[发明专利]一种用于解决多内核浏览器数据状态共享的系统和方法

权利要求书

1.一种用于解决多内核浏览器数据状态共享的系统，其特征在于，包括控制系统，所述控制系统包括处理器、共享分析模块、攻击预警模块、数据存储模块、注册分析模块和模型预测模块；

所述注册分析模块包括用户注册单元和用户分析单元，所述用户注册单元根据注册信息完成用户的注册，并将注册信息和用户账户发送至数据存储模块进行存储；所述用户分析单元用于分析用户的浏览器历史记录，包括：

通过浏览器切换内核匹配库获取浏览器历史记录；所述浏览器历史记录至少包括一组浏览数据；所述浏览数据包括用户账户、浏览时间、浏览器外观、URL、Cookie、内核标识、语言和网站权限；

删除用户账户相同、内核标识相同、URL相同且浏览时间之差小于等于浏览时间阈值的两条浏览数据中的任意一组，并将剩下的浏览数据标记为第一归并数据；所述浏览时间阈值为大于0的实数；

针对具有同一URL的第一归并数据，以所述内核标识和用户账户为标准归并到同一组数据中并标记为第二归并数据；

提取第二归并数据中的用户账户、浏览时间、URL、网站权限作为第一数据；提取第二归并数据中的内核标识作为第二数据；将第一数据和第二数据进行归一化处理并通过处理器分别发送至数据存储模块和模型预测模块；

所述模型预测模块用于获取检测模型，包括：

当模型预测模块接收到第一数据和第二数据之后，构建自适应加权多任务深度神经网络模型；

将第一数据和第二数据按照设定比例划分为验证集和测试集；所述设定比例大于1.5；

将验证集和测试集输入到自适应加权多任务深度神经网络进行前向传播，得到训练集损失和验证集损失；当训练迭代的次数大于迭代次数阈值时，对属性权重进行更新，将训练完成的自适应加权多任务深度神经网络标记为预测模型；

当用户通过智能终端的浏览器进行搜索时，获取浏览器中用户账户、URL、网站权限及系统时间；将浏览器中用户账户、URL、网站权限及系统时间归一化处理之后输入到预测模型中获取预测结果，所述预测结果为预测的内核标识；

所述共享分析模块用于将浏览器数据在内核间进行共享，包括：

将预测结果中内核标识对应的内核标记为主内核，将浏览器的内核自动切换为主内核，并加载URL；同时统计用户账户对应的内核标识切换总次数，并按照切换总次数从大到小进行排序获取排序表，当预测结果与排序表第一对应的内核标识一致时，则获取排序表第二的内核标识对应的内核标记为备选内核，主内核加载URL之后再通过备选内核进行预加载；当预测结果与排序表第一对应的内核标识不一致时，则获取排序表第一对应的内核标识标记为备选内核；

将主内核状态下的浏览器数据通过备选内核预加载；所述浏览器数据包括用户账户和网站权限。

2.根据权利要求1所述的一种用于解决多内核浏览器数据状态共享的系统，其特征在于，所述攻击预警模块用于对浏览器的黑客攻击进行监测，当浏览器遭受黑客攻击时，发送黑客攻击信号至攻击预警模块；攻击预警模块接收到黑客攻击信号之后切断数据存储模块和处理器的访问权限。

3.根据权利要求1所述的一种用于解决多内核浏览器数据状态共享的系统，其特征在于，所述处理器用于对浏览器内核切换匹配库进行更新，包括：

获取智能终端浏览器切换内核后的切换记录；

解析每条切换记录获取一条待筛选数据；所述待筛选数据包括URL和切换后的内核标识；

针对具有同一URL的各筛选数据，以所述内核标识为标准归并为一条待筛选数据，并在该条待筛选数据中的记录对应内核标识的切换次数；

基于浏览器内核切换匹配库对归并后的待筛选数据进行筛选获取筛选结果，并基于筛选结果生成验证表；基于所述验证表更新浏览器内核切换匹配库。

4.根据权利要求3所述的一种用于解决多内核浏览器数据状态共享的系统，其特征在于，所述验证表的获取步骤包括：

针对归并后具有同一URL的待筛选数据，判断内核切换匹配库中是否有对应URL的记录；如果没有对应所述URL的记录，则根据对应所述URL的待筛选数据在验证表中进行记录；如果有对应所述URL的记录，则确认已经在内核切换匹配库记录的内核标识，删除对应被确认的内核标识数据，并将除了被确认的内核标识之外且切换次数大于切换次数阈值的待筛选数据记录在验证表中；所述切换次数阈值为大于0的实数。

5.一种用于解决多内核浏览器数据状态共享的方法，其特征在于，所述方法包括以下步骤：

步骤一：用户在智能终端中浏览器的账户创建页面输入注册信息；通过第三方平台分别验证姓名与身份证图像、姓名与手机号的一致性，当姓名与身份证图像、姓名与手机号均一致时，则通过用户注册单元发送验证码至手机号，用户通过智能终端输入验证码，当验证码正确时，则判定用户完成注册，通过用户注册单元发送用户账户至用户的手机号；

步骤二：通过浏览器切换内核匹配库获取浏览器历史记录；所述浏览器历史记录至少包括一组浏览数据；删除用户账户相同、内核标识相同、URL相同且浏览时间之差小于等于浏览时间阈值的两条浏览数据中的任意一组，并将剩下的浏览数据标记为第一归并数据；针对具有同一URL的第一归并数据，以所述内核标识和用户账户为标准归并到同一组数据中并标记为第二归并数据；提取第二归并数据中的用户账户、浏览时间、URL、网站权限作为第一数据；提取第二归并数据中的内核标识作为第二数据；将第一数据和第二数据进行归一化处理并通过处理器分别发送至数据存储模块和模型预测模块；

步骤三：当模型预测模块接收到第一数据和第二数据之后，构建自适应加权多任务深度神经网络模型；将第一数据和第二数据按照设定比例划分为验证集和测试集；将验证集和测试集输入到自适应加权多任务深度神经网络进行前向传播，得到训练集损失和验证集损失；当训练迭代的次数大于迭代次数阈值时，对属性权重进行更新，将训练完成的自适应加权多任务深度神经网络标记为预测模型；当用户通过智能终端的浏览器进行搜索时，获取浏览器中用户账户、URL、网站权限及系统时间；将浏览器中用户账户、URL、网站权限及系统时间归一化处理之后输入到预测模型中获取预测结果；

步骤四：将预测结果中内核标识对应的内核标记为主内核，将浏览器的内核自动切换为主内核，并加载URL；同时统计用户账户对应的内核标识切换总次数，并按照切换总次数从大到小进行排序获取排序表，当预测结果与排序表第一对应的内核标识一致时，则获取排序表第二的内核标识对应的内核标记为备选内核，主内核加载URL之后再通过备选内核进行预加载；当预测结果与排序表第一对应的内核标识不一致时，则获取排序表第一对应的内核标识标记为备选内核；将主内核状态下的浏览器数据通过备选内核预加载。