CN114024849B - 一种智能ai运维感知方法及装置 - Google Patents

Abstract

本发明涉及智能运维技术领域，具体公开了一种智能AI运维感知方法及装置，所述方法包括接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告。本发明实时监测用户的操作，基于用户的操作对软件状态进行分析，具备一定的预知性，可以在用户上报之前，预先准备好处理方案，便于推广使用。

Description

一种智能AI运维感知方法及装置

技术领域

本发明涉及智能运维技术领域，具体是一种智能AI运维感知方法及装置。

背景技术

运维，这里指互联网运维，通常属于技术部门，与研发、测试、***管理同为互联网产品技术支撑的4大部门，这个划分在国内和国外以及大小公司间都会多少有一些不同。一个互联网产品的生成一般经历的过程是：项目立项、需求分析、研发部门开发、测试部门测试、运维部门部署发布以及长期的运行维护。运维，本质上是对网络、服务器、服务的生命周期各个阶段的运营与维护，在成本、稳定性、效率上达成一致可接受的状态。

运维并不是设计过程，它是优化过程，由用户来确定运维方案，传统的运维方式都是接收到用户的上报请求后，才会做出相应的优化，这显然是存在迟滞的，如何预先对软件进行状态分析，做到“未雨绸缪”是本发明技术方案想要解决的技术问题。

发明内容

本发明的目的在于提供一种智能AI运维感知方法及装置，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种智能AI运维感知方法及装置，所述方法包括：

接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；

当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；

实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；

对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告。

作为本发明技术方案进一步的限定：所述接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人的步骤包括：

接收访问请求，生成访问次数，当所述访问次数大于预设的第一次数阈值时，停止接收访问请求；

当所述访问次数小于预设的第一次数阈值时，根据所述访问次数确定难度级别；

根据所述难度级别确定验证问题；其中，所述验证问题的格式至少包括图片及音频；

显示所述验证问题并获取反馈答案，将所述反馈答案与预设的参***进行比对，当所述反馈答案与预设的参***相同时，判断所述发送者为真人。

作为本发明技术方案进一步的限定：所述对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告的步骤包括：

读取所述转换节点对应的显示页面，在存储数据库中读取所述显示页面对应的识别码；

根据所述转换节点将所述操作表转换为若干个子表，依次将所述识别码***所述子表后，生成子表组；

读取操作表，计算所述操作表的总操作量，将所述总操作量与预设的参考范围进行比对，根据比对结果确定标记数量；

依次将所述子表组中的子表与参考子表进行比对，计算偏移率，根据所述偏移率对所述子表组进行排序；

在排序后的子表组中截取标记数量的子表，根据所述子表生成检测报告。

作为本发明技术方案进一步的限定：当所述验证问题是基于触屏信号的手势动作时，提示用户输入手势动作；获取输入的手势动作的图像轮廓以及用户在用户终端上各检测点的停留时间；比对所述停留时间与预设的时间阈值，当所述停留时间大于所述时间阈值时，则生成取样点；基于所述取样点生成线段，判断线段与所述图像轮廓是否重合，若所述线段与所述图像轮廓重合，则将所述线段作为输入信号。

