CN113254932A - 应用程序的风险检测方法、装置、电子设备和介质 - Google Patents
应用程序的风险检测方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113254932A CN113254932A CN202110669011.9A CN202110669011A CN113254932A CN 113254932 A CN113254932 A CN 113254932A CN 202110669011 A CN202110669011 A CN 202110669011A CN 113254932 A CN113254932 A CN 113254932A
- Authority
- CN
- China
- Prior art keywords
- application
- determining
- detection
- application program
- category
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims description 28
- 238000012797 qualification Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/562—Static detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/566—Dynamic detection, i.e. detection performed at run-time, e.g. emulation, suspicious activities
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Virology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本公开提供了一种应用程序的风险检测方法、装置、设备、介质和产品,涉及计算机技术领域,尤其涉及安全及应用合规领域。应用程序的风险检测方法包括:基于应用程序的描述信息,确定应用程序的类别;基于类别,从至少一个检测策略中确定与类别对应的目标检测策略;基于目标检测策略处理应用程序,得到检测数据;基于检测数据,确定应用程序是否存在风险。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及安全及应用合规领域,更具体地,涉及一种应用程序的风险检测方法、装置、电子设备、介质和程序产品。
背景技术
相关技术中,通常需要检测应用程序是否存在风险。但是,相关技术在检测应用程序是否存在风险时,检测效果不佳,难以满足各种场景下的风险检测需求。
发明内容
本公开提供了一种应用程序的风险检测方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种应用程序的风险检测方法,包括:基于应用程序的描述信息,确定所述应用程序的类别;基于所述类别,从至少一个检测策略中确定与所述类别对应的目标检测策略;基于所述目标检测策略处理所述应用程序,得到检测数据;基于所述检测数据,确定所述应用程序是否存在风险。
根据本公开的另一方面,提供了一种应用程序的风险检测装置,包括:第一确定模块、第二确定模块、处理模块以及第三确定模块。第一确定模块,用于基于应用程序的描述信息,确定所述应用程序的类别;第二确定模块,用于基于所述类别,从至少一个检测策略中确定与所述类别对应的目标检测策略;处理模块,用于基于所述目标检测策略处理所述应用程序,得到检测数据;第三确定模块,用于基于所述检测数据,确定所述应用程序是否存在风险。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器和与所述至少一个处理器通信连接的存储器。其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的应用程序的风险检测方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述的应用程序的风险检测方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述的应用程序的风险检测方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开一实施例的应用程序的风险检测方法和装置的应用场景;
图2示意性示出了根据本公开一实施例的应用程序的风险检测方法的流程图;
图3示意性示出了根据本公开另一实施例的应用程序的风险检测方法的原理图;
图4示意性示出了根据本公开另一实施例的应用程序的风险检测方法的原理图;
图5示意性示出了根据本公开一实施例的应用程序的风险检测装置的框图;以及
图6是用来实现本公开实施例的用于执行应用程序的风险检测的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
