针对智慧虚拟场景的大数据漏洞分析方法及云端AI系统技术方案

本发明专利技术实施例提供一种针对智慧虚拟场景的大数据漏洞分析方法及云端AI系统，获得虚拟业务错误图谱之后输出虚拟业务运行优化任务，并将用于虚拟业务运行优化的虚拟业务运行优化任务下发至智慧虚拟服务系统，即，该虚拟业务运行优化任务是随着该虚拟业务错误图谱而用于生成虚拟业务运行优化的一个虚拟业务错误改善任务，该虚拟业务错误改善任务可以符合虚拟业务运行进程的虚拟业务运行崩溃数据的虚拟业务错误，由此可以无需进行不断重复的虚拟业务错误分析上报工作和虚拟业务错误与下发改善任务的对接工作，即可高效输出匹配推定虚拟业务错误的虚拟业务运行崩溃数据的虚拟业务错误的虚拟业务运行优化任务，从而提高业务运行优化效率。务运行优化效率。务运行优化效率。

【技术实现步骤摘要】
针对智慧虚拟场景的大数据漏洞分析方法及云端AI系统


[0001]本专利技术涉及大数据
，具体而言，涉及一种针对智慧虚拟场景的大数据漏洞分析方法及云端AI系统。

技术介绍

[0002]元宇宙（Metaverse）是利用科技手段进行链接与创造的，与现实世界映射与交互的虚拟世界，具备新型社会体系的数字生活空间。
[0003]例如，针对用于创造虚拟世界（如以虚拟化形式映射的电商服务购物世界、智慧医疗就诊世界等）的智慧虚拟服务系统而言，在虚拟业务运行进程的服务过程中可能会由于各种运行错误导致虚拟业务运行崩溃，影响业务运行稳定性，因此需要及时进行错误漏洞的分析和修复。相关技术中通常需要进行不断重复的虚拟业务错误分析上报工作和虚拟业务错误与下发改善任务的对接工作，导致业务运行优化效率较低。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种针对智慧虚拟场景的大数据漏洞分析方法及云端AI系统。
[0005]第一方面，本专利技术提供一种针对智慧虚拟场景的大数据漏洞分析方法，应用于云端AI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对智慧虚拟场景的大数据漏洞分析方法，其特征在于，应用于云端AI系统，所述方法包括：获取所述智慧虚拟服务系统在虚拟业务运行过程中生成的虚拟业务运行进程的虚拟业务运行崩溃数据；将所述虚拟业务运行崩溃数据加载至完成模型训练开发的虚拟业务错误分析模型中，输出所述虚拟业务运行崩溃数据对应的虚拟业务错误图谱，所述虚拟业务错误图谱包括前端业务错误漏洞图谱和后端业务错误漏洞图谱；基于所述虚拟业务错误图谱输出被配置于虚拟业务运行优化的虚拟业务运行优化任务，并将所述用于虚拟业务运行优化的虚拟业务运行优化任务下发至所述智慧虚拟服务系统，下发指令协同所述智慧虚拟服务系统依据所述虚拟业务运行优化任务执行对应的业务运行固件程序加载进行业务运行优化。2.根据权利要求1所述的针对智慧虚拟场景的大数据漏洞分析方法，其特征在于，所述基于所述虚拟业务错误图谱输出被配置于虚拟业务运行优化的虚拟业务运行优化任务，具体包括：基于所述虚拟业务错误图谱中的前端业务错误漏洞图谱和后端业务错误漏洞图谱，输出所述后端业务错误漏洞图谱中每个后端业务错误下与所述前端业务错误漏洞图谱中任意一个前端业务错误存在联系的业务错误漏洞优化域，确定每个后端业务错误对应的业务错误漏洞优化域；获取每个后端业务错误在业务错误漏洞修复程序中的漏洞修复固件序列，并获取每个后端业务错误对应的业务错误漏洞优化域匹配于所述漏洞修复固件序列中的目标漏洞修复固件，以及获取所述目标漏洞修复固件的固件参考信息；生成每个后端业务错误对应的业务错误漏洞优化域的业务运行优化实例，并针对所述业务运行优化实例生成与对应的所述业务错误漏洞优化域匹配的目标漏洞修复固件的漏洞优化知识点，以依据所述固件参考信息配置所述漏洞优化知识点后，将各个漏洞优化知识点聚合后生成所述用于虚拟业务运行优化的虚拟业务运行优化任务。3.根据权利要求1或2所述的针对智慧虚拟场景的大数据漏洞分析方法，其特征在于，所述将所述虚拟业务运行崩溃数据加载至完成模型训练开发的虚拟业务错误分析模型中，输出所述虚拟业务运行崩溃数据对应的虚拟业务错误图谱，具体包括：将所述虚拟业务运行崩溃数据加载至完成模型训练开发的虚拟业务错误分析模型中，依据所述虚拟业务错误分析模型对所述虚拟业务运行崩溃数据中每个业务运行崩溃数据段的前端业务错误和后端业务错误进行分析，输出所述虚拟业务运行崩溃数据中每个业务运行崩溃数据段的前端业务错误漏洞图谱和后端业务错误漏洞图谱，确定为所述虚拟业务运行崩溃数据对应的虚拟业务错误图谱。4.根据权利要求1
