CN111240882B - 检测异常状态的方法及*** - Google Patents
检测异常状态的方法及*** Download PDFInfo
- Publication number
- CN111240882B CN111240882B CN202010047637.1A CN202010047637A CN111240882B CN 111240882 B CN111240882 B CN 111240882B CN 202010047637 A CN202010047637 A CN 202010047637A CN 111240882 B CN111240882 B CN 111240882B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- original
- state
- abnormity
- anomaly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0793—Remedial or corrective actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2272—Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种检测异常状态的方法,包括如下步骤:提取异常信息以及异常信息的原始请求信息,组成原始异常集合;重放异常信息的原始请求信息,获取异常变更信息,形成重放异常集合;将原始异常集合及重放异常集合中的异常进行分类聚合,构成异常状态检测集合,以检测异常状态。对操作人员来说具备简易性,可基于提取已测试出来的异常请求进行二次重放,无需手动生成测试请求,工具自动判断测试结果;具有高细粒度,可手动对单个请求,或者某种类型的异常进行请求重放,更节省资源。而且,应用IAST技术检测程序异常并检测的方法,更有效的检测程序中出现的各种异常,即使所检测出的异常无法处理,也可对其进行,将其捕捉。
Description
技术领域
本发明涉及程序异常的检测领域,尤其是指一种检测异常状态的方法。
背景技术
目前,随着终端设备技术的不断发展,市场上的应用程序越来越多。在用户使用应用程序的过程中,当应用程序出现故障时,工具只能发现已存在的程序异常,需要应用程序开发者开发修复文件,以对应用程序的故障进行修复。随着人们对程序异常的关注度增强,人们更想利用工具动态判断已存在的程序异常是否被开发人员修复成功。但是目前尚无较好的解决办法。
发明内容
本发明所要解决的技术问题是:如何动态检测已存在的程序异常状态。
为了解决上述技术问题,请参阅图1,图1为本发明检测异常状态的方法第一实施例的基本流程图;
本发明采用的技术方案为:一种检测异常状态的方法,包括如下步骤:
步骤S1、提取异常信息以及异常信息的原始请求信息,组成原始异常集合;
步骤S2、重放异常信息的原始请求信息,获取异常变更信息,形成重放异常集合;
步骤S3、将原始异常集合及重放异常集合中的异常进行分类聚合,构成异常状态检测集合,以检测异常状态。
进一步地,步骤S2、重放所述异常信息的原始请求信息,获取异常状态变更信息,具体包括:
步骤S21、提取异常信息重放的原始请求信息;
步骤S22、检测执行请求过程,以确认所述执行请求过程存在原始异常集合中的异常;
步骤S23、确认所述原始异常集合中的异常为已知异常,获取所述已知异常的时间最后变更信息。
进一步的,步骤S24、所述检测执行请求过程的步骤之后,还包括:
确认所述原始异常集合中的异常为新增异常,生成异常的种类变更信息。
具体的,步骤S23、确认所述原始异常集合中的异常为新增异常的步骤中,具体包括:
步骤S231、创建唯一索引;
步骤S232、根据唯一索引,确认原始异常集合中的异常为新增异常;
其中,唯一索引为异常类型,异常堆栈,异常请求信息中的一种或多种。
优选地,步骤S3、将所述原始异常集合及所述重放异常集合中的异常进行分类聚合的步骤中,具体包括:
步骤S31、根据分类聚合规则对所述原始异常集合及所述重放异常集合中的异常进行分类;
其中,所述分类聚合规则为所述已知异常的时间最后变更信息和/或所述异常的种类变更信息。
优选地,步骤S33、根据待分类异常状态对原始异常集合及重放异常集合中的异常进行分类;
步骤S34、当待分类异常状态为重启状态时,待分类异常所在的程序重启;
其中,待分类异常状态为已修复状态、重启状态及未处理状态中的一种,已修复状态为待分类异常处于已修复状态,重启状态为待分类异常处于修复失败状态,未处理状态为待分类异常处于未处理状态。
具体的,在步骤S3中,分类聚合规则为异常的种类变更信息时,所述方法还包括:
步骤S32、对新增异常添加分类标识。