本公开的实施例提供了一种应用程序的风险检测方法。应用程序的风险检测方法包括:基于应用程序的描述信息,确定应用程序的类别。然后,基于类别,从至少一个检测策略中确定与类别对应的目标检测策略,基于目标检测策略处理应用程序,得到检测数据。接下来,基于检测数据,确定应用程序是否存在风险。
图1示意性示出了根据本公开一实施例的应用程序的风险检测方法和装置的应用场景。需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括应用程序101、102、103和电子设备104。
电子设备104可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、服务器等等。本公开实施例的电子设备104例如可以运行应用程序101、102、103。
需要说明的是,本公开实施例所提供的应用程序的风险检测方法可以由电子设备104执行。相应地,本公开实施例所提供的应用程序的风险检测装置可以设置于电子设备104中。
电子设备104可以处理应用程序101、102、103,以便对应用程序101、102、103进行风险检测。例如,电子设备104可以运行应用程序101、102、103,并基于运行结果来确定应用程序101、102、103是否存在风险。或者,电子设备104也可以对应用程序101、102、103的相关文件进行处理,以确定应用程序101、102、103是否存在风险。
本公开实施例提供了一种应用程序的风险检测方法,下面结合图1的应用场景,参考图2~图4来描述根据本公开示例性实施方式的应用程序的风险检测方法。本公开实施例的应用程序的风险检测方法例如可以由图1所示的电子设备104来执行。
图2示意性示出了根据本公开一实施例的应用程序的风险检测方法的流程图。
如图2所示,本公开实施例的应用程序的风险检测方法200例如可以包括操作S210~操作S240。
在操作S210,基于应用程序的描述信息,确定应用程序的类别。
在操作S220,基于类别,从至少一个检测策略中确定与类别对应的目标检测策略。
在操作S230,基于目标检测策略处理应用程序,得到检测数据。
在操作S240,基于检测数据,确定应用程序是否存在风险。
示例性地,应用程序的描述信息包括但不仅限于应用程序的名称、应用程序的简介信息。基于应用程序的描述信息可以得知应用程序的类别。应用程序的类别可以按照行业进行分类,例如类别包括但不仅限于医疗、教育、金融、车联网、游戏。
针对不同类别的应用程序,可以利用不同的检测策略来处理应用程序,以便检测应用程序是否存在风险。例如,针对当前的应用程序,基于当前的应用程序的类别,从策略库中存储的至少一个检测策略中确定与当前的应用程序的类别对应的检测策略作为目标检测策略,并基于目标检测策略来处理当前的应用程序。策略库中存储的每个检测策略例如具有对应的标签,标签例如指示了该检测策略适用于对哪些类别的应用程序进行风险检测。其中,一个检测策略可以具有多个标签,每个标签对应一个类别。
基于目标检测策略处理当前的应用程序可以得到检测数据,然后对检测数据进行数据分析可以确定应用程序是否存在风险。
例如,可以基于与应用程序的类别对应的预设风险规则来处理检测数据。每个类别对应的预设风险规则可以不同。例如,以检测数据包括数据流量为例,表征不同类别的应用程序存在风险的数据流量例如不同。例如,针对第一类别的应用程序,当数据流量超过第一阈值时表示存在风险,此时第一类别对应的预设风险规则例如为数据流量超过第一阈值。例如,针对第二类别的应用程序,当数据流量超过第二阈值时表示存在风险,此时第二类别对应的预设风险规则例如为数据流量超过第二阈值,第二阈值例如与第一阈值不同,即第一类别对应的预设风险规则和第二类别对应的预设风险规则不同。
可以理解,本公开的实施例通过确定应用程序的类别之后,针对不同的类别采用不同的检测策略来处理应用程序,以便确定应用程序是否存在风险。可见,通过本公开的实施例,可以针对不同类别的应用程序执行不同的风险检测,提高了风险检测的效果,适应不同场景下的检测需求。
图3示意性示出了根据本公开一实施例的应用程序的风险检测方法的原理图。
如图3所示,本公开的实施例例如包括多个应用程序301、策略库303和规则库307。
多个应用程序301例如包括应用程序A、应用程序B和应用程序C,应用程序A、应用程序B和应用程序C的类别例如分别为类别a、类别b和类别c。策略库303例如至少包括通用策略集合和类别策略集合。通用策略集合例如包括检测策略t1和检测策略t2,检测策略t1和检测策略t2例如均可以适用于每个类别的应用程序。类别策略集合例如包括检测策略t3、检测策略t4和检测策略t5,检测策略t3、检测策略t4和检测策略t5例如分别适用于类别a、类别b和类别c。
以应用程序A为例,基于应用程序A的描述信息确定应用程序A的类别为类别a。然后,基于类别a,从策略库303中确定与类别a对应的检测策略。例如,通用策略集合中的所有检测策略均与类别a对应,从类别策略集合中确定与类别a对应的检测策略t3作为候选检测策略。然后,将通用策略集合中的所有检测策略和候选检测策略(检测策略t3),作为针对应用程序A的目标检测策略。
接下来,基于目标检测策略处理应用程序A,得到检测数据305。然后,基于类别a从规则库307中确定对应的预设风险规则r1,利用预设风险规则r1处理检测数据305得到风险信息309,风险信息309用于表征应用程序A是否存在风险。规则库307中不同的预设风险规则例如适用于不同类别的应用程序。