作为本发明技术方案进一步的限定：所述方法包括：

获取各应用程序的使用时间，当所述使用时间在预设的时间范围内时，标记所述应用程序；

统计标记的应用程序，依次计算所述标记的应用程序的偏好值，并根据所述偏好值对标记的应用程序进行升序排列；

依次获取搜索记录，并根据所述搜索记录确定关键词；

根据所述关键词读取风险问题并定时显示，接收反馈答案，根据所述反馈答案验证用户身份。

作为本发明技术方案进一步的限定：所述统计标记的应用程序，依次计算所述标记的应用程序的偏好值的步骤包括：

统计标记的应用程序，根据所述标记的应用程序对应的最近使用时间对所述标记的应用程序进行顺序排列，并生成标号；

计算标记的应用程序的使用频率，根据所述使用频率和所述标号确定标记的应用程序的偏好值；

所述偏好值的计算公式为：P=αB*L；其中，所述P为偏好值，所述B为基于标号生成的参数，所述L为使用频率，所述α为修正系数。

本发明技术方案还提供了一种智能AI运维感知装置，所述装置包括：

身份验证模块，用于接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；

操作表生成模块，用于当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；

节点生成模块，用于实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；

时间分析模块，用于对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告。

作为本发明技术方案进一步的限定：所述身份验证模块包括：

请求接收单元，用于接收访问请求，生成访问次数，当所述访问次数大于预设的次数阈值时，停止接收访问请求；

级别确定单元，用于当所述访问次数小于预设的次数阈值时，根据所述访问次数确定难度级别；

问题确定单元，用于根据所述难度级别确定验证问题；其中，所述验证问题的格式至少包括图片及音频；

比对单元，用于显示所述验证问题并获取反馈答案，将所述反馈答案与预设的参***进行比对，当所述反馈答案与预设的参***相同时，判断所述发送者为真人。

作为本发明技术方案进一步的限定：所述时间分析模块包括：

识别码读取单元，用于读取所述转换节点对应的显示页面，在存储数据库中读取所述显示页面对应的识别码；

子表组生成单元，用于根据所述转换节点将所述操作表转换为若干个子表，依次将所述识别码***所述子表后，生成子表组；

数量确定单元，用于读取操作表，计算所述操作表的总操作量，将所述总操作量与预设的参考范围进行比对，根据比对结果确定标记数量；

排序单元，用于依次将所述子表组中的子表与参考子表进行比对，计算偏移率，根据所述偏移率对所述子表组进行排序；

报告生成单元，用于在排序后的子表组中截取标记数量的子表，根据所述子表生成检测报告。

作为本发明技术方案进一步的限定：所述装置还包括：

标记单元，用于获取各应用程序的使用时间，当所述使用时间在预设的时间范围内时，标记所述应用程序；

统计单元，用于统计标记的应用程序，依次计算所述标记的应用程序的偏好值，并根据所述偏好值对标记的应用程序进行升序排列；

关键词确定单元，用于依次获取搜索记录，并根据所述搜索记录确定关键词；

答案分析单元，用于根据所述关键词读取风险问题并定时显示，接收反馈答案，根据所述反馈答案验证用户身份。

与现有技术相比，本发明的有益效果是：本发明实时监测用户的操作，基于用户的操作对软件状态进行分析，具备一定的预知性，可以在用户上报之前，预先准备好处理方案，便于推广使用。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。

图1示出了智能AI运维感知方法的流程框图。

图2示出了智能AI运维感知方法的第一子流程框图。

图3示出了智能AI运维感知方法的第二子流程框图。

图4示出了智能AI运维感知装置的组成结构框图。

图5示出了智能AI运维感知装置中身份验证模块的组成结构框图。

图6示出了智能AI运维感知装置中时间分析模块的组成结构框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

图1示出了智能AI运维感知方法的流程框图，本发明实施例中，一种智能AI运维感知方法，所述方法包括：

步骤S100：接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；

步骤S100的目的很明确，验证访问者是否为真人，主要应对的是计算机通过在一定范围内枚举的方式破解账户信息，进而使用计算资源，对应于现有技术，便是我们常见的验证码，多用于一些网页登陆。

步骤S200：当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；

上述内容获取的是用户的操作数据，用户的操作可能是各种各样的，但是归根结底，指令输入过程并不多，比如，在个人计算机上，只有键入会鼠标点击的方式，在智能手机上，只有一些触屏的点击或滑动方式。上述操作数据指的就是这些数据。

步骤S300：实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；

有些操作是浏览的操作，有些操作是更换页面的操作，浏览操作代表着用户对该页面很满意，而更换操作代表着用户不太喜欢这一内容。在运行维护的过程中，显然更换页面的操作比浏览的操作更加重要。

步骤S400：对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告。

运维过程不是设计过程，它是一个优化过程，对于生成的操作表来说，如果用户在某一阶段花费的时间过长，就说明用户的操作过程不太流畅，这些不太流畅的地方就是运维过程最需要获取的样本。

图2示出了智能AI运维感知方法的第一子流程框图，所述接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人的步骤包括步骤S101至步骤S104：

