[發明專利]數據泄露識別方法、裝置及設備

在審

• 申請號: 201910935293.5
• 申請日: 2019-09-29
• 公開（公告）號: CN110717189A
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 袁錦程;許遼薩
• 申請（專利權）人: 支付寶(杭州)信息技術有限公司
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06K9/62;G06N20/00
• 代理公司: 11415 北京博思佳知識產權代理有限公司
• 代理人: 彭路兒

1.一種數據泄露識別方法，包括：

獲取樣本監控對象在使用電子設備過程中產生的樣本設備使用數據，獲得原始數據集；

通過特征工程提取所述原始數據集中數據的特征，獲得訓練數據集；其中，在進行特征工程中，所述原始數據集中數據的標簽通過將該數據與敏感數據進行相似度匹配而確定，所述標簽指示所述數據是否屬于敏感數據，所述敏感數據為表征發生數據泄露的數據；

利用所述訓練數據集對機器學習模型進行訓練，獲得數據泄露識別模型，所述數據泄露識別模型用于對被監控對象進行數據泄露識別。

2.根據權利要求1所述的方法，所述樣本設備使用數據包括如下一種或多種：指示樣本監控對象將電子設備本地文件傳輸至其他存儲位置的數據、指示樣本監控對象使用指定軟件的數據。

3.根據權利要求1所述的方法，所述敏感數據是根據數據泄露事件的特征預先構建的。

4.根據權利要求1所述的方法，所述相似度匹配的方式包括如下一種或多種：

分別對所述原始數據集中數據和所述敏感數據提取詞向量，利用提取的詞向量對所述原始數據集中數據和所述敏感數據進行相似度匹配；

分別對所述原始數據集中數據和所述敏感數據進行獨熱編碼，根據所述所述原始數據集中數據的編碼以及所述敏感數據的編碼進行相似度匹配。

5.根據權利要求1所述的方法，所述數據泄露識別模型有多個，所述數據泄露識別模型與業務場景相對應，所述數據泄露識別模型是利用屬于所述業務場景的訓練數據集訓練得到。

6.根據權利要求1或5所述的方法，所述數據泄露識別模型包括有一通用數據泄露識別模型，訓練所述通用數據泄露識別模型的訓練數據集的特征是利用自動特征工具提取的。

7.一種數據泄露識別方法，包括：

獲取被監控對象在使用電子設備過程中產生的設備使用數據；

獲取所述設備使用數據的目標特征；

將所述設備使用數據的目標特征輸入至數據泄露識別模型，利用所述數據泄露識別模型對被監控對象進行數據泄露識別；其中，所述數據泄露識別模型利用訓練數據集訓練得到，所述訓練數據集通過特征工程提取預先獲取的原始數據集中數據的特征而獲得，所述原始數據集中數據的標簽通過將該數據與敏感數據進行相似度匹配而確定，所述標簽指示所述數據是否屬于敏感數據，所述敏感數據為表征發生數據泄露的數據。

8.根據權利要求7所述的方法，所述敏感數據是根據數據泄露事件的特征預先構建的。

9.根據權利要求7所述的方法，所述數據泄露識別模型有多個，所述數據泄露識別模型與業務場景相對應，所述數據泄露識別模型是利用屬于所述業務場景的訓練數據集訓練得到；

所述將所述設備使用數據的目標特征輸入至數據泄露識別模型，包括：

根據所述設備使用數據所屬的業務場景，將所述設備使用數據的目標特征輸入至與其所屬的業務場景相對應的數據泄露識別模型。

10.根據權利要求7或9所述的方法，所述數據泄露識別模型包括有一通用數據泄露識別模型，訓練所述通用數據泄露識別模型的訓練數據集的特征是利用自動特征工具提取的；

所述將所述設備使用數據的目標特征輸入至數據泄露識別模型，包括：

將所述設備使用數據的目標特征輸入至所述通用數據泄露識別模型。

11.根據權利要求9所述的方法，所述利用所述數據泄露識別模型對被監控對象進行數據泄露識別，包括：

根據所述與其所屬的業務場景相對應的數據泄露識別模型的識別結果以及所述通用數據泄露識別模型的識別結果，對被監控對象進行數據泄露識別。