根据本公开的实施例,通过为不同类别的应用程序配置不同的检测策略,并利用对应的检测策略来处理相应类别的应用程序得到检测数据。接下来利用与类别对应的预设风险规则来基于检测数据确定应用程序是否存在风险,实现了针对性地检测应用程序的风险,提高了对不同类别的应用程序进行风险检测的准确性。
图4示意性示出了根据本公开另一实施例的应用程序的风险检测方法的原理图。
如图4所示,本公开的实施例例如包括多个应用程序401、类别识别模型402、策略库403、行为触发引擎404、规则库407和规则引擎408。
多个应用程序401例如包括应用程序A、应用程序B和应用程序C,应用程序A、应用程序B和应用程序C的类别例如分别为类别a、类别b和类别c。策略库403例如至少包括通用策略集合、类别策略集合和特色策略集合。通用策略集合例如包括检测策略t1和检测策略t2,检测策略t1和检测策略t2例如均可以适用于每个类别的应用程序。类别策略集合例如包括检测策略t3、检测策略t4和检测策略t5,检测策略t3、检测策略t4和检测策略t5例如分别适用于类别a、类别b和类别c。特殊策略集合例如包括检测策略t6,特殊策略集合中的检测策略例如是根据实际情况暂时增加的检测策略。
以应用程序A为例,利用经训练的类别识别模型402处理描述信息,得到应用程序的类别,应用程序A的类别例如为类别a。经训练的类别识别模型402的输入例如为应用程序的描述信息,输出例如为应用程序的类别。
除了基于应用程序的描述信息确定应用程序的类别之外,针对当前的应用程序,还可以基于情报库中存储的多个应用程序和对应的类别来确定当前的应用程序的类别。情报库中应用程序的类别例如是通过爬虫技术获取的,也可以由用户预先设定。例如,情报库中存储应用程序A对应的类别a和应用程序B对应的类别b,如果当前的应用程序为应用程序A,则从情报库中获取当前的应用程序的类别为类别a。
然后,基于类别a,从策略库403中确定与类别a对应的检测策略。例如,通用策略集合中的所有检测策略均与类别a对应,从类别策略集合中确定与类别a对应的检测策略t3作为候选检测策略。然后,将通用策略集合中的所有检测策略和候选检测策略(检测策略t3),作为针对应用程序A的目标检测策略。如果特殊策略集合具有与类别a对应的检测策略,可以将该检测策略作为针对应用程序A的目标检测策略。
接下来,基于目标检测策略调用行为触发引擎404,利用行为触发引擎404基于目标检测策略处理应用程序A,得到检测数据405。然后,基于类别a从规则库407中确定对应的预设风险规则r1,基于预设风险规则r1调用规则引擎408,利用规则引擎408基于预设风险规则r1处理检测数据405得到风险信息409,风险信息409用于表征应用程序A是否存在风险。规则库407中不同的预设风险规则例如适用于不同类别的应用程序。
根据本公开的实施例,通过为不同类别的应用程序配置不同的检测策略和预设风险规则,并通过对应的检测策略和对应的预设风险规则来确定应用程序是否存在风险,实现了针对性地检测应用程序的风险,使得本公开实施例的风险检测方法适用于对不同类别的应用程序进行风险检测。
在一示例中,与应用程序的类别对应的目标检测策略例如包括运行应用程序。基于目标检测策略处理应用程序包括运行应用程序得到运行数据,将运行数据作为检测数据。基于检测数据确定应用程序是否存在风险例如包括但不仅限于如下示例。
例如,基于检测数据,确定运行应用程序的过程中是否获得采集数据的权限。如果确定运行应用程序的过程中未获得采集数据的权限,则确定应用程序存在风险。采集的数据包括但不仅限于用户信息和其他相关信息。例如,以应用程序的类别为车联网类别为例,采集的数据例如包括用户的个人信息和车辆的驾驶信息。如果应用程序在运行过程中没有获取用户的授权而进行数据采集,则表示该应用程序的运行不符合相关规定,即确定该应用程序存在风险。
例如,基于检测数据,确定运行应用程序的过程中是否展示针对应用程序的文件。如果确定运行应用程序的过程中未展示针对应用程序的文件,则确定应用程序存在风险。例如,以应用程序的类别为教育类别为例,当运行应用程序时(例如用户注册时)未展示教育机构的相关文件,则表示该应用程序的运行不符合相关规定,即确定该应用程序存在风险。教育机构的相关文件例如包括教育机构的资质文件、教师资格文件等等。
例如,基于检测数据,确定运行应用程序的过程中采集的数据是否为被禁止采集的数据。如果确定运行应用程序的过程中采集的数据为被禁止采集的数据,则确定应用程序存在风险。例如,有些类型的数据是禁止采集的,如果应用程序运行过程中采集该类型的数据,表示该应用程序的运行不符合相关规定,即确定该应用程序存在风险。
在本公开的实施例中,通过运行应用程序得到运行数据,针对不同类别的应用程序,基于运行数据来确定不同类别的应用程序存在的风险信息。可见,通过针对性地检测应用程序的风险,使得该风险检测方法适用于不同场景下的风险检测。
在另一示例中,与应用程序的类别对应的目标检测策略例如包括处理应用程序的文件。基于目标检测策略处理应用程序包括处理应用程序的文件得到文件中的资质信息,将资质信息作为检测数据。如果资质信息无效,则确定应用程序存在风险。例如,以应用程序的类别为教育类别为例,应用程序的文件例如包括教育机构的资质文件、教师资格文件等等。对文件进行处理得到文件中的资质信息,并基于资质信息确定该应用程序是否存在风险。例如,当文件为图片时,对图像进行图像识别,得到文件中的资质信息,资质信息例如包括有效期,确定当前时间是否在该有效期之内。如果当前时间不在该有效期之内,则表示资质信息无效,则确定应用程序存在风险。
