[发明专利]应用大数据和AI技术的云端漏洞处理方法及AI分析系统

权利要求书

1.一种应用大数据和AI技术的云端漏洞分析方法，其特征在于，应用于所述AI分析系统，所述方法包括：

从云端运行异常数据库中提取关联于云端漏洞处理任务的关联云端服务应用的页面运行异常数据，并基于完成参数层信息的调优和选取的云端漏洞AI分析模型对所述页面运行异常数据进行云端漏洞特征点提取，生成相应的云端漏洞特征点分布；

基于不同关联云端服务应用的所述云端漏洞特征点分布，生成每个关联云端服务应用所相关的云端频繁项漏洞；

结合每个关联云端服务应用所相关的云端频繁项漏洞对所述每个关联云端服务应用进行漏洞修复任务关联，生成每个目标漏洞修复任务下的关联云端服务应用列表，所述每个目标漏洞修复任务对应一个漏洞修复实例，所述漏洞修复实例对应于关联的云端频繁项漏洞的实时修复执行程序；

对每个目标漏洞修复任务下的关联云端服务应用列表所相关的应用编译固件数据进行漏洞修复。

2.根据权利要求1所述的应用大数据和AI技术的云端漏洞分析方法，其特征在于，所述从云端运行异常数据库中提取关联于云端漏洞处理任务的页面运行异常数据，并基于完成参数层信息的调优和选取的云端漏洞AI分析模型对所述页面运行异常数据进行云端漏洞特征点提取，生成相应的云端漏洞特征点分布，具体包括：

获取用于对第一漏洞AI基础分析模型进行参数层信息的调优和选取的范例运行异常活动数据，将所述范例运行异常活动数据中的范例运行异常活动组合作为靶向范例异常活动组合；

基于所述第一漏洞AI基础分析模型解析所述靶向范例异常活动组合的组合漏洞特征字段，将所述靶向范例异常活动组合的组合漏洞特征字段传送至与所述第一漏洞AI基础分析模型所联动的联动辅助调优模型，依据所述联动辅助调优模型结合所述第一漏洞AI基础分析模型的参数调优次数和所述联动辅助调优模型所预先绑定的联动辅助调优信息，对所述靶向范例异常活动组合进行误差学习指标分析，确定所述靶向范例异常活动组合的误差学习指标信息；

对所述靶向范例异常活动组合的组合漏洞特征字段进行漏洞特征点映射，确定所述靶向范例异常活动组合的参考漏洞特征点分布，结合所述靶向范例异常活动组合的参考漏洞特征点分布和所述误差学习指标信息，对所述范例运行异常活动数据进行联合学习误差计算，生成所述范例运行异常活动数据的联合学习误差；

结合所述联合学习误差对所述第一漏洞AI基础分析模型进行参数层信息的调优和选取，基于参数层信息的调优和选取完成的第一漏洞AI基础分析模型，确定用于对异常活动数据进行云端漏洞特征点提取的第二漏洞AI基础分析模型，以结合所述第二漏洞AI基础分析模型作为云端漏洞AI分析模型对页面运行异常数据进行云端漏洞特征点提取，以结合所述第二漏洞AI基础分析模型作为云端漏洞AI分析模型对页面运行异常数据进行云端漏洞特征点提取。