步骤S101：接收访问请求，生成访问次数，当所述访问次数大于预设的第一次数阈值时，停止接收访问请求；

步骤S102：当所述访问次数小于预设的第一次数阈值时，根据所述访问次数确定难度级别；

步骤S103：根据所述难度级别确定验证问题；其中，所述验证问题的格式至少包括图片及音频；

步骤S104：显示所述验证问题并获取反馈答案，将所述反馈答案与预设的参***进行比对，当所述反馈答案与预设的参***相同时，判断所述发送者为真人。

上述内容是本发明的一个小的创新点，总而言之，验证问题不止一种，可以想到，每个人的能力不同，面对过难的验证问题，很难通过验证，这与验证问题的初衷不符。举例来说，现有的一种验证问题是，给出一系列裁剪好的图像，选出其中包括某些特征的图片，然后连续的多次验证，中间出现一点差错，或是网络波动，均需从头再来，可以想到，这种验证问题会引起用户的反感，在多次验证不通过后，用户心情会受到严重影响。极端的一种情况，如果***出现问题，每次验证都是默认是错误的，在难度极高的验证问题下，用户会认为是自己的问题，而不是去怀疑***，可想而之，真要遇到这种情况，用户的耐心将会被消耗殆尽，而且上述***问题很常见，几乎每个人都遇到过验证码无论怎么输入都显示错误的情况。

图3示出了智能AI运维感知方法的第二子流程框图，所述对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告的步骤包括步骤S401-步骤S405：

步骤S401：读取所述转换节点对应的显示页面，在存储数据库中读取所述显示页面对应的识别码；

值得一提的是，上述显示页面，并不仅仅限定为一张图像，像一些短视频也可以视为一个页面；可以想到，这些显示页面的显示过程都是从已有的存储数据库中读取的，读取过程一定存在着一个索引，这个索引就是上述内容中的识别码。

步骤S402：根据所述转换节点将所述操作表转换为若干个子表，依次将所述识别码***所述子表后，生成子表组；

通过转换节点将所述操作表转换为若干个子表的过程是不断重复的新建-***数据的过程。

步骤S403：读取操作表，计算所述操作表的总操作量，将所述总操作量与预设的参考范围进行比对，根据比对结果确定标记数量；

步骤S403的目的是从总体上先进行一个简单的判断，如果总操作量与标准操作量的出入不大，就说明存在问题的可能性较小，相反的，如果总操作量与标准操作量的出入很大，就说明存在问题的可能性较大，具体反应到实际，就是标记数量，标记数量越多，读取的样本越多，分析越准确。

步骤S404：依次将所述子表组中的子表与参考子表进行比对，计算偏移率，根据所述偏移率对所述子表组进行排序；

子表就是每一个页面对应的操作，如果该页面对应的操作表偏移率很高，那么它就很有可能存在问题。

步骤S405：在排序后的子表组中截取标记数量的子表，根据所述子表生成检测报告；

读取的子表数量就是标记数量，可以想到，总操作量与标准操作量的出入越大，读取的子表数量越多。

进一步的，当所述验证问题是基于触屏信号的手势动作时，提示用户输入手势动作；获取输入的手势动作的图像轮廓以及用户在用户终端上各检测点的停留时间；比对所述停留时间与预设的时间阈值，当所述停留时间大于所述时间阈值时，则生成取样点；基于所述取样点生成线段，判断线段与所述图像轮廓是否重合，若所述线段与所述图像轮廓重合，则将所述线段作为输入信号。

上述内容是对触屏信号的一个具体描述，具体应用于用户的访问阶段。

作为本发明技术方案的一个优选实施例，所述方法还包括：

获取各应用程序的使用时间，当所述使用时间在预设的时间范围内时，标记所述应用程序；

统计标记的应用程序，依次计算所述标记的应用程序的偏好值，并根据所述偏好值对标记的应用程序进行升序排列；

依次获取搜索记录，并根据所述搜索记录确定关键词；

根据所述关键词读取风险问题并定时显示，接收反馈答案，根据所述反馈答案验证用户身份。

由于本发明技术方案的检测过程完全取决于用户的操作，如果某一用户终端的用户换人了，那么分析的结果很有可能就是存在错误，很显然，这些错误是无效样本，因此，需要对用户的身份进行识别。最简单的一种方式就是有奖问答环节，至于问题则根据用户的搜索记录来确定，这样的问题才能够区分是否为本人操作。

值得一提的是，如果用户不提供权限，那么上述方案自然无法实施。

进一步的，所述统计标记的应用程序，依次计算所述标记的应用程序的偏好值的步骤包括：

统计标记的应用程序，根据所述标记的应用程序对应的最近使用时间对所述标记的应用程序进行顺序排列，并生成标号；

计算标记的应用程序的使用频率，根据所述使用频率和所述标号确定标记的应用程序的偏好值；

所述偏好值的计算公式为：P=αB*L；其中，所述P为偏好值，所述B为基于标号生成的参数，所述L为使用频率，所述α为修正系数。

上述内容是一个具体的计算过程，其中，首先根据最近使用时间对应用程序进行顺序排列，排列后的结果为，离实际时间越近的应用程序排的越靠后，相应的标号也越大；换而言之，标号越大，用户对该应用程序的偏好程度也越高。