在本公开的实施例中,通过处理应用程序的文件得到文件的资质信息,针对不同类别的应用程序,基于资质信息来确定不同类别的应用程序存在的风险信息。可见,通过针对性地检测应用程序的风险,提高了对不同类别的应用程序进行的风险检测的准确性。
图5示意性示出了根据本公开一实施例的应用程序的风险检测装置的框图。
如图5所示,本公开实施例的应用程序的风险检测装置500例如包括第一确定模块510、第二确定模块520、处理模块530以及第三确定模块540。
第一确定模块510可以用于基于应用程序的描述信息,确定应用程序的类别。根据本公开实施例,第一确定模块510例如可以执行上文参考图2描述的操作S210,在此不再赘述。
第二确定模块520可以用于基于类别,从至少一个检测策略中确定与类别对应的目标检测策略。根据本公开实施例,第二确定模块520例如可以执行上文参考图2描述的操作S220,在此不再赘述。
处理模块530可以用于基于目标检测策略处理应用程序,得到检测数据。根据本公开实施例,处理模块530例如可以执行上文参考图2描述的操作S230,在此不再赘述。
第三确定模块540可以用于基于检测数据,确定应用程序是否存在风险。根据本公开实施例,第三确定模块540例如可以执行上文参考图2描述的操作S240,在此不再赘述。
根据本公开的实施例,至少一个检测策略包括通用策略集合和类别策略集合;第二确定模块520包括:第一确定子模块和第二确定子模块。第一确定子模块,用于基于类别,从类别策略集合中确定与类别对应的候选检测策略。第二确定子模块,用于将通用策略集合中的检测策略和候选检测策略,作为目标检测策略。
根据本公开的实施例,目标检测策略包括运行应用程序;处理模块530还用于:运行应用程序得到运行数据,作为检测数据。
根据本公开的实施例,第三确定模块540包括:第三确定子模块和第四确定子模块。第三确定子模块,用于基于检测数据,确定运行应用程序的过程中是否获得采集数据的权限。第四确定子模块,用于响应于确定运行应用程序的过程中未获得采集数据的权限,确定应用程序存在风险。
根据本公开的实施例,第三确定模块540包括:第五确定子模块和第六确定子模块。第五确定子模块,用于基于检测数据,确定运行应用程序的过程中是否展示针对应用程序的文件。第六确定子模块,用于响应于确定运行应用程序的过程中未展示针对应用程序的文件,确定应用程序存在风险。
根据本公开的实施例,第三确定模块540包括:第七确定子模块和第八确定子模块。第七确定子模块,用于基于检测数据,确定运行应用程序的过程中采集的数据是否为被禁止采集的数据。第八确定子模块,用于响应于确定运行应用程序的过程中采集的数据为被禁止采集的数据,确定应用程序存在风险。
根据本公开的实施例,目标检测策略包括处理应用程序的文件;处理模块530还用于:处理应用程序的文件得到文件中的资质信息,作为检测数据;第三确定模块540还用于:响应于资质信息无效,确定应用程序存在风险。
根据本公开的实施例,第一确定模块510还用于:利用经训练的类别识别模型处理描述信息,得到应用程序的类别。
本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6是用来实现本公开实施例的用于执行应用程序的风险检测的电子设备的框图。
图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如应用程序的风险检测方法。例如,在一些实施例中,应用程序的风险检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的应用程序的风险检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行应用程序的风险检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种应用程序的风险检测方法,包括:
基于应用程序的描述信息,确定所述应用程序的类别;
基于所述类别,从至少一个检测策略中确定与所述类别对应的目标检测策略;
基于所述目标检测策略处理所述应用程序,得到检测数据;以及
基于所述检测数据,确定所述应用程序是否存在风险。
2.根据权利要求1所述的方法,其中,所述至少一个检测策略包括通用策略集合和类别策略集合;所述基于所述类别,从至少一个检测策略中确定与所述类别对应的目标检测策略包括:
基于所述类别,从所述类别策略集合中确定与所述类别对应的候选检测策略;以及
将所述通用策略集合中的检测策略和所述候选检测策略,作为所述目标检测策略。
3.根据权利要求1所述的方法,其中,所述目标检测策略包括运行所述应用程序;所述基于所述目标检测策略处理所述应用程序,得到检测数据包括:
运行所述应用程序得到运行数据,作为所述检测数据。
4.根据权利要求3所述的方法,其中,所述基于所述检测数据,确定所述应用程序是否存在风险包括:
基于所述检测数据,确定运行所述应用程序的过程中是否获得采集数据的权限;以及
响应于确定运行所述应用程序的过程中未获得采集数据的权限,确定所述应用程序存在风险。
