本发明涉及一种网络浏览器辅助显示平台，包括：信息记录设备，用于记录网络浏览器历史上各次被分别输入的各组登录密码；密码预测机构，用于将所述网络浏览器当前登录密码输入之前最新被输入的固定总数的多组登录密码作为智能分析模型的多个输入内容，运行所述模型以获得预测的用户当前输入所述网络浏览器中运行的要访问的网络应用程序的登录密码。本发明的网络浏览器辅助显示平台逻辑可靠、应用广泛。由于能够在授权访问网络浏览器的用户面对多个网络应用程序时，根据用户历史上输入登录密码的习惯和次序智能预测当前用户要输入网络应用程序的登录密码，从而方便用户快速恢复对当前要访问的网络应用程序的登录密码的记忆。
1.一种网络浏览器辅助显示平台，其特征在于，所述平台包括：
信息记录设备，设置在网络浏览器的服务器处，用于记录所述网络浏览器历史上各次被分别输入的各组登录密码；
数据输入设备，与所述信息记录设备连接，用于将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码时用户输入的登录密码作为所述前馈神经网络的单个输出内容；
访问设置机构，设置在网络浏览器的服务器处，用于设置所述网络浏览器当前能够访问的各个网络应用程序以及设置所述网络浏览器当前无法访问的各个网络应用程序；
学习处理机构，与所述访问设置机构连接，用于对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型；
密码预测机构，与所述学习处理机构连接，用于将所述网络浏览器当前登录密码输入之前最新被输入的固定总数的多组登录密码作为智能分析模型的多个输入内容，运行所述智能分析模型以获得预测的用户当前输入所述网络浏览器中运行的要访问的网络应用程序的登录密码并作为当前预测密码输出；
其中，对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型包括：所述网络浏览器的用户数量越多，所述前馈神经网络被执行的学习次数越多；
其中，对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型包括：将所述网络浏览器历史上被输入的各组登录密码作为对所述前馈神经网络的学习数据执行对所述前馈神经网络的多次学习处理。
2.如权利要求1所述的网络浏览器辅助显示平台，其特征在于，所述平台还包括：
辅助显示机构，与所述密码预测机构连接，用于将获取的当前预测密码显示在所述网络浏览器中运行的要访问的网络应用程序上的悬浮显示窗口内。
3.如权利要求1所述的网络浏览器辅助显示平台，其特征在于，所述平台还包括：
参数录入机构，与所述学习处理机构连接，用于将所述学习处理机构获取的智能分析模型的各项模型参数录入到所述参数录入机构内置的存储芯片内。
4.如权利要求1‑3任一所述的网络浏览器辅助显示平台，其特征在于：
将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码时用户输入的登录密码作为所述前馈神经网络的单个输出内容包括：所述网络浏览器当前能够访问的网络应用程序的数量越少，所述前馈神经网络的多个输入内容的数量越少。
5.如权利要求1‑3任一所述的网络浏览器辅助显示平台，其特征在于：
将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码时用户输入的登录密码作为所述前馈神经网络的单个输出内容包括：所述网络浏览器某一次输入登录密码动作之前最新被输入固定总数的多组登录密码,所述多组登录密码分别对应的多个网络应用程序不同或者相同。
6.如权利要求1‑3任一所述的网络浏览器辅助显示平台，其特征在于：
记录所述网络浏览器历史上各次被分别输入的各组登录密码包括：所述网络浏览器用于输入多个登录地址以分别运行多个网络应用程序，每一网络应用程序在完成对应登录地址访问后在所述网络浏览器上显示登录界面。
7.如权利要求6所述的网络浏览器辅助显示平台，其特征在于：
所述网络浏览器用于输入多个登录地址以分别运行多个网络应用程序，每一网络应用程序在完成对应登录地址访问后在所述网络浏览器上显示登录界面包括：显示的登录界面包括用户名称输入框和用户密码输入框，所述用户密码输入框用于输入进入对应网络应用程序的一组登录密码。
8.如权利要求7所述的网络浏览器辅助显示平台，其特征在于：
所述网络浏览器用于输入多个登录地址以分别运行多个网络应用程序，每一网络应用程序在完成对应登录地址访问后在所述网络浏览器上显示登录界面包括：显示的登录界面包括的用户名称输入框用于输入进入对应网络应用程序的一组用户ID信息。
网络浏览器辅助显示平台
技术领域
[0001] 本发明涉及网络浏览器领域，尤其涉及一种网络浏览器辅助显示平台。
背景技术
[0002] 网络浏览器是个显示网页服务器或档案系统内的文件，并让用户与此些文件互动的一种软件。它用来显示在万维网或局部局域网路等内的文字、影像及其他资讯。