此外，使用频率是计算出来的，根据一定时间内，访问次数的多少计算出来的；可以想到，所述使用频率越高，用户对该应用程序的偏好程度也越高。

值得一提的是，如果偏好值是逆序排列，那么偏好值跟标号就应该呈反比，相应的公式应该调整为：P=αB/L；其中，所述P为偏好值，所述B为标号，所述L为使用频率，所述α为修正系数。

实施例2

图4示出了智能AI运维感知装置的组成结构框图，本发明实施例中，一种智能AI运维感知装置，所述装置10包括：

身份验证模块11，用于接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；

操作表生成模块12，用于当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；

节点生成模块13，用于实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；

时间分析模块14，用于对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告。

图5示出了智能AI运维感知装置中身份验证模块的组成结构框图，所述身份验证模块11包括：

请求接收单元111，用于接收访问请求，生成访问次数，当所述访问次数大于预设的次数阈值时，停止接收访问请求；

级别确定单元112，用于当所述访问次数小于预设的次数阈值时，根据所述访问次数确定难度级别；

问题确定单元113，用于根据所述难度级别确定验证问题；其中，所述验证问题的格式至少包括图片及音频；

比对单元114，用于显示所述验证问题并获取反馈答案，将所述反馈答案与预设的参***进行比对，当所述反馈答案与预设的参***相同时，判断所述发送者为真人。

图6示出了智能AI运维感知装置中时间分析模块的组成结构框图，所述时间分析模块14包括：

识别码读取单元141，用于读取所述转换节点对应的显示页面，在存储数据库中读取所述显示页面对应的识别码；

子表组生成单元142，用于根据所述转换节点将所述操作表转换为若干个子表，依次将所述识别码***所述子表后，生成子表组；

数量确定单元143，用于读取操作表，计算所述操作表的总操作量，将所述总操作量与预设的参考范围进行比对，根据比对结果确定标记数量；

排序单元144，用于依次将所述子表组中的子表与参考子表进行比对，计算偏移率，根据所述偏移率对所述子表组进行排序；

报告生成单元，用于在排序后的子表组中截取标记数量的子表，根据所述子表生成检测报告。

进一步的，所述装置还包括：

标记单元，用于获取各应用程序的使用时间，当所述使用时间在预设的时间范围内时，标记所述应用程序；

统计单元，用于统计标记的应用程序，依次计算所述标记的应用程序的偏好值，并根据所述偏好值对标记的应用程序进行升序排列；

关键词确定单元，用于依次获取搜索记录，并根据所述搜索记录确定关键词；

答案分析单元，用于根据所述关键词读取风险问题并定时显示，接收反馈答案，根据所述反馈答案验证用户身份。

上述智能AI运维感知方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述智能AI运维感知方法的功能。

处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。

示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。

本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器 （Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列 （Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。

上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示***的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

终端设备集成的模块/单元如果以软件功能单元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。基于这样的理解，本发明实现上述实施例***中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于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***实施例的功能。其中，计算机程序包括计算机程序代码，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。计算机可读介质可以包括：能够携带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 AccessMemory）、电载波信号、电信信号以及软件分发介质等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

以上仅为本发明的优选实施例，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 (8)

1.一种智能AI运维感知方法，其特征在于，所述方法包括：

接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；

当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；

实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；

对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告；

所述对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告的步骤包括：

读取所述转换节点对应的显示页面，在存储数据库中读取所述显示页面对应的识别码；

根据所述转换节点将所述操作表转换为若干个子表，依次将所述识别码***所述子表后，生成子表组；

读取操作表，计算所述操作表的总操作量，将所述总操作量与预设的参考范围进行比对，根据比对结果确定标记数量；

依次将所述子表组中的子表与参考子表进行比对，计算偏移率，根据所述偏移率对所述子表组进行排序；

在排序后的子表组中截取标记数量的子表，根据所述子表生成检测报告。

2.根据权利要求1所述的智能AI运维感知方法，其特征在于，所述接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人的步骤包括：