5.根据权利要求3所述的方法,其中,所述基于所述检测数据,确定所述应用程序是否存在风险包括:
基于所述检测数据,确定运行所述应用程序的过程中是否展示针对所述应用程序的文件;以及
响应于确定运行所述应用程序的过程中未展示针对所述应用程序的文件,确定所述应用程序存在风险。
6.根据权利要求3所述的方法,其中,所述基于所述检测数据,确定所述应用程序是否存在风险包括:
基于所述检测数据,确定运行所述应用程序的过程中采集的数据是否为被禁止采集的数据;以及
响应于确定运行所述应用程序的过程中采集的数据为被禁止采集的数据,确定所述应用程序存在风险。
7.根据权利要求1所述的方法,其中,所述目标检测策略包括处理应用程序的文件;
所述基于所述目标检测策略处理所述应用程序,得到检测数据包括:处理所述应用程序的文件得到所述文件中的资质信息,作为所述检测数据;
所述基于所述检测数据,确定所述应用程序是否存在风险包括:响应于所述资质信息无效,确定所述应用程序存在风险。
8.根据权利要求1-7中任意一项所述的方法,其中,所述基于应用程序的描述信息,确定所述应用程序的类别包括:
利用经训练的类别识别模型处理所述描述信息,得到所述应用程序的类别。
9.一种应用程序的风险检测装置,包括:
第一确定模块,用于基于应用程序的描述信息,确定所述应用程序的类别;
第二确定模块,用于基于所述类别,从至少一个检测策略中确定与所述类别对应的目标检测策略;
处理模块,用于基于所述目标检测策略处理所述应用程序,得到检测数据;以及
第三确定模块,用于基于所述检测数据,确定所述应用程序是否存在风险。
10.根据权利要求9所述的装置,其中,所述至少一个检测策略包括通用策略集合和类别策略集合;所述第二确定模块包括:
第一确定子模块,用于基于所述类别,从所述类别策略集合中确定与所述类别对应的候选检测策略;以及
第二确定子模块,用于将所述通用策略集合中的检测策略和所述候选检测策略,作为所述目标检测策略。
11.根据权利要求9所述的装置,其中,所述目标检测策略包括运行所述应用程序;所述处理模块还用于:
运行所述应用程序得到运行数据,作为所述检测数据。
12.根据权利要求11所述的装置,其中,所述第三确定模块包括:
第三确定子模块,用于基于所述检测数据,确定运行所述应用程序的过程中是否获得采集数据的权限;以及
第四确定子模块,用于响应于确定运行所述应用程序的过程中未获得采集数据的权限,确定所述应用程序存在风险。
13.根据权利要求11所述的装置,其中,所述第三确定模块包括:
第五确定子模块,用于基于所述检测数据,确定运行所述应用程序的过程中是否展示针对所述应用程序的文件;以及
第六确定子模块,用于响应于确定运行所述应用程序的过程中未展示针对所述应用程序的文件,确定所述应用程序存在风险。
14.根据权利要求11所述的装置,其中,所述第三确定模块包括:
第七确定子模块,用于基于所述检测数据,确定运行所述应用程序的过程中采集的数据是否为被禁止采集的数据;以及
第八确定子模块,用于响应于确定运行所述应用程序的过程中采集的数据为被禁止采集的数据,确定所述应用程序存在风险。
15.根据权利要求9所述的装置,其中,所述目标检测策略包括处理应用程序的文件;
所述处理模块还用于:处理所述应用程序的文件得到所述文件中的资质信息,作为所述检测数据;
所述第三确定模块还用于:响应于所述资质信息无效,确定所述应用程序存在风险。
16.根据权利要求9-15中任意一项所述的装置,其中,所述第一确定模块还用于:
利用经训练的类别识别模型处理所述描述信息,得到所述应用程序的类别。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669011.9A CN113254932B (zh) | 2021-06-16 | 2021-06-16 | 应用程序的风险检测方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669011.9A CN113254932B (zh) | 2021-06-16 | 2021-06-16 | 应用程序的风险检测方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254932A true CN113254932A (zh) | 2021-08-13 |
CN113254932B CN113254932B (zh) | 2024-02-27 |
Family
ID=77188266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669011.9A Active CN113254932B (zh) | 2021-06-16 | 2021-06-16 | 应用程序的风险检测方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254932B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888181A (zh) * | 2021-10-25 | 2022-01-04 | 支付宝(杭州)信息技术有限公司 | 业务处理及其风险检测策略体系的构建方法、装置及设备 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080301765A1 (en) * | 2007-05-31 | 2008-12-04 | The Board Of Trustees Of The University Of Illinois | Analysis of distributed policy rule-sets for compliance with global policy |
