-
公开(公告)号：CN111461775B
公开(公告)日：2023-03-24
申请号：CN202010238059.X
申请日：2020-03-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0201 , G06Q30/0202
Abstract: 本说明书实施例提供了一种事件对业务量的影响的确定方法及装置，该方法包括：从数据库获取目标业务所对应的历史业务数据；根据上述历史业务数据获取待分析事件发生日的基础业务数据；根据历史业务数据，按照第一设定规则确定待分析事件发生日所对应的业务数据波动项；以及，根据历史业务数据，按照第二设定规则确定待分析事件发生日所对应的业务数据随机扰动项；根据基础业务数据、业务数据波动项和业务数据随机扰动项，使用设定的影响力确定算法确定事件对待分析事件发生日的业务量所产生的影响。
-
公开(公告)号：CN111324359B
公开(公告)日：2022-04-29
申请号：CN202010124953.4
申请日：2020-02-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例公开了一种插件部署方法及装置，用于实现插件的热部署及隔离机制，从而便于不同用户在互不干扰的情况下快速进行业务自动化联调和回归。所述方法应用于链路自动化平台，包括：基于插件库中的待处理插件的属性信息，从指定存储服务器中下载所述待处理插件对应的指定格式的第一文件包。对所述第一文件包进行预处理，得到所述待处理插件对应的类文件，将类文件存储至链路自动化平台的第一存储路径下。利用所述待处理插件对应的目标类加载器扫描所述第一存储路径，以及根据扫描结果查找所述第一存储路径下的所述类文件；所述各插件对应有各自的类加载器。将所述类文件加载至所述目标类加载器中。
-
Patent Agency Ranking
公开(公告)号：CN111784075A
公开(公告)日：2020-10-16
申请号：CN202010709879.2
申请日：2020-07-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请提供了预测服务请求量的方法和系统，该方法包括：获取服务请求量的原始历史数据；基于所述原始历史数据确定基准历史数据和整合历史数据；基于所述基准历史数据分别确定反映所述服务请求量在不同时间单位下的变化趋势的多个基准特征；基于所述基准历史数据确定所述服务请求量的预测基准值；基于所述整合历史数据分别确定反映所述服务请求量在不同事件时期内的变化趋势的多个事件特征；以及基于所述预测基准值、所述多个基准特征和所述多个事件特征确定目标预测周期内的服务请求量的预测值。
-
公开(公告)号：CN111461775A
公开(公告)日：2020-07-28
申请号：CN202010238059.X
申请日：2020-03-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02
Abstract: 本说明书实施例提供了一种事件对业务量的影响的确定方法及装置，该方法包括：从数据库获取目标业务所对应的历史业务数据；根据上述历史业务数据获取待分析事件发生日的基础业务数据；根据历史业务数据，按照第一设定规则确定待分析事件发生日所对应的业务数据波动项；以及，根据历史业务数据，按照第二设定规则确定待分析事件发生日所对应的业务数据随机扰动项；根据基础业务数据、业务数据波动项和业务数据随机扰动项，使用设定的影响力确定算法确定事件对待分析事件发生日的业务量所产生的影响。
-
公开(公告)号：CN111324359A
公开(公告)日：2020-06-23
申请号：CN202010124953.4
申请日：2020-02-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例公开了一种插件部署方法及装置，用于实现插件的热部署及隔离机制，从而便于不同用户在互不干扰的情况下快速进行业务自动化联调和回归。所述方法应用于链路自动化平台，包括：基于插件库中的待处理插件的属性信息，从指定存储服务器中下载所述待处理插件对应的指定格式的第一文件包。对所述第一文件包进行预处理，得到所述待处理插件对应的类文件，将类文件存储至链路自动化平台的第一存储路径下。利用所述待处理插件对应的目标类加载器扫描所述第一存储路径，以及根据扫描结果查找所述第一存储路径下的所述类文件；所述各插件对应有各自的类加载器。将所述类文件加载至所述目标类加载器中。
-
公开(公告)号：CN117852034B
公开(公告)日：2024-11-19
申请号：CN202311778051.2
申请日：2023-12-20
Applicant: 华中科技大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F21/56 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种基于大模型特征生成的第三方恶意包检测方法，属于程序包检测领域，该方法利用大语言模型来指导第三方包恶意代码片段的识别和特征的生成，自动生成特征集，不依赖于专家定义的特征，能够有效地克服了现有基于机器学习的检测器的缺点，使得特征集更能反映恶意样本与良性样本的差异，拓展性更强；采用更新提示轮询的方式并构建恶意片段集，使准确度得到提高；同时能显著降低恶意包检测的误报率和漏报率，并给出恶意代码位置。
-
公开(公告)号：CN117852034A
公开(公告)日：2024-04-09
申请号：CN202311778051.2
申请日：2023-12-20
Applicant: 华中科技大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F21/56 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种基于大模型特征生成的第三方恶意包检测方法，属于程序包检测领域，该方法利用大语言模型来指导第三方包恶意代码片段的识别和特征的生成，自动生成特征集，不依赖于专家定义的特征，能够有效地克服了现有基于机器学习的检测器的缺点，使得特征集更能反映恶意样本与良性样本的差异，拓展性更强；采用更新提示轮询的方式并构建恶意片段集，使准确度得到提高；同时能显著降低恶意包检测的误报率和漏报率，并给出恶意代码位置。
-
-
-
-
-
-
Search Results
7
records
(took 0.033 seconds)
