[發(fā)明專利]一種數(shù)據(jù)防漏方法、裝置及計算機(jī)可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810798582.0
• 申請日: 2018-07-19
• 公開（公告）號: CN110740111B
• 公開（公告）日: 2022-01-25
• 發(fā)明（設(shè)計）人: 張譯丹;曾瑞;邵波;楊敬巍;王敬堯;全凱巍
• 申請（專利權(quán)）人: 中國移動通信集團(tuán)有限公司;中國移動通信集團(tuán)黑龍江有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 姚文嫻;張穎玲

1.一種數(shù)據(jù)防漏方法，其特征在于，所述方法包括：

獲取操作行為的特征信息；所述特征信息包括以下至少兩個維度的特征信息：對象特征信息、時間特征信息、場景特征信息、方式特征信息、項目特征信息和數(shù)據(jù)特征信息；其中，對象特征信息表征操作用戶的身份信息；時間特征信息表征操作的時間；時間特征信息表征操作的時間；場景特征信息表征行為的發(fā)生環(huán)境；項目特征信息表征操作行為發(fā)生的原因；數(shù)據(jù)特征信息表征操作行為對應(yīng)的操作數(shù)據(jù)的信息；

將所述特征信息作為第一數(shù)據(jù)泄露分析網(wǎng)絡(luò)的輸入，得到所述第一數(shù)據(jù)泄露分析網(wǎng)絡(luò)輸出的第一輸出；所述第一數(shù)據(jù)泄露分析網(wǎng)絡(luò)為采用反向傳播神經(jīng)網(wǎng)絡(luò)算法的針對單條操作行為的數(shù)據(jù)泄露分析模型；

根據(jù)所述各第一輸出確定所述操作行為的第一事件級別，所述第一事件級別表征所述操作行為對所述操作行為對應(yīng)的操作數(shù)據(jù)所構(gòu)成的危險等級。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一輸出包括所述第一數(shù)據(jù)泄露分析網(wǎng)絡(luò)中各輸出節(jié)點(diǎn)輸出的各事件類型對應(yīng)的子輸出，相應(yīng)地，所述根據(jù)所述第一輸出確定所述操作行為的第一事件級別包括：

根據(jù)所述各事件類型對應(yīng)的子輸出確定所述操作行為的事件類型和對應(yīng)所述事件類型的事件級別。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

獲取至少兩個操作行為的行為向量，所述至少兩個操作行為為具有固定周期的相同事件類型的操作行為；所述行為向量為所述第一數(shù)據(jù)泄露分析網(wǎng)絡(luò)以所述操作行為作為輸出時輸出節(jié)點(diǎn)的輸入向量；

將所述至少兩個操作行為的行為向量作為第二數(shù)據(jù)泄露分析網(wǎng)絡(luò)的輸入，得到所述第二數(shù)據(jù)泄露分析網(wǎng)絡(luò)輸出的第二輸出，所述第二數(shù)據(jù)泄露分析網(wǎng)絡(luò)為采用反向傳播神經(jīng)網(wǎng)絡(luò)算法的針對多操作行為的數(shù)據(jù)泄露分析模型；

根據(jù)所述第二輸出確定所述操作行為的第二事件級別，所述第二事件級別表征所述至少兩個操作行為對操作數(shù)據(jù)所構(gòu)成的危險等級。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

建立第一初始模型和第二初始模型；所述第一初始模型和所述第二初始模型的隱藏層的節(jié)點(diǎn)的數(shù)量不同；

通過混合樣本集對所述第一初始模型和所述第二初始模型輪流進(jìn)行訓(xùn)練，得到第一分析模型和第二分析模型；所述混合樣本集包括標(biāo)記樣本集和未標(biāo)記樣本集；

根據(jù)所述第一分析模型和所述第二分析模型確定所述第一數(shù)據(jù)泄露分析網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述通過混合樣本集對所述第一初始模型和所述第二初始模型輪流進(jìn)行訓(xùn)練包括：

從所述標(biāo)記樣本集中抽取樣本確定第一標(biāo)記樣本集和第二標(biāo)記樣本集；

基于所述第一標(biāo)記樣本集從所述未標(biāo)記樣本集中選取置信度最高的轉(zhuǎn)移未標(biāo)記樣本，通過所述轉(zhuǎn)移未標(biāo)記樣本對所述第二標(biāo)記樣本集更新，將所述轉(zhuǎn)移未標(biāo)記樣本從所述未標(biāo)記樣本集中刪除，并通過更新的第二標(biāo)記樣本集對所述第一初始模型進(jìn)行更新；

基于所述第二標(biāo)記樣本集從所述未標(biāo)記樣本集中選取置信度最高的轉(zhuǎn)移未標(biāo)記樣本，通過所述轉(zhuǎn)移未標(biāo)記樣本對所述第一標(biāo)記樣本集更新，將所述轉(zhuǎn)移未標(biāo)記樣本從所述未標(biāo)記樣本集中刪除，并通過更新的第一標(biāo)記樣本集對所述第二初始模型進(jìn)行更新；

基于所述第一標(biāo)記樣本集從所述未標(biāo)記樣本集中選取置信度最高的轉(zhuǎn)移未標(biāo)記樣本，直到滿足設(shè)定的迭代條件。