(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111328570.X (22)申请日 2021.11.10 (71)申请人 恒安嘉新(北京)科技股份公司 地址 100086 北京市海淀区北三环西路25 号27号楼五层5 002室 (72)发明人 卞珂珂　李玉惠　傅强　蔡琳　 阿曼太　梁彧　马寒军　田野　 王杰　杨满智　金红　陈晓光　 (74)专利代理 机构 北京品源专利代理有限公司 11332 代理人 马迪 (51)Int.Cl. G06T 3/40(2006.01) G06T 5/50(2006.01) G06T 7/11(2017.01)G06N 20/00(2019.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/774(2022.01) (54)发明名称 一种应用检测方法、 装置、 设备及存 储介质 (57)摘要 本发明实施例公开了一种应用检测方法、 装 置、 设备及存储介质。 该方法包括： 获取待测应用 的关键应用截图， 并按照预设拼接结构对所述关 键应用截图进行拼接， 生成应用概览图； 将所述 应用概览图输入训练好的应用检测模 型， 并将所 述应用检测模型输出的应用检测结果返回； 其 中， 所述应用检测模型为基于块间特征聚合和浅 层特征短接 的Transformer模型。 本发明实施例 的技术方案， 提高了 应用检测的效率和准确性。 权利要求书2页 说明书12页 附图7页 CN 114119365 A 2022.03.01 CN 114119365 A 1.一种应用检测方法， 其特 征在于， 包括： 获取待测应用的关键应用截图， 并按照预设拼接结构对所述关键应用截图进行拼接， 生成应用概览图； 将所述应用概览图输入训练好的应用检测模型， 并将所述应用检测模型输出的应用检 测结果返回； 其中， 所述应用检测模型为基于块间特 征聚合和浅层特 征短接的Transformer模型。 2.根据权利要求1所述的方法， 其特征在于， 获取待测应用的关键应用截图， 并按照预 设拼接结构对所述关键应用截图进行拼接， 生成应用概览图， 包括： 获取所述待测应用的应用截图序列， 并获取所述应用截图序列中的各应用截图的图像 灰度特征； 根据所述图像灰度特征， 将所述应用截图序列聚类为应用加载图片簇和应用内容图片 簇； 从所述应用加载图片簇的核心区域以及所述应用内容图片簇的核心区域中， 分别选择 预设数量的关键应用截图； 按照预设拼接结构对各关键应用截图进行拼接， 生成应用概览图。 3.根据权利要求1所述的方法， 其特征在于， 将所述应用概览图输入训练好的应用检测 模型， 并将所述应用检测模型输出的应用检测结果返回， 包括： 将所述应用概览图输入训练好的应用检测模型， 通过所述应用检测模型， 使用四等分 块的方式对所述应用概览图进行 逐层分割， 确定底层图像块； 将各底层图像块线性映射得到的词向量作为当前层输入元素， 对每四个当前层输入元 素映射注意力矩阵， 计算当前层的各图像块的自注意力特 征； 对当前层的每四个图像块的自注意力特征进行块间特征聚合处理， 得到上一层各图像 块的特征信息； 将上一层各图像块的特征信 息作为当前层输入元素， 返回执行对每四个当前层输入元 素映射注意力矩阵， 计算当前层的各图像块的自注意力特征 的操作， 直至得到完整的应用 概览图的自注意力特 征； 将下采样后的底层图像块的自注意力特征与所述应用概览图的自注意力特征进行合 并， 根据合并后的自注意力特 征进行判决， 得到应用检测结果并返回。 4.根据权利要求3所述的方法， 其特征在于， 对每四个当前层输入元素映射注意力矩 阵， 计算当前层的各图像块的自注意力特 征， 包括： 对于对应同一个图像块的每四个当前层输入元素， 计算匹配的查询矩阵Q、 键矩阵K以 及值矩阵V； 使用非线性函数， 对各当前层图像块包括的四个图像子块进行位置映射， 得到块内位 置关系矩阵P； 根据公式Z＝(Q*KT+P)*V， 计算出当前层的各图像块的自注意力特 征Z； 其中， KT表示键矩阵K的转置 。 5.根据权利要求4所述的方法， 其特征在于， 使用非线性函数， 对各当前层图像块包括 的四个图像子块进行位置映射， 得到块内位置关系矩阵， 包括： 生成与各当前层图像块对应的像素位置坐标矩阵；权　利　要　求　书 1/2 页 2 CN 114119365 A 2其中， 所述像素位置坐标矩阵的各矩阵元素中， x坐标代表图像子块层级坐标， y坐标代 表图像子块内的像素层级坐标， 每个层级的主对角线位置的矩阵元素在对应层级的坐标为 0； 将所述像素位置坐标矩阵中的各矩阵元素同步调整为非负值， 并对x坐标进行散列处 理， 将处理后的各矩阵元 素进行x坐标和y坐标加 和； 使用非线性 函数， 将加 和处理后的像素位置坐标矩阵映射 为块内位置关系矩阵。 6.根据权利要求1所述的方法， 其特征在于， 在将所述应用概览图输入训练好的应用检 测模型， 并将所述应用检测模型输出的应用检测结果返回之后， 还 包括： 响应于应用检测请求端的检测回溯请求， 如果所述待测应用为目标类型应用， 则将标 记有判决活跃区块的应用概览图以及决策树作为判 决依据， 返回应用检测请求端进行显 示； 如果所述待测应用为非目标类型应用， 则返回所述应用概览图。 7.根据权利要求6所述的方法， 其特征在于， 将标记有判决活跃区块的应用概览图以及 决策树作为判决依据， 返回应用检测请求端 进行显示， 包括： 获取所述应用检测模型判决时使用的图像自注意力特征， 并将所述图像自注意力特征 按照应用概览图的多层图像块进行划分； 将最上层图像块对应的图像自注意力特征作为当前特征， 计算各当前特征对应的分数 值， 选择最大分数值对应的图像块作为当前层活跃区块； 将所述当前层活跃区块对应的下一层图像块的图像自注意力特征作为当前特征， 返回 执行计算各当前特征对应的分数值， 选择最大分数值对应的图像块作为当前层活跃区块的 操作， 直至确定底层活跃区块 为止； 生成与各层活跃区块对应的决策树， 并将所述决策树以及标记有各层活跃区块的应用 概览图返回应用检测请求端 进行显示。 8.一种应用检测装置， 其特 征在于， 包括： 图片拼接模块， 用于获取待测应用的关键应用截图， 并按照预设拼接结构对所述关键 应用截图进行拼接， 生成应用概览图； 应用检测模块， 用于将所述应用概览图输入训练好的应用检测模型， 并将所述应用检 测模型输出的应用检测结果返回； 其中， 所述应用检测模型为基于块间特 征聚合和浅层特 征短接的Transformer模型。 9.一种计算机设备， 其特 征在于， 所述设备包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7中任一项所述的应用检测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7中任一项所述的应用检测方法。权　利　要　求　书 2/2 页 3 CN 114119365 A 3