接收访问请求，生成访问次数，当所述访问次数大于预设的第一次数阈值时，停止接收访问请求；

当所述访问次数小于预设的第一次数阈值时，根据所述访问次数确定难度级别；

根据所述难度级别确定验证问题；其中，所述验证问题的格式至少包括图片及音频；

显示所述验证问题并获取反馈答案，将所述反馈答案与预设的参***进行比对，当所述反馈答案与预设的参***相同时，判断所述发送者为真人。

3.根据权利要求1所述的智能AI运维感知方法，其特征在于，当所述验证问题是基于触屏信号的手势动作时，提示用户输入手势动作；获取输入的手势动作的图像轮廓以及用户在用户终端上各检测点的停留时间；比对所述停留时间与预设的时间阈值，当所述停留时间大于所述时间阈值时，则生成取样点；基于所述取样点生成线段，判断线段与所述图像轮廓是否重合，若所述线段与所述图像轮廓重合，则将所述线段作为输入信号。

4.根据权利要求1-3任一项所述的智能AI运维感知方法，其特征在于，所述方法包括：

获取各应用程序的使用时间，当所述使用时间在预设的时间范围内时，标记所述应用程序；

统计标记的应用程序，依次计算所述标记的应用程序的偏好值，并根据所述偏好值对标记的应用程序进行升序排列；

依次获取搜索记录，并根据所述搜索记录确定关键词；

根据所述关键词读取风险问题并定时显示，接收反馈答案，根据所述反馈答案验证用户身份。

5.根据权利要求4所述的智能AI运维感知方法，其特征在于，所述统计标记的应用程序，依次计算所述标记的应用程序的偏好值的步骤包括：

统计标记的应用程序，根据所述标记的应用程序对应的最近使用时间对所述标记的应用程序进行顺序排列，并生成标号；

计算标记的应用程序的使用频率，根据所述使用频率和所述标号确定标记的应用程序的偏好值；

所述偏好值的计算公式为：P=αB*L；其中，所述P为偏好值，所述B为基于标号生成的参数，所述L为使用频率，所述α为修正系数。

6.一种智能AI运维感知装置，其特征在于，所述装置包括：

身份验证模块，用于接收用户的访问请求，确定验证问题，根据所述验证问题判断访问请求的发送者是否为真人；

操作表生成模块，用于当所述访问请求由真人发送时，实时监测用户的操作数据，记录所述操作数据的操作时间，根据所述操作数据和所述操作时间生成操作表；

节点生成模块，用于实时监测显示页面，获取显示页面的变换时间，根据所述变换时间在所述操作表中标记相应操作指令，作为转换节点；

时间分析模块，用于对含有转换节点的操作表进行时间分析，根据所述时间分析结果生成检测报告；

所述时间分析模块包括：

识别码读取单元，用于读取所述转换节点对应的显示页面，在存储数据库中读取所述显示页面对应的识别码；

子表组生成单元，用于根据所述转换节点将所述操作表转换为若干个子表，依次将所述识别码***所述子表后，生成子表组；

数量确定单元，用于读取操作表，计算所述操作表的总操作量，将所述总操作量与预设的参考范围进行比对，根据比对结果确定标记数量；

排序单元，用于依次将所述子表组中的子表与参考子表进行比对，计算偏移率，根据所述偏移率对所述子表组进行排序；

报告生成单元，用于在排序后的子表组中截取标记数量的子表，根据所述子表生成检测报告。

7.根据权利要求6所述的智能AI运维感知装置，其特征在于，所述身份验证模块包括：

请求接收单元，用于接收访问请求，生成访问次数，当所述访问次数大于预设的次数阈值时，停止接收访问请求；

级别确定单元，用于当所述访问次数小于预设的次数阈值时，根据所述访问次数确定难度级别；

问题确定单元，用于根据所述难度级别确定验证问题；其中，所述验证问题的格式至少包括图片及音频；

比对单元，用于显示所述验证问题并获取反馈答案，将所述反馈答案与预设的参***进行比对，当所述反馈答案与预设的参***相同时，判断所述发送者为真人。

8.根据权利要求6或7所述的智能AI运维感知装置，其特征在于，所述装置还包括：

标记单元，用于获取各应用程序的使用时间，当所述使用时间在预设的时间范围内时，标记所述应用程序；

统计单元，用于统计标记的应用程序，依次计算所述标记的应用程序的偏好值，并根据所述偏好值对标记的应用程序进行升序排列；

关键词确定单元，用于依次获取搜索记录，并根据所述搜索记录确定关键词；

答案分析单元，用于根据所述关键词读取风险问题并定时显示，接收反馈答案，根据所述反馈答案验证用户身份。

Images