可选地,当所述待分类异常状态为已关闭状态时,若所述待分类异常为已知异常,则有步骤S331、更改待分类异常的状态为重启状态。
上述技术方案中,步骤S1、提取异常信息以及异常信息的原始请求信息的步骤中,具体包括:
步骤S11、检测应用程序;
步骤S12、提取异常类型及异常堆栈信息,以及起点方法、方法链、请求URL,请求头,请求体。
本发明还提供了一种检测异常状态的***,包括如下模块:
异常获取模块,用于提取异常信息以及异常信息的原始请求信息,构成原始异常集合;
异常重组模块,用于重放所述异常信息的原始请求信息,获取异常变更信息,形成重放异常集合;
异常检测模块,用于将所述原始异常集合及所述重放异常集合中的异常进行分类聚合,构成异常状态检测集合,以检测异常状态。
本发明的有益效果在于:提取异常信息的原始请求信息,从而高效搜集脉络完整的异常信息,便于准备异常信息的重组及重放。组成原始异常集合,可以便于调用原始异常资源,有利于异常检测。重放异常信息的原始请求信息,可以在重组信息之前,二次检测异常信息,有利于避免误判的产生。获取异常变更信息,则将关注点从整体缩减到变更部分,降低了计算量,方便了数据的进一步提取。将原始异常集合及重放异常集合中的异常进行分类聚合,可以对整体的数据结构进行选择性重组,以此便于检测异常的状态。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明检测异常状态的方法第一实施例的基本流程图;
图2为本发明检测异常状态的方法第二实施例的形成重放异常集合的流程图;
图3为本发明的本发明检测异常状态的方法第三实施例的对原始异常集合及重放异常集合中的异常进行分类的流程图;
图4为本发明的本发明检测异常状态的方法第四实施例的对原始异常集合及重放异常集合中的异常进行分类的流程图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合实施方式并配合附图详予说明。
请参阅图1,图1为本发明检测异常状态的方法第一实施例的基本流程图。
本发明提供了一种检测异常状态的方法,包括如下步骤:
步骤S1、提取异常信息以及异常信息的原始请求信息,组成原始异常集合;
步骤S2、重放异常信息的原始请求信息,获取异常变更信息,形成重放异常集合;
步骤S3、将原始异常集合及重放异常集合中的异常进行分类聚合,构成异常状态检测集合,以检测异常状态。
本方法的基本效果为:通过步骤S1,可以高效搜集脉络完整的异常信息,便于准备异常信息的重组及重放,便于调用原始异常资源,有利于异常检测。通过步骤2,可以在重组信息之前,二次检测异常信息,有利于避免误判的产生,将关注点从整体缩减到变更部分,降低了计算量,方便了数据的进一步提取。通过步骤3,可以对整体的数据结构进行选择性重组,以此便于检测异常的状态。
应用本方法进行申请,信息的搜集效率、调用效益获得了保证,且具备全面审查异常的特性,其检测准确性高且整体节约了检测时间。而且操作简易,容易处理。
进一步地,在步骤S1、提取异常信息以及异常信息的原始请求信息的步骤中,具体包括:
步骤S11、检测应用程序;
步骤S12、提取异常类型及异常堆栈信息,以及起点方法、方法链、请求URL,请求头,请求体。
具体的,步骤S12、提取异常类型及异常堆栈信息,以及起点方法、请求URL,请求头,请求体。
上述中的异常是指,正常程序流程所不能处理或者没有处理的异常情况或异常事件。
上述中的异常类型,代表了根据某种特性或成因而进行划分和归并的方法,包括空指针异常及数组越界异常等多种类型。空指针异常,是指一个对象不存在时又调用其方法会产生异常;数组越界异常,是指使用不合法的索引访问数组时会报数组越界的异常,可能会访问到内存区域中的其他信息。
上述中的异常堆栈信息,是从一个起点方法到程序出现异常错误并抛出异常的方法组成的方法链信息,为详细的错误信息。方法链:指的是多个方法路径组成的链表。
上述中的起点方法,可以是一个应用程序的一个请求,也可以是一个应用程序的启动函数。可选地,编译器多以main为起始执行函数。对于支持UNICODEWIN32应用程序,其程序入口为tmain;对于windows窗体程序,其程序入口为WinMain。在gcc中,传统有两个编译选项可以指定入口函数名。
请求URL为执行程序时,程序请求所指向的URL地址。URL是统一资源定位符,对可以从互联网上得到的资源的位置和访问方法的简洁表示,是互联网上标准资源的地址。互联网上的每个文件都有一个唯一的URL,包含文件的位置以及处理方式。请求头为,用来设置包含日期和整数值的应答头,可选用setDateHeader方法、setIntHeadr方法或其他方法。请求体为请求中的正文。
可以理解的是,本发明具有操作功能与异常显示功能,操作者可以查看异常的运行状态。可选地,通过异常检测时间,异常类型或者异常状态等规则,对已测试的异常进行分类查看或处理。