CN102034058A (zh) * | 2010-11-25 | 2011-04-27 | 中国联合网络通信集团有限公司 | 应用软件安全控制方法及终端 |
CN102917346A (zh) * | 2012-10-17 | 2013-02-06 | 浙江大学城市学院 | 一种基于Android的应用程序运行时安全策略管理***及方法 |
US20140245376A1 (en) * | 2013-02-25 | 2014-08-28 | Beyondtrust Software, Inc. | Systems and methods of risk based rules for application control |
WO2014133528A1 (en) * | 2013-02-28 | 2014-09-04 | Hewlett-Packard Development Company, L.P. | Determining coverage of dynamic security scans using runtime and static code analyses |
CN104216785A (zh) * | 2014-08-26 | 2014-12-17 | 烽火通信科技股份有限公司 | 通用策略任务***及其实现方法 |
CN104838630A (zh) * | 2012-10-10 | 2015-08-12 | 思杰***有限公司 | 基于策略的应用程序管理 |
CN108509796A (zh) * | 2017-02-24 | 2018-09-07 | ***通信集团公司 | 一种风险性的检测方法及服务器 |
CN109190374A (zh) * | 2018-07-25 | 2019-01-11 | 安徽三实信息技术服务有限公司 | 一种应用***中应用软件安全检测***以及检测方法 |
US20190163813A1 (en) * | 2017-11-27 | 2019-05-30 | Promontory Financial Group Llc | Data preprocessing using risk identifier tags |
CN110198313A (zh) * | 2019-05-23 | 2019-09-03 | 新华三信息安全技术有限公司 | 一种策略生成的方法及装置 |
CN110197315A (zh) * | 2018-04-08 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及其存储介质 |
CN110399302A (zh) * | 2019-07-26 | 2019-11-01 | 中国工商银行股份有限公司 | 软件测试项目的风险识别方法、装置、电子设备和介质 |
CN111209575A (zh) * | 2018-11-22 | 2020-05-29 | 阿里巴巴集团控股有限公司 | 数据保护方法、生成方法、传输方法、设备及存储介质 |
US20200285761A1 (en) * | 2019-03-07 | 2020-09-10 | Lookout, Inc. | Security policy manager to configure permissions on computing devices |
CN111724069A (zh) * | 2020-06-22 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 用于处理数据的方法、装置、设备及存储介质 |
CN111737692A (zh) * | 2020-08-17 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 应用程序的风险检测方法及装置、设备、存储介质 |
CN111753701A (zh) * | 2020-06-18 | 2020-10-09 | 百度在线网络技术(北京)有限公司 | 应用程序的违规检测方法、装置、设备和可读存储介质 |
US20200387843A1 (en) * | 2019-06-08 | 2020-12-10 | Trustarc Inc | Risk management of processes utilizing personal data |
CN112214418A (zh) * | 2020-12-04 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 一种应用程序的合规检测方法、装置和电子设备 |
CN112462921A (zh) * | 2019-09-09 | 2021-03-09 | 中兴通讯股份有限公司 | 应用程序管理方法、装置和存储介质 |