[0003] 目前，针对每一个网络浏览器，一般设置所述网络浏览器当前能够访问的各个网络应用程序以及设置所述网络浏览器当前无法访问的各个网络应用程序，这样，在授权访问网络浏览器的用户面对多个网络应用程序时，密码容易混淆，这种情况在网络应用程序的数量众多时更为明显。
发明内容
[0004] 为了解决相关领域的技术问题，本发明提供了一种网络浏览器辅助显示平台，能够在授权访问网络浏览器的用户面对多个网络应用程序时，根据用户历史上输入登录密码的习惯和次序智能预测当前用户要输入网络应用程序的登录密码，从而为健忘用户提供有效的辅助密码数据。
[0005] 根据本发明的一方面，提供了一种网络浏览器辅助显示平台，所述平台包括：
[0006] 信息记录设备，设置在网络浏览器的服务器处，用于记录所述网络浏览器历史上各次被分别输入的各组登录密码；
[0007] 数据输入设备，与所述信息记录设备连接，用于将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码预测用户输入的登录密码作为所述前馈神经网络的单个输出内容；
[0008] 访问设置机构，设置在网络浏览器的服务器处，用于设置所述网络浏览器当前能够访问的各个网络应用程序以及设置所述网络浏览器当前无法访问的各个网络应用程序；
[0009] 学习处理机构，与所述访问设置机构连接，用于对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型；
[0010] 密码预测机构，与所述学习处理机构连接，用于将所述网络浏览器当前登录密码输入之前最新被输入的固定总数的多组登录密码作为智能分析模型的多个输入内容，运行所述智能分析模型以获得预测的用户当前输入所述网络浏览器中运行的要访问的网络应用程序的登录密码并作为当前预测密码输出；
[0011] 其中，对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型包括：所述网络浏览器的用户数量越多，所述前馈神经网络被执行的学习次数越多；
[0012] 其中，对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型包括：将所述网络浏览器历史上被输入的各组登录密码作为对所述前馈神经网络的学习数据执行对所述前馈神经网络的多次学习处理。
[0013] 根据本发明的另一方面，还提供了一种网络浏览器辅助显示方法，所述方法包括使用一种如上述的网络浏览器辅助显示平台，用于根据网络浏览器用户历史输入的各组登录密码信息智能预测用户当前需要输入的登录密码信息。
[0014] 本发明的网络浏览器辅助显示平台逻辑可靠、应用广泛。由于能够在授权访问网络浏览器的用户面对多个网络应用程序时，根据用户历史上输入登录密码的习惯和次序智能预测当前用户要输入网络应用程序的登录密码，从而方便用户快速恢复对当前要访问的网络应用程序的登录密码的记忆。
附图说明
[0015] 以下将结合附图对本发明的实施方案进行描述，其中：
[0016] 图1为根据本发明实施方案示出的网络浏览器辅助显示平台的结构方框图。
具体实施方式
[0017] 下面将对本发明的网络浏览器辅助显示平台的实施方案进行详细说明。
[0018] 网络浏览器这些文字或影像，可以是连接其他网址的超连结，用户可迅速及轻易地浏览各种资讯。网页一般是超文本标记语言(标准通用标记语言下的一个应用)的格式。有些网页是需使用特定的浏览器才能正确显示。浏览器是最经常使用到的客户端程序。万维网是全球最大的连结文件网络文库。
[0019] 目前，针对每一个网络浏览器，一般设置所述网络浏览器当前能够访问的各个网络应用程序以及设置所述网络浏览器当前无法访问的各个网络应用程序，这样，在授权访问网络浏览器的用户面对多个网络应用程序时，密码容易混淆，这种情况在网络应用程序的数量众多时更为明显。
[0020] 为了克服上述不足，本发明搭建了一种网络浏览器辅助显示平台，能够有效解决相应的技术问题。
[0021] 本发明的基本发明构思具体如下所述：针对能够访问多个网络应用程序的网络浏览器，根据网络浏览器用户历史输入的各组登录密码信息智能预测用户当前需要输入的登录密码信息，并将预测的登录密码信息进行悬浮辅助显示，从而为用户提供有效的辅助登录信息；以及采用执行登录密码信息预测的前馈神经网络，将网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将网络浏览器某一次输入登录密码预测用户输入的登录密码作为所述前馈神经网络的单个输出内容。
[0022] 图1为根据本发明实施方案示出的网络浏览器辅助显示平台的结构方框图，所述平台包括：
[0023] 信息记录设备，设置在网络浏览器的服务器处，用于记录所述网络浏览器历史上各次被分别输入的各组登录密码；