采用选择对HTTP请求的整体数据进行选择性地提取,可以降低整体计算量,也可以提高整体的运算精确度,有利于异常状态的检测。
进一步地,步骤S2、重放异常信息的原始请求信息,获取异常状态变更信息的步骤中,具体包括:
步骤S21、提取异常信息重放的原始请求信息;
步骤S22、检测执行请求过程,以确认执行请求过程存在原始异常集合中的异常;
步骤S23、确认原始异常集合中的异常为已知异常,获取已知异常的时间最后变更信息。
具体的,步骤S21、提取异常信息重放的原始请求信息。将异常的原始请求信息,编辑成应用程序可以接收的形式后,重新发送。
步骤S22、检测执行请求过程,以确认执行请求过程存在原始异常集合中的异常;
可选地,利用IAST技术动态插桩用户程序中的处理异常逻辑代码,动态获取请求执行的方法链与请求数据,以此判断执行过程中是否存在异常。
步骤S23、确认原始异常集合中的异常为已知异常,获取已知异常的时间最后变更信息。可以理解的是,有些异常会经常出现。如果为了对每次已知异常的出现做记录,则会增加大量的冗余数据,不利于程序的流畅性。而且,针对同一异常,无需两次处理,以此处理即可解决该异常。
当某个异常被多次发现后,不会从数量上新增异常,而是更新其最后被发现的时间,应用此种方式,有助于统计异常的种类,便于检测异常的状态。
而且,通过异常最后被发现的时间,可以粗略的推断出该异常的出现的频率。具体的,如果一项异常最后被发现的时间目前远久于其他的异常,那么此项异常属于低频率的异常;与之相对应的,如果异常最后被发现的时间经常更新,则此项异常属于高频率的异常。
进一步的技术方案中,步骤S24、确认原始异常集合中的异常为新增异常,生成异常的种类变更信息。可以理解的是,上述中的步骤S23与步骤S24属于上述中步骤S22之后的步骤。基于此,步骤S22与步骤S23之间并不具备顺序关系。步骤S22之后,可以是步骤S22,也可以是步骤S23。
出现新增异常,说明发现了程序的运行中的新问题。因此将新增异常记录,有助于增强使用者对新增异常的重视程度。由此,可以及时寻找异常修复者来对异常进行修复。此外,出现新增异常,说明原始异常集合的形成过程中,可能存在某些失误,需要对其该步骤S1的具体实施进行修正。
具体的,步骤S23、确认原始异常集合中的异常为新增异常的步骤中,具体包括:
步骤S231、创建唯一索引;
步骤S232、根据唯一索引,确认原始异常集合中的异常为新增异常;
其中,唯一索引为异常类型,异常堆栈,异常请求信息中的一种或多种。
唯一索引,是不允许具有索引值相同的行,从而禁止重复的索引或键值。可选地,***在创建该索引时检查是否有重复的键值,并在每次使用部分SQL语句添加数据时进行检查。
应用唯一索引,一方面可以对新增异常进行分类,避免重复的新增异常。另一方面,由于操作者在异常显示之后才能进行进行操作,所以应用唯一索引对异常分类之后,同一类别异常于同一区域显示、聚集,便于下一步地操作。
优选地,步骤S3、将原始异常集合及重放异常集合中的异常进行分类聚合的步骤中,具体包括三种分类方式:请参阅图3,图3为本发明的本发明检测异常状态的方法第三实施例的对原始异常集合及重放异常集合中的异常进行分类的流程图。
步骤S31-1、根据已知异常的时间最后变更信息对原始异常集合及重放异常集合中的异常进行分类。由此,可以获得已知异常的信息变更状态,仅记录最后变更时间,缩减了计算量与内存需求,有利于对异常做针对性处理。而且将最后变更的信息同一显示,便于寻找已知异常的内在联系,及时进行处理。
步骤S31-2、根据异常的种类变更信息对原始异常集合及重放异常集合中的异常进行分类。由此,重点关注新增异常,以此及时发现新漏洞,获取较优的检测效果,及时进行漏洞修复。
步骤S31-3、根据已知异常的时间最后变更信息和种类变更信息对原始异常集合及重放异常集合中的异常进行分类。由此,同时具备上述步骤S31-1及步骤S31-2的主要功能。需要理解的是,步骤S31-1及步骤S31-2并无必然的内在联系,二者并非有固定执行顺序的。由此,可以增大异常的细粒度。
进一步地,在步骤S31-2及步骤S31-3之后,具有步骤S32、对新增异常添加分类标识。通过对新增异常添加分类标识,操作者可以轻松地比对异常信息,并且,为异常添加标签,有助于发现异常之间的内在规律。
优选地,请参阅图4,图4为本发明的本发明检测异常状态的方法第四实施例的对原始异常集合及重放异常集合中的异常进行分类的流程图;
本发明包括,步骤S33、根据待分类异常状态对原始异常集合及重放异常集合中的异常进行分类;
步骤S34、当待分类异常状态为重启状态时,待分类异常所在的程序重启;
其中,待分类异常状态为已修复状态、重启状态及未处理状态中的一种,已修复状态为待分类异常处于已修复状态,重启状态为待分类异常处于修复失败状态,未处理状态为待分类异常处于未处理状态。