‑
3中任意一项所述的针对智慧虚拟场景的大数据漏洞分析方法，其特征在于，所述方法还包括：获取涵盖示例业务运行崩溃数据段的第一示例运行崩溃日志和第二示例运行崩溃日志，所述第一示例运行崩溃日志为携带标注了所述示例业务运行崩溃数据段的示例前端业务错误和示例后端业务错误的示例运行崩溃日志；依据第一示例漏洞分析模型对所述第一示例运行崩溃日志中的所述示例业务运行崩
溃数据段进行前端业务错误和后端业务错误分析，获得第一推定前端业务错误和第一推定后端业务错误；将所述第一推定前端业务错误与所述示例前端业务错误确定对应的漏洞分析精度，并且基于所述第一推定后端业务错误与所述示例后端业务错误确定对应的漏洞分析精度，由此更新所述第一示例漏洞分析模型的第一漏洞分析函数信息，并依据所述第一示例漏洞分析模型对所述第一示例运行崩溃日志和所述第二示例运行崩溃日志进行对抗生成开发训练，由此更新所述第一示例漏洞分析模型的第二漏洞分析函数信息，获得第一目标示例漏洞分析模型；依据所述第一目标示例漏洞分析模型获取所述第二示例运行崩溃日志中所述示例业务运行崩溃数据段对应的可靠度满足预设条件的前端业务错误和后端业务错误分别确定为模糊示例前端业务错误和模糊示例后端业务错误；将所述第二示例运行崩溃日志加载至所述第一目标示例漏洞分析模型进行前端业务错误和后端业务错误分析，获得第二推定前端业务错误和第二推定后端业务错误；将所述第二推定前端业务错误与所述模糊示例前端业务错误确定对应的漏洞分析精度，并且基于所述第二推定后端业务错误与所述模糊示例后端业务错误确定对应的漏洞分析精度，以对所述第一目标示例漏洞分析模型进行模型开发，获得第二目标示例漏洞分析模型，以依据所述第二目标示例漏洞分析模型确定为所述虚拟业务错误分析模型对所述虚拟业务运行崩溃数据中每个业务运行崩溃数据段的前端业务错误和后端业务错误进行分析。5.根据权利要求4所述的针对智慧虚拟场景的大数据漏洞分析方法，其特征在于，所述依据第一示例漏洞分析模型对所述第一示例运行崩溃日志中的所述示例业务运行崩溃数据段进行前端业务错误和后端业务错误分析，获得第一推定前端业务错误和第一推定后端业务错误，具体包括：依据所述第一示例漏洞分析模型对所述第一示例运行崩溃日志进行运行崩溃路径变量挖掘，获得所述第一示例运行崩溃日志对应的第一运行崩溃路径变量；依据所述第一示例漏洞分析模型依据所述第一运行崩溃路径变量对所述第一示例运行崩溃日志中的所述示例业务运行崩溃数据段进行前端业务错误和后端业务错误分析，获得第一推定前端业务错误和第一推定后端业务错误；其中，所述第一示例漏洞分析模型包括变量挖掘分支，所述变量挖掘分支包括由至少两个LSTM单元构成的LSTM学习分支，所述依据所述第一示例漏洞分析模型对所述第一示例运行崩溃日志进行运行崩溃路径变量挖掘，获得所述第一示例运行崩溃日志对应的第一运行崩溃路径变量，具体包括：分别依据所述LSTM学习分支的至少两个LSTM单元对所述第一示例运行崩溃日志进行路径变量挖掘，获得所述第一示例运行崩溃日志对应的第一运行崩溃路径变量；其中，所述第一示例漏洞分析模型包括漏洞分析分支，所述漏洞分析分支包括标签映射分支、后端业务错误分析分支和前端业务错误分析分支，所述依据所述第一示例漏洞分析模型依据所述第一运行崩溃路径变量对所述第一示例运行崩溃日志中的所述示例业务运行崩溃数据段进行前端业务错误和后端业务错误分析，获得第一推定前端业务错误和第一推定后端业务错误，具体包括：
依据所述标签映射分支依据所述第一运行崩溃路径变量对所述第一示例运行崩溃日志中的所述示例业务运行崩溃数据段进行漏洞标签映射，获得第一漏洞标签映射信息；依据所述后端业务错误分析分支依据所述第一运行崩溃路径变量和所...

【专利技术属性】
技术研发人员：杨映，尹辉，
申请(专利权)人：大庆市诚龙达科技有限公司，
类型：发明
国别省市：