[發(fā)明專利]基于用戶隱私保護(hù)的應(yīng)用程序檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 202010819239.7
• 申請日: 2020-08-14
• 公開（公告）號: CN111680287B
• 公開（公告）日: 2020-11-13
• 發(fā)明（設(shè)計(jì)）人: 周書恒;黃繼堂;祝慧佳
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號: G06F21/51
• 分類號: G06F21/51;G06F21/62
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說明書實(shí)施例提供一種基于用戶隱私保護(hù)的應(yīng)用程序檢測方法及裝置，該方法從待檢測的目標(biāo)應(yīng)用程序中，提取出存在用戶隱私數(shù)據(jù)獲取需求的若干場景對應(yīng)的用戶界面和隱私數(shù)據(jù)列表，然后提取第一用戶界面的內(nèi)容數(shù)據(jù)，將內(nèi)容數(shù)據(jù)轉(zhuǎn)換為相應(yīng)的第一特征向量；計(jì)算第一特征向量與第一參考特征向量之間的第一相似度，當(dāng)?shù)谝幌嗨贫瘸^第一預(yù)定閾值時(shí)，獲取第一參考特征向量對應(yīng)的參考場景下的參考隱私數(shù)據(jù)列表；計(jì)算第一隱私數(shù)據(jù)列表與參考隱私數(shù)據(jù)列表之間的第二相似度；至少基于第二相似度，判別第一場景是否為異常場景。該方法能夠有效檢測出隱私數(shù)據(jù)不合理的場景，進(jìn)而防止用戶隱私數(shù)據(jù)被不必要地獲取。

技術(shù)領(lǐng)域

本說明書實(shí)施例涉及隱私數(shù)據(jù)保護(hù)技術(shù)領(lǐng)域，具體地，涉及基于用戶隱私保護(hù)的應(yīng)用程序檢測方法及裝置。

背景技術(shù)

隨著APP市場的飽和，小程序以其簡單的使用方式給用戶帶來了巨大的便利與舒適，成為目前匹配用戶需求的新途徑之一。小程序基于平臺方運(yùn)行，不需要下載安裝即可使用，用戶一般掃一掃或在平臺方的主程序上點(diǎn)擊相應(yīng)圖標(biāo)即可打開，無需關(guān)心是否安裝太多應(yīng)用而占用設(shè)備資源的問題。

在帶來便利的同時(shí)，小程序也帶來了關(guān)于隱私保護(hù)方面的隱患。很多小程序在使用時(shí)需要獲取用戶的隱私數(shù)據(jù)，例如，有些小程序基于運(yùn)行需要，會詢問用戶是否授權(quán)獲取頭像、昵稱、個(gè)人位置等隱私信息。

目前，平臺方為了有效保護(hù)用戶隱私，會通過人工來梳理小程序的隱私數(shù)據(jù)列表，從而限定其可獲取的隱私數(shù)據(jù)項(xiàng)，但每天上線的小程序服務(wù)內(nèi)容千差萬別，部分小程序向用戶發(fā)出的隱私數(shù)據(jù)獲取請求并不合理。隨著小程序數(shù)目的快速增長，人工梳理的效率較低，難以應(yīng)對審核需求，造成了用戶隱私數(shù)據(jù)的不必要泄露。

發(fā)明內(nèi)容

本說明書描述了一種基于用戶隱私保護(hù)的應(yīng)用程序檢測方法，從場景角度對目標(biāo)應(yīng)用程序（包括小程序）中隱私數(shù)據(jù)的獲取是否合理進(jìn)行檢測，能夠解決由于人工梳理導(dǎo)致的隱私數(shù)據(jù)獲取不合理的問題。

根據(jù)第一方面，提供一種基于用戶隱私保護(hù)的應(yīng)用程序檢測方法，該方法包括：

從待檢測的目標(biāo)應(yīng)用程序中，提取出存在用戶隱私數(shù)據(jù)獲取需求的若干場景對應(yīng)的用戶界面和隱私數(shù)據(jù)列表，其中包括第一場景對應(yīng)的第一用戶界面和第一隱私數(shù)據(jù)列表；提取第一用戶界面的內(nèi)容數(shù)據(jù)，將內(nèi)容數(shù)據(jù)轉(zhuǎn)換為相應(yīng)的第一特征向量；獲取歷史庫中的多個(gè)參考場景分別對應(yīng)的第一參考特征向量，計(jì)算第一特征向量與各個(gè)第一參考特征向量之間的第一相似度，第一相似度表征場景之間的相似度；當(dāng)?shù)谝惶卣飨蛄颗c某個(gè)第一參考特征向量之間的第一相似度超過第一預(yù)定閾值時(shí)，獲取該某個(gè)第一參考特征向量對應(yīng)的參考場景下的參考隱私數(shù)據(jù)列表；計(jì)算第一隱私數(shù)據(jù)列表與參考隱私數(shù)據(jù)列表之間的第二相似度；至少基于第二相似度，判別第一場景是否為異常場景。

在一個(gè)實(shí)施例中，第一用戶界面的內(nèi)容數(shù)據(jù)包括文本數(shù)據(jù)和/或圖片數(shù)據(jù)；

將內(nèi)容數(shù)據(jù)轉(zhuǎn)換為相應(yīng)的第一特征向量，包括：對于文本數(shù)據(jù)，通過預(yù)先訓(xùn)練的第一文本轉(zhuǎn)換模型，轉(zhuǎn)換為文本特征向量；第一文本轉(zhuǎn)換模型包括doc2vec模型或BERT模型；對于圖片數(shù)據(jù)，通過預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，轉(zhuǎn)換為圖片特征向量；基于文本特征向量和/或圖片特征向量，獲得第一特征向量。

在一個(gè)實(shí)施例中，至少基于第二相似度，判別第一場景是否為異常場景之前，還包括：

基于預(yù)先訓(xùn)練的第二轉(zhuǎn)換模型，確定目標(biāo)應(yīng)用程序?qū)?yīng)的第二特征向量；獲取該某個(gè)第一參考特征向量對應(yīng)的參考應(yīng)用程序的第二參考特征向量；計(jì)算第二特征向量與第二參考特征向量之間的第三相似度。

在一個(gè)實(shí)施例中，至少基于第二相似度，判別第一場景是否為異常場景，包括：

基于第一相似度、第二相似度和第三相似度，計(jì)算相應(yīng)的第一隱私數(shù)據(jù)列表對應(yīng)的場景的異常值；若異常值超過第四預(yù)定閾值，則判定第一場景為異常場景。