CN112513846A (zh) * | 2018-05-22 | 2021-03-16 | 诺顿卫复客公司 | 用于基于安全性策略控制应用程序启动的***和方法 |
CN112685737A (zh) * | 2020-12-24 | 2021-04-20 | 恒安嘉新(北京)科技股份公司 | 一种app的检测方法、装置、设备及存储介质 |
-
2021
- 2021-06-16 CN CN202110669011.9A patent/CN113254932B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080301765A1 (en) * | 2007-05-31 | 2008-12-04 | The Board Of Trustees Of The University Of Illinois | Analysis of distributed policy rule-sets for compliance with global policy |
CN102034058A (zh) * | 2010-11-25 | 2011-04-27 | 中国联合网络通信集团有限公司 | 应用软件安全控制方法及终端 |
CN104838630A (zh) * | 2012-10-10 | 2015-08-12 | 思杰***有限公司 | 基于策略的应用程序管理 |
EP2907290A1 (en) * | 2012-10-10 | 2015-08-19 | Citrix Systems Inc. | Policy-based application management |
CN102917346A (zh) * | 2012-10-17 | 2013-02-06 | 浙江大学城市学院 | 一种基于Android的应用程序运行时安全策略管理***及方法 |
US20140245376A1 (en) * | 2013-02-25 | 2014-08-28 | Beyondtrust Software, Inc. | Systems and methods of risk based rules for application control |
WO2014133528A1 (en) * | 2013-02-28 | 2014-09-04 | Hewlett-Packard Development Company, L.P. | Determining coverage of dynamic security scans using runtime and static code analyses |
CN104216785A (zh) * | 2014-08-26 | 2014-12-17 | 烽火通信科技股份有限公司 | 通用策略任务***及其实现方法 |
CN108509796A (zh) * | 2017-02-24 | 2018-09-07 | ***通信集团公司 | 一种风险性的检测方法及服务器 |
US20190163813A1 (en) * | 2017-11-27 | 2019-05-30 | Promontory Financial Group Llc | Data preprocessing using risk identifier tags |
CN110197315A (zh) * | 2018-04-08 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及其存储介质 |
CN112513846A (zh) * | 2018-05-22 | 2021-03-16 | 诺顿卫复客公司 | 用于基于安全性策略控制应用程序启动的***和方法 |
CN109190374A (zh) * | 2018-07-25 | 2019-01-11 | 安徽三实信息技术服务有限公司 | 一种应用***中应用软件安全检测***以及检测方法 |
CN111209575A (zh) * | 2018-11-22 | 2020-05-29 | 阿里巴巴集团控股有限公司 | 数据保护方法、生成方法、传输方法、设备及存储介质 |
US20200285761A1 (en) * | 2019-03-07 | 2020-09-10 | Lookout, Inc. | Security policy manager to configure permissions on computing devices |
CN110198313A (zh) * | 2019-05-23 | 2019-09-03 | 新华三信息安全技术有限公司 | 一种策略生成的方法及装置 |
US20200387843A1 (en) * | 2019-06-08 | 2020-12-10 | Trustarc Inc | Risk management of processes utilizing personal data |
CN110399302A (zh) * | 2019-07-26 | 2019-11-01 | 中国工商银行股份有限公司 | 软件测试项目的风险识别方法、装置、电子设备和介质 |
