针对目标应用软件的异常识别请求，确定目标应用软件在当前开发周期的当前开发阶段中待识别的目标数据；以及将上述目标数据输入至异常识别模型中，输出异常识别结果，其中，上述异常识别模型是利用上述目标应用软件在历史开发周期中的历史数据训练得到的，上述异常识别结果包括上述目标数据的第一识别子结果和第二识别子结果，上述第一识别子结果用于表征上述目标数据存在的异常类型，上述第二识别子结果用于表征上述目标数据存在的异常描述。

3、根据本公开的实施例，上述确定上述目标应用软件在当前开发周期中当前开发阶段待识别的目标数据，包括：在当前开发阶段为软件设计阶段的情况下，基于上述目标应用软件在上述软件设计阶段的设计文档，确定上述目标数据；以及在当前开发阶段为软件实现阶段的情况下，获取与上述软件实现阶段相匹配的预设版本的测试软件程序；基于上述测试软件程序，确定上述目标数据。

4、根据本公开的实施例，上述基于上述测试软件程序，确定上述目标数据，包括：获取针对上述测试软件程序的测试报文；将上述测试报文发送至上述测试软件程序，以便上述测试软件程序对上述测试报文进行处理；获取对上述测试报文进行处理后的测试结果；以及根据上述测试报文和测试结果，生成上述目标数据。

5、根据本公开的实施例，上述基于上述目标应用软件在上述软件设计阶段的设计文档，确定上述目标数据，包括：从上述设计文档中获取上述目标应用软件调用外部服务的服务版本信息和使用端口信息；以及根据上述服务版本信息和使用端口信息，生成上述目标数据。

6、根据本公开的实施例，上述异常识别模型包括并联的m个异常识别子模型，m>0，每个异常识别子模型对应一个异常类型，上述将上述目标数据输入至预先训练好的异常识别模型中，输出异常识别结果，包括：将上述目标数据输入至上述m个异常识别子模型，输出m个异常描述序列，其中，每个上述异常描述序列用于表征上述目标数据与上述异常类型下n个异常描述的相关程度，n>0；基于上述m个异常描述序列，确定异常识别结果。

7、根据本公开的实施例，上述异常描述序列包括n个识别概率，每个识别概率与上述异常类型下的n个异常描述种类相对应，基于上述m个异常描述序列，确定异常识别结果，包括：基于上述n个识别概率，确定第一识别子结果；以及基于异常描述与异常类型之间的对应关系，确定与上述第一识别结果相对应的异常类型为第二识别子结果。

8、本公开的第二方面提供了一种异常识别模型训练方法，包括：将目标应用软件在历史开发周期中的第一历史数据输入至初始异常识别模型中，输出样本异常识别结果，其中，上述样本异常识别结果包括上述第一历史数据的样本第一识别子结果和样本第二识别子结果，上述样本第一识别子结果用于表征上述第一历史数据存在的异常类型，上述样本第二识别子结果用于表征上述第一历史数据存在的异常问题，上述初始异常识别模型包括多个训练好的异常识别子模型，每个上述异常识别子模型是利用同一异常类型的第二历史数据训练得到的；利用上述第一历史数据的异常类型标签、异常描述标签、上述样本第一识别子结果和上述样本第二识别子结果，对上述初始异常识别模型的参数进行调整；以及在训练周期满足训练停止条件的情况下，确定上述当前训练周期的初始异常识别模型为异常识别模型。

9、本公开的第三方面提供了一种异常识别装置，包括：数据确定模块，用于响应于接收到针对目标应用软件的异常识别请求，确定目标应用软件在当前开发周期的当前开发阶段中待识别的目标数据；以及第一识别模块，用于将上述目标数据输入至异常识别模型中，输出异常识别结果，其中，上述异常识别模型是利用上述目标应用软件在历史开发周期中的历史数据训练得到的，上述异常识别结果包括上述目标数据的第一识别子结果和第二识别子结果，上述第一识别子结果用于表征上述目标数据存在的异常类型，上述第二识别子结果用于表征上述目标数据存在的异常描述。

10、本公开的第四方面提供了一种异常识别模型训练装置，包括：第二识别模块，用于将目标应用软件在历史开发周期中的第一历史数据输入至初始异常识别模型中，输出样本异常识别结果，其中，上述样本异常识别结果包括上述第一历史数据的样本第一识别子结果和样本第二识别子结果，上述样本第一识别子结果用于表征上述第一历史数据存在的异常类型，上述样本第二识别子结果用于表征上述第一历史数据存在的异常问题，上述初始异常识别模型包括多个训练好的异常识别子模型，每个上述异常识别子模型是利用同一异常类型的第二历史数据训练得到的；参数调整模块，用于利用上述第一历史数据的异常类型标签、异常描述标签、上述样本第一识别子结果和上述样本第二识别子结果，对上述初始异常识别模型的参数进行调整；以及模型确定模块，用于在训练周期满足训练停止条件的情况下，确定上述当前训练周期的初始异常识别模型为异常识别模型。

11、本公开的第五方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。

12、本公开的第六方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。

13、本公开的第七方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。

14、根据本公开的实施例，通过对当前开发周期的当前开发阶段中的目标数据进行识别，及时识别出当前开发阶段存在的异常，提高异常识别效率，满足开发周期的时效性要求，并且由于同一应用软件在多个开发周期中出现的异常较为相似，通过利用历史开发周期中历史数据训练得到的异常识别模型进行得到异常识别结果，提高异常识别结果的准确性。

技术特征：

1.一种异常识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述确定所述目标应用软件在当前开发周期中当前开发阶段待识别的目标数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述测试软件程序，确定所述目标数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述目标应用软件在所述软件设计阶段的设计文档，确定所述目标数据，包括：

5.根据权利要求1所述的方法，其特征在于，所述异常识别模型包括并联的m个异常识别子模型，m>0，每个异常识别子模型对应一个异常类型，所述将所述目标数据输入至预先训练好的异常识别模型中，输出异常识别结果，包括：

6.根据权利要求5所述的方法，其特征在于，所述异常描述序列包括n个识别概率，每个识别概率与所述异常类型下的n个异常描述种类相对应，基于所述m个异常描述序列，确定异常识别结果，包括：

7.一种异常识别模型训练方法，其特征在于，所述方法包括：

8.一种异常识别装置，其特征在于，所述装置包括：

9.一种异常识别模型训练装置，其特征在于，所述装置包括：

10.一种电子设备，包括：

11.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现根据权利要求1~7中任一项所述方法的步骤。

12.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1~7中任一项所述方法的步骤。

技术总结本公开提供了一种异常识别方法，可以应用于信息安全技术领域和人工智能技术领域。该异常识别方法包括：响应于接收到针对目标应用软件的异常识别请求，确定目标应用软件在当前开发周期的当前开发阶段中待识别的目标数据；以及将目标数据输入至异常识别模型中，输出异常识别结果，其中，异常识别模型是利用目标应用软件在历史开发周期中的历史数据训练得到的，异常识别结果包括目标数据的第一识别子结果和第二识别子结果，第一识别子结果用于表征目标数据存在的异常类型，第二识别子结果用于表征目标数据存在的异常描述。本公开还提供了一种异常识别装置、设备、存储介质和程序产品。技术研发人员：李爱萍受保护的技术使用者：中国工商银行股份有限公司技术研发日：技术公布日：2024/9/2