[0024] 数据输入设备，与所述信息记录设备连接，用于将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码预测用户输入的登录密码作为所述前馈神经网络的单个输出内容；
[0025] 访问设置机构，设置在网络浏览器的服务器处，用于设置所述网络浏览器当前能够访问的各个网络应用程序以及设置所述网络浏览器当前无法访问的各个网络应用程序；
[0026] 学习处理机构，与所述访问设置机构连接，用于对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型；
[0027] 密码预测机构，与所述学习处理机构连接，用于将所述网络浏览器当前登录密码输入之前最新被输入的固定总数的多组登录密码作为智能分析模型的多个输入内容，运行所述智能分析模型以获得预测的用户当前输入所述网络浏览器中运行的要访问的网络应用程序的登录密码并作为当前预测密码输出；
[0028] 其中，对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型包括：所述网络浏览器的用户数量越多，所述前馈神经网络被执行的学习次数越多；
[0029] 其中，对所述前馈神经网络执行多次学习处理，以获得经过多次学习处理后的前馈神经网络并作为智能分析模型包括：将所述网络浏览器历史上被输入的各组登录密码作为对所述前馈神经网络的学习数据执行对所述前馈神经网络的多次学习处理。
[0030] 接着，继续对本发明的网络浏览器辅助显示平台的具体结构进行进一步的说明。
[0031] 所述网络浏览器辅助显示平台中还可以包括：
[0032] 辅助显示机构，与所述密码预测机构连接，用于将获取的当前预测密码显示在所述网络浏览器中运行的要访问的网络应用程序上的悬浮显示窗口内。
[0033] 所述网络浏览器辅助显示平台中还可以包括：
[0034] 参数录入机构，与所述学习处理机构连接，用于将所述学习处理机构获取的智能分析模型的各项模型参数录入到所述参数录入机构内置的存储芯片内。
[0035] 所述网络浏览器辅助显示平台中：
[0036] 将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码预测用户输入的登录密码作为所述前馈神经网络的单个输出内容包括：所述网络浏览器当前能够访问的网络应用程序的数量越少，所述前馈神经网络的多个输入内容的数量越少。
[0037] 所述网络浏览器辅助显示平台中：
[0038] 将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，将所述网络浏览器某一次输入登录密码预测用户输入的登录密码作为所述前馈神经网络的单个输出内容包括：将所述网络浏览器某一次输入登录密码动作之前最新被输入的固定总数的多组登录密码对应的网络应用程序不同或者相同。
[0039] 所述网络浏览器辅助显示平台中：
[0040] 记录所述网络浏览器历史上各次被分别输入的各组登录密码包括：所述网络浏览器用于输入多个登录地址以分别运行多个网络应用程序，每一网络应用程序在完成对应登录地址访问后在所述网络浏览器上显示登录界面。
[0041] 所述网络浏览器辅助显示平台中：
[0042] 所述网络浏览器用于输入多个登录地址以分别运行多个网络应用程序，每一网络应用程序在完成对应登录地址访问后在所述网络浏览器上显示登录界面包括：显示的登录界面包括用户名称输入框和用户密码输入框，所述用户密码输入框用于输入进入对应网络应用程序的一组登录密码。
[0043] 以及在所述网络浏览器辅助显示平台中：
[0044] 所述网络浏览器用于输入多个登录地址以分别运行多个网络应用程序，每一网络应用程序在完成对应登录地址访问后在所述网络浏览器上显示登录界面包括：显示的登录界面包括的用户名称输入框用于输入进入对应网络应用程序的一组用户ID信息。
[0045] 同时，为了克服上述不足，本发明还搭建了一种网络浏览器辅助显示方法，所述方法包括使用一种如上述的网络浏览器辅助显示平台，用于根据网络浏览器用户历史输入的各组登录密码信息智能预测用户当前需要输入的登录密码信息。
[0046] 另外，在所述网络浏览器辅助显示平台中，将所述网络浏览器历史上被输入的各组登录密码作为对所述前馈神经网络的学习数据执行对所述前馈神经网络的多次学习处理包括：将所述网络浏览器历史上某一次被输入的登录密码作为所述前馈神经网络的单个输出内容，将所述网络浏览器历史上某一次输入登录密码之前最新被输入的固定总数的多组登录密码作为前馈神经网络的多个输入内容，执行对所述前馈神经网络的单次学习操作。
[0047] 本发明不限于上述实施例，根据上述实施例的描述，本领域的普通技术人员还可作出一些显而易见的改变，但这些改变均应落入本发明权利要求的保护范围之内。