具体的,步骤S33、根据异常状态对原始异常集合及重放异常集合中的异常进行分类。
不同于步骤S31-1、步骤S31-2或步骤S31-3所进行的整理模式的分类,步骤S33主要针对异常修复状态进行分类,以此更好地检测异常的修复状态。将异常划分成已修复状态、重启状态及未处理状态三种,能够更准确的对异常处理进程做划分。
在步骤S33中,当待分类异常状态为已关闭状态时,若待分类异常为已知异常,上述方法还包括,步骤S331、更改待分类异常的状态为重启状态。
由于大多数已知异常为可自动修复的,因此将其更改为重启状态,有利于增强检测的准确性。
步骤S34、当待分类异常为重启状态时,待分类异常所在的程序重启。由此,可以自动修复某些异常。
上述步骤S33及步骤S34中,已修复状态,指异常已被编码人员修复并主动关闭,或者是通过动态检测程序异常检测异常已修复并自动关闭的状态。未处理状态,是指检测到了异常,且未经过修改的状态。重启状态,是指异常经过编码人员手动关闭,然后经过动态检测程序异常检测发现仍然存在,最终将其重新打开的状态。
本发明还提供了一种检测异常状态的***,包括如下模块:
异常获取模块,用于提取异常信息以及异常信息的原始请求信息,构成原始异常集合;
异常重组模块,用于重放异常信息的原始请求信息,获取异常变更信息,形成重放异常集合;
异常检测模块,用于将原始异常集合及重放异常集合中的异常进行分类聚合,构成异常状态检测集合,以检测异常状态。
上述***用于承载所述方法进行运作。
在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。模块集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,模块的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,模块计算机程序包括计算机程序代码,模块计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。模块计算机可读介质可以包括:能够携带模块计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
综上所述,本发明提供的检测异常状态的方法及***具有如下优势:本申请对操作人员来说具备简易性,可以基于提取已测试出来的异常请求进行二次重放,无需手动生成测试请求,工具自动判断测试结果;对用户来说,具有高细粒度,可以手动对单个请求,或者某种类型的异常进行请求重放,更节省资源。而且,本申请应用IAST技术检测程序异常并检测的方法,可以更有效的检测程序中出现的各种异常,即使所检测出的异常无法处理,也可以对其进行将其捕捉。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种检测异常状态的方法,其特征在于,所述方法包括如下步骤:
提取异常信息以及异常信息的原始请求信息,组成原始异常集合;
提取异常信息重放的原始请求信息,检测执行请求过程,以确认所述执行请求过程存在原始异常集合中的异常;
若确认所述原始异常集合中的异常为已知异常,获取所述已知异常的时间最后变更信息,形成重放异常集合,并根据已知异常的时间最后变更信息对原始异常集合及重放异常集合中的异常进行分类聚合,构成异常状态检测集合;
若确认所述原始异常集合中的异常为新增异常,生成异常的种类变更信息,并根据异常的种类变更信息对原始异常集合及重放异常集合中的异常进行分类,构成异常状态检测集合;
应用所述异常状态检测集合,检测异常状态。
2.如权利要求1所述的检测异常状态的方法,其特征在于,所述确认所述原始异常集合中的异常为新增异常的步骤中,具体包括:
创建唯一索引;
根据所述唯一索引,确认所述原始异常集合中的异常为新增异常;
其中,所述唯一索引为异常类型,异常堆栈,异常请求信息中的一种或多种。
3.如权利要求1或2所述的检测异常状态的方法,其特征在于,所述将所述原始异常集合及所述重放异常集合中的异常进行分类聚合,以检测异常状态的步骤中,具体包括:
根据待分类异常状态对所述原始异常集合及所述重放异常集合中的异常进行分类;
当所述待分类异常状态为重启状态时,所述待分类异常所在的程序重启;
其中,所述待分类异常状态为已修复状态、重启状态及未处理状态中的一种,所述已修复状态为所述待分类异常处于已修复状态,重启状态为所述待分类异常处于修复失败状态,未处理状态为所述待分类异常处于未处理状态。
4.如权利要求1所述的检测异常状态的方法,其特征在于,所述分类聚合规则为异常的种类变更信息时,所述方法还包括:
对新增异常添加分类标识。
