[發(fā)明專利]一種數(shù)據(jù)分類分級模型的訓練方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202011631556.2
• 申請日: 2020-12-30
• 公開（公告）號: CN112966100B
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計）人: 孫亞東;王志海;王聞馨;喻波;魏力
• 申請（專利權(quán)）人: 北京明朝萬達科技股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/126;G06F16/28;G06K9/62
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明提供了一種數(shù)據(jù)分類分級模型的訓練方法、裝置、及電子設(shè)備。所述方法包括：從預設(shè)語料庫中挑選m份語料作為訓練樣本；根據(jù)預設(shè)的數(shù)據(jù)分類分級標準對m份語料進行預處理，將每份語料轉(zhuǎn)換為對應(yīng)的數(shù)據(jù)模型，并確定m份語料各自對應(yīng)的數(shù)據(jù)類別和數(shù)據(jù)級別；對每份語料對應(yīng)的數(shù)據(jù)模型進行編碼，得到每份語料對應(yīng)的特征矩陣；將m份語料對應(yīng)的特征矩陣輸入到預先建立的數(shù)據(jù)分類分級模型中，得到m份語料各自對應(yīng)的預測類別和預測級別；確定數(shù)據(jù)分類分級模型對應(yīng)的混淆矩陣；重復執(zhí)行上述步驟，直至所述混淆矩陣滿足預設(shè)條件，得到訓練完成的分類分級模型。本發(fā)明能夠根據(jù)預設(shè)的數(shù)據(jù)分類分級標準進行模型訓練，提高了數(shù)據(jù)分類分級模型的準確度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)安全領(lǐng)域，具體地涉及一種數(shù)據(jù)分類分級模型的訓練方 法、裝置及電子設(shè)備。

背景技術(shù)

隨著大數(shù)據(jù)技術(shù)的發(fā)展，企業(yè)將各種數(shù)據(jù)資源形成統(tǒng)一的數(shù)據(jù)資源池， 并授權(quán)給不同用戶使用，這在滿足各個用戶的數(shù)據(jù)使用需求的同時，也增加 了敏感數(shù)據(jù)泄漏的風險。傳統(tǒng)基于堵漏方式的邊界數(shù)據(jù)防護已經(jīng)無法滿足企 業(yè)數(shù)據(jù)安全管控需求。

為了解決這一問題，現(xiàn)有技術(shù)通常采用數(shù)據(jù)防泄漏系統(tǒng)進行數(shù)據(jù)安全管 控，以防止企業(yè)敏感數(shù)據(jù)泄漏。數(shù)據(jù)防泄漏系統(tǒng)采用定義敏感數(shù)據(jù)關(guān)鍵字的 方式，識別待發(fā)送數(shù)據(jù)中是否包括已定義的敏感數(shù)據(jù)，如定義身份證號、人 員姓名為敏感數(shù)據(jù)，當檢測到待發(fā)送數(shù)據(jù)中存在敏感數(shù)據(jù)時，對敏感數(shù)據(jù)進 行脫敏處理之后再進行數(shù)據(jù)發(fā)送。但是如果待發(fā)送數(shù)據(jù)中包括財務(wù)數(shù)據(jù)、工 藝標準、質(zhì)量控制等較為復雜的信息，那么依靠關(guān)鍵字定義的數(shù)據(jù)防泄漏系 統(tǒng)即無法準確識別出哪些是敏感數(shù)據(jù)，哪些是非敏感數(shù)據(jù)，從而導致數(shù)據(jù)泄漏。

發(fā)明內(nèi)容

本發(fā)明提供一種數(shù)據(jù)分類分級模型的訓練方法、裝置、電子設(shè)備及存儲 介質(zhì)，以解決現(xiàn)有技術(shù)中數(shù)據(jù)防泄漏系統(tǒng)的識別數(shù)據(jù)的準確度差的問題。

根據(jù)本發(fā)明的第一方面，提供了一種數(shù)據(jù)分類分級模型的訓練方法，所 述方法包括：

從預設(shè)語料庫中挑選m份語料作為訓練樣本，每份語料包括至少一個數(shù) 據(jù)實體，每個數(shù)據(jù)實體包括至少一個屬性特征；

根據(jù)預設(shè)的數(shù)據(jù)分類分級標準對所述m份語料進行預處理，將每份語料 轉(zhuǎn)換為對應(yīng)的數(shù)據(jù)模型，以及確定m份語料各自對應(yīng)的數(shù)據(jù)類別和數(shù)據(jù)級 別；

根據(jù)每份語料中包含的數(shù)據(jù)實體和所述數(shù)據(jù)實體包含的屬性特征，對每 份語料對應(yīng)的數(shù)據(jù)模型進行編碼，得到每份語料對應(yīng)的特征矩陣；

將所述m份語料對應(yīng)的特征矩陣輸入到預先建立的數(shù)據(jù)分類分級模型 中，得到m份語料各自對應(yīng)的預測類別和預測級別；

根據(jù)所述m份語料各自對應(yīng)的數(shù)據(jù)類別和數(shù)據(jù)級別，以及所述m份語 料各自對應(yīng)的預測類別和預測級別，確定所述數(shù)據(jù)分類分級模型對應(yīng)的混淆 矩陣；

重復執(zhí)行上述步驟，直至所述數(shù)據(jù)分類分級模型對應(yīng)的混淆矩陣滿足預 設(shè)條件，得到訓練完成的數(shù)據(jù)分類分級模型。

根據(jù)本發(fā)明的第二方面，提供了一種數(shù)據(jù)分類分級模型的訓練裝置，所 述裝置包括：

訓練樣本挑選模塊，用于從預設(shè)語料庫中挑選m份語料作為訓練樣本， 每份語料包括至少一個數(shù)據(jù)實體，每個數(shù)據(jù)實體包括至少一個屬性特征；

語料預處理模塊，用于根據(jù)預設(shè)的數(shù)據(jù)分類分級標準對所述m份語料進 行預處理，將每份語料轉(zhuǎn)換為對應(yīng)的數(shù)據(jù)模型，以及確定m份語料各自對應(yīng) 的數(shù)據(jù)類別和數(shù)據(jù)級別；

數(shù)據(jù)編碼模塊，用于根據(jù)每份語料中包含的數(shù)據(jù)實體和所述數(shù)據(jù)實體包 含的屬性特征，對每份語料對應(yīng)的數(shù)據(jù)模型進行編碼，得到每份語料對應(yīng)的 特征矩陣；

數(shù)據(jù)輸入模塊，用于將所述m份語料對應(yīng)的特征矩陣輸入到預先建立的 數(shù)據(jù)分類分級模型中，得到m份語料各自對應(yīng)的預測類別和預測級別；