CN112462921A (zh) * | 2019-09-09 | 2021-03-09 | 中兴通讯股份有限公司 | 应用程序管理方法、装置和存储介质 |
CN111753701A (zh) * | 2020-06-18 | 2020-10-09 | 百度在线网络技术(北京)有限公司 | 应用程序的违规检测方法、装置、设备和可读存储介质 |
CN111724069A (zh) * | 2020-06-22 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 用于处理数据的方法、装置、设备及存储介质 |
CN111737692A (zh) * | 2020-08-17 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 应用程序的风险检测方法及装置、设备、存储介质 |
CN112214418A (zh) * | 2020-12-04 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 一种应用程序的合规检测方法、装置和电子设备 |
CN112685737A (zh) * | 2020-12-24 | 2021-04-20 | 恒安嘉新(北京)科技股份公司 | 一种app的检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
王晖 等: "基于移动应用安全风险分析与策略的研究", 《电子技术与软件工程》, vol. 148, no. 2, pages 180 - 181 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888181A (zh) * | 2021-10-25 | 2022-01-04 | 支付宝(杭州)信息技术有限公司 | 业务处理及其风险检测策略体系的构建方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113254932B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9298926B2 (en) | Remediation of security vulnerabilities in computer software | |
CN113360580A (zh) | 基于知识图谱的异常事件检测方法、装置、设备及介质 | |
CN113515399A (zh) | 数据异常检测方法及装置 | |
CN112818314A (zh) | 一种设备检测方法、装置、设备及存储介质 | |
CN113705362A (zh) | 图像检测模型的训练方法、装置、电子设备及存储介质 | |
CN113408558A (zh) | 用于模型验证的方法、装置、设备和介质 | |
CN113254932B (zh) | 应用程序的风险检测方法、装置、电子设备和介质 | |
CN113963186A (zh) | 目标检测模型的训练方法、目标检测方法及相关装置 | |
CN112508005B (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN113495825A (zh) | 线路告警的处理方法、装置、电子设备及可读存储介质 | |
CN110674050B (zh) | 内存越界检测方法、装置、电子设备及计算机存储介质 | |
CN114492364A (zh) | 相同漏洞的判断方法、装置、设备和存储介质 | |
CN113469732A (zh) | 基于内容理解的审核方法、装置及电子设备 | |
CN113627526A (zh) | 车辆标识的识别方法、装置、电子设备和介质 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN113935847A (zh) | 线上流程的风险处理方法、装置、服务器及介质 | |
CN113221035A (zh) | 用于确定异常网页的方法、装置、设备、介质和程序产品 | |
CN113032251A (zh) | 应用程序服务质量的确定方法、设备和存储介质 | |
CN113452700A (zh) | 处理安全信息的方法、装置、设备以及存储介质 | |
CN113378172A (zh) | 用于识别敏感网页的方法、装置、计算机***和介质 | |
CN114677691B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 | |
CN114615092B (zh) | 网络攻击序列生成方法、装置、设备和存储介质 | |
CN114724370A (zh) | 交通数据处理方法、装置、电子设备和介质 | |
US20240202345A1 (en) | Attack scenario generation apparatus, attack scenario generation method, and computer readable medium |
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 |