5.如权利要求3所述的检测异常状态的方法,其特征在于,当所述待分类异常状态为已关闭状态时,若所述待分类异常为已知异常,则更改待分类异常的状态为重启状态。
6.如权利要求1所述的检测异常状态的方法,其特征在于,所述提取异常信息以及异常信息的原始请求信息的步骤中,具体包括:
检测应用程序;
提取异常类型及异常堆栈信息,以及起点方法、请求URL,请求头、请求体。
7.一种检测异常状态的***,其特征在于,包括如下模块:
异常获取模块,用于提取异常信息以及异常信息的原始请求信息,构成原始异常集合;
异常重组模块,用于提取异常信息重放的原始请求信息,检测执行请求过程,以确认所述执行请求过程存在原始异常集合中的异常;若确认所述原始异常集合中的异常为已知异常,获取所述已知异常的时间最后变更信息,形成重放异常集合;
异常检测模块,用于若确认所述原始异常集合中的异常为已知异常,则根据已知异常的时间最后变更信息对原始异常集合及重放异常集合中的异常进行分类聚合,构成异常状态检测集合;
若确认所述原始异常集合中的异常为新增异常,生成异常的种类变更信息,并根据分类聚合规则对所述原始异常集合及所述重放异常集合中的异常进行分类,构成异常状态检测集合;
应用所述异常状态检测集合,检测异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010047637.1A CN111240882B (zh) | 2020-01-16 | 2020-01-16 | 检测异常状态的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010047637.1A CN111240882B (zh) | 2020-01-16 | 2020-01-16 | 检测异常状态的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111240882A CN111240882A (zh) | 2020-06-05 |
CN111240882B true CN111240882B (zh) | 2020-11-20 |
Family
ID=70864994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010047637.1A Active CN111240882B (zh) | 2020-01-16 | 2020-01-16 | 检测异常状态的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240882B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1989565B (zh) * | 2004-07-22 | 2010-10-20 | 松下电器产业株式会社 | 用于执行应用程序同步重放的重放装置 |
JP2008278496A (ja) * | 2007-05-07 | 2008-11-13 | Asustek Computer Inc | 無線通信システムにおいてMAC−ehsプロトコルエンティティーのリセットを改善する方法及び装置 |
CN102385508A (zh) * | 2010-09-03 | 2012-03-21 | 金蝶软件(中国)有限公司 | 一种异常处理的方法、装置和软件*** |
US9378065B2 (en) * | 2013-03-15 | 2016-06-28 | Advanced Elemental Technologies, Inc. | Purposeful computing |
WO2015070062A1 (en) * | 2013-11-07 | 2015-05-14 | Massachusetts Institute Of Technology | Cell-based genomic recorded accumulative memory |
CN104820610B (zh) * | 2015-05-14 | 2017-12-22 | 华中科技大学 | 一种云环境中虚拟机镜像的更新方法及*** |
CN106844083B (zh) * | 2017-02-20 | 2020-05-12 | 重庆邮电大学 | 一种面向流计算***异常感知的容错方法及*** |
CN108667770B (zh) * | 2017-03-29 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种网站的漏洞测试方法、服务器及*** |
CN109684847B (zh) * | 2018-09-07 | 2023-05-23 | 平安科技(深圳)有限公司 | 脚本漏洞的自动修复方法、装置、设备及存储介质 |
