买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学申请的专利基于深度学习防止行为不端小程序的隐私保护方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115455474B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211100283.8，技术领域涉及：G06F21/62；该发明授权基于深度学习防止行为不端小程序的隐私保护方法及系统是由伏晓;宋师文;孙雨竹;刘轩宇;骆斌设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本基于深度学习防止行为不端小程序的隐私保护方法及系统在说明书摘要公布了：本发明提供基于深度学习防止行为不端小程序的隐私保护方法及系统，利用深度学习和程序分析技术的协同合作来检测小程序的预期和实际行为之间的不一致。本发明提供了新的小程序分析技术，将小部件的UI信息与相应的程序行为相关联，并基于程序分析确定小部件的实际行为，从而能够构建大规模、高质量的训练数据集。基于程序分析的结果，使用深度学习技术从非结构化数据集学习图标‑行为模型，以推断小部件的预期行为。本发明使用定义的三层标准模型，通过计算异常值分数来检测实际行为和预期行为之间的差异。如果发现任何不一致，则表明存在行为不端的小程序。然后，可以估计不当行为的风险水平，并主动执行对策。

本发明授权基于深度学习防止行为不端小程序的隐私保护方法及系统在权利要求书中公布了：1.基于深度学习防止行为不端小程序的隐私保护方法，其特征在于，包括如下步骤： 首先，通过静态和动态分析技术构建微信小程序数据集，并确定每个UI组件的实际行为，即程序实际执行的行为； 其次，利用深度学习技术从非结构化的UI信息中推断UI组件的预期行为，即用户对应用程序的期望行为； 最后，通过定义一个三层标准模型，聚合和计算实际行为与期望行为之间的差距；如果计算结果在不可接受的范围内，认为该小程序存在不端行为；具体包括： 检测阶段，给定一个未知的小应用程序，静态分析模块自动检测每个UI组件，然后生成一个结果报告，存储在签名数据库中，描述其预期行为和实际行为之间的一致性；根据三层标准模型，通过计算和汇总来检测意图与行为之间的差异； 所述三层标准模型是基于若干API类别，根据获得用户信息的程度，从下到上依次为：不相关层、低风险层和高风险层； 所述不相关层涵盖了与基本功能相关的API类别，不涉及用户信息；本层的API类别是相互兼容的； 所述低风险层包括与系统的环境信息和涉及有限用户数据的功能有关的API类别；设定严格的标准来评估在这一层的UI组件的预期和实际行为之间的差异； 所述高风险层包含与用户隐私密切相关的API类别；本层的大多数API类别需要授权，UI组件的预期行为和实际行为必须一对一地匹配； 所述三层标准模型中上层的API类别能够与下层兼容；不相关层的API类别是相互兼容的，其他API类别需要逐一匹配； 具体计算步骤如下： 1根据风险程度为不同的层设置权重：无关层为1，低风险层为2，而高风险层为3； 2首先在自动提取数据集模块和MiniCheckerBert模块的基础上获得两个实际行为和期望行为的集合；这两个集合中的元素是API类别； 3执行以下步骤来计算和汇总期望和实际集合之间的差异； 4我们分别将其期望的和实际的集合映射到三层标准模型中，即 其中i是预期或实际集合的索引，j的取值是不相关层、低风险层和高风险层，是三层标准模型中集合的索引；C是原始特征集合，如预期集合，Y是重构后的特征集合；map是重建原始特征集合的映射函数； 5移除两个集合中在第一层的元素， 6假设这两个集合在低风险层和高风险层有相同的元素；在这种情况下，将两者都删除，以确保期望行为和实际行为之间的严格匹配，即 7这两个集合的剩余元素可能会被分配到第二层或第三层；使用预定的权重来计算剩余元素， , 其中，是三层标准模型中API行为的权重，是计算集合中元素数量的函数；计算出预期分数和实际分数； 8如果期望的集合的范围大于或等于实际的集合，就认为是可行的；否则，该小部件有错误行为，结果被储存在签名数据库中，以便后续保护。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210000 江苏省南京市汉口路22号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。