[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

本說明書實施例提供一種數據泄露識別方法、裝置及設備，該方案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。

技術領域

本說明書實施例涉及數據安全技術領域，尤其涉及數據泄露識別方法、裝置及設備。

背景技術

目前，數據安全防護成為各行各業關注的重點，特別是一些大型企業對企業內部文件具有較大安全防護需求，重要數據的泄露可能給企業的生存和發展帶來嚴重危害。基于此，需要提供數據泄露識別方案。

發明內容

為克服相關技術中存在的問題，本說明書實施例提供了數據泄露識別方法、裝置及設備。

根據本說明書實施例的第一方面，提供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。

根據本說明書實施例的第二方面，提供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。

根據本說明書實施例的第三方面，提供一種數據泄露識別裝置，所述裝置包括：

獲取模塊，用于：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；

特征工程模塊，用于：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；

訓練模塊，用于：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。

根據本說明書實施例的第四方面，提供一種數據泄露識別裝置，所述裝置包括：

數據獲取模塊，用于：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；

特征獲取模塊，用于：獲取所述設備使用數據的目標特征；