CN110674506B (zh) * | 2019-09-10 | 2020-10-27 | 深圳开源互联网安全技术有限公司 | 快速验证应用程序漏洞状态的方法及*** |
-
2020
- 2020-01-16 CN CN202010047637.1A patent/CN111240882B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111240882A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11163744B2 (en) | Test data generation and scale up for database testing using unique common factor sequencing | |
Wu et al. | Changelocator: locate crash-inducing changes based on crash reports | |
US8839203B2 (en) | Code coverage-based taint perimeter detection | |
CN107577594A (zh) | 记录测试异常的方法、智能终端及具有存储功能的装置 | |
US7913233B2 (en) | Performance analyzer | |
US10248549B1 (en) | Systems and methods for detection of untested code execution | |
CN109388556B (zh) | 一种测试过程的分析方法及装置 | |
US7930597B2 (en) | Method and apparatus for validating system properties exhibited in execution traces | |
US8006138B2 (en) | Software quality assessment based on semantic similarities | |
US11436133B2 (en) | Comparable user interface object identifications | |
US9940215B2 (en) | Automatic correlation accelerator | |
US10509719B2 (en) | Automatic regression identification | |
CN111240882B (zh) | 检测异常状态的方法及*** | |
US8478575B1 (en) | Automatic anomaly detection for HW debug | |
CN115757175A (zh) | 一种交易日志文件处理方法及装置 | |
Lavoie et al. | A case study of TTCN-3 test scripts clone analysis in an industrial telecommunication setting | |
CN115048299A (zh) | 应用程序的测试方法及装置、存储介质、电子设备 | |
CA2420008C (en) | Panic message analyzer | |
CN113342657A (zh) | 一种检测代码异常的方法和装置 | |
Kou et al. | Automated recognition of low-level process: A pilot validation study of Zorro for test-driven development | |
US7581148B2 (en) | System, method and apparatus for completing the generation of test records after an abort event | |
CN114860549B (zh) | 埋点数据校验方法、装置、设备和存储介质 | |
Jablon | Complexity of frequency-domain adaptive filtering for data modems | |
Zhang et al. | Fault Diagnosis for Test Alarms in Microservices through Multi-source Data | |
CN115550206A (zh) | 一种车载以太网服务自动点检方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |