[發明專利]基于數據共享服務平臺的數據安全分析評估方法及系統

有效

• 申請號: 202110645280.1
• 申請日: 2021-06-10
• 公開（公告）號: CN113098913B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 孫利國
• 申請（專利權）人: 睿至科技集團有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06F21/55;G06F21/64;G06N3/08
• 代理公司: 北京卓特專利代理事務所(普通合伙) 11572
• 代理人: 段旺

1.一種基于數據共享服務平臺的數據安全分析評估方法，其特征在于，該方法包括如下子步驟：

通過共享接入點獲取數據源特征數據和歷史數據采集進程特征數據；其中，數據源特征數據包括：數據源屬性特征數據和當前數據源平臺運行異常特征數據；

根據數據源特征數據和歷史數據采集進程特征數據，計算數據源的數據安全評估值；

將計算的數據源的數據安全評估值與預設安全閾值進行比較，若數據安全評估值小于預設安全閾值，則從已知安全共享接入點獲取數據源的數據，否則，禁止獲取當前數據源的數據;

其中，數據安全評估值的計算公式為：

其中，表示數據安全評估值；表示數據源共享接入點的安全因子；表示數據源屬性特征數據對安全評估值的影響權重；表示數據源平臺運行情況對數據安全評估值的影響權重; 表示當前數據源平臺異常特征數據；表示當前數據源平臺的第個異常特征；表示當前數據源平臺的異常特征的總類別數；表示當前數據源平臺的第個異常特征的數量；表示當前數據源平臺的第個異常特征的風險值；表示獲取數據進程的總個數；表示數據進程中斷的次數；表示第個獲取數據進程的中斷風險因子，表示第個獲取數據進程時數據源平臺存在的異常個數；表示第個獲取數據進程時數據源平臺的危險值；j表示第j種數據源屬性特征數據；表示數據源屬性特征數據的種類總個數；表示第j種數據源屬性特征數據的影響權重；e=2.718；表示第j種數據源屬性特征數據中屬于惡意數據列表中數據的個數；表示第j種數據源屬性特征數據中屬于授權數據列表中數據的個數；表示第j種數據源屬性特征數據中既不屬于惡意數據也不屬于授權數據的個數；表示惡意特征數據的影響因子；表示授權特征數據的影響因子;既不屬于惡意數據也不屬于授權數據的特征數據的影響因子；

其中，數據源平臺的危險值計算公式如下：

；

表示第個獲取數據進程時數據源平臺的危險值；表示第個獲取數據進程運行時數據源平臺存在的異常種類數量；表示第個獲取數據進程運行時數據源平臺存在的第個獲取數據進程期間第n種異常的數量；n表示第幾種異常，表示第n種異常的惡意值。

2.根據權利要求1所述的基于數據共享服務平臺的數據安全分析評估方法，其特征在于，該方法還包括：

將獲取的數據源數據存儲至數據共享服務平臺，并且對獲取的數據進行安全認證標記；

將安全認證標記信息發送給授權的數據獲取終端，以使得數據獲取終端使用安全認證標記信息經過安全認證后獲取需求的數據。

3.根據權利要求1所述的基于數據共享服務平臺的數據安全分析評估方法，其特征在于，當前數據源運行異常特征數據包括：數據丟失、亂碼、圖像或文字未顯示。

4.根據權利要求1所述的基于數據共享服務平臺的數據安全分析評估方法，其特征在于，將數據源屬性特征數據分為授權特征數據、惡意特征數據和常規特征數據。

5.根據權利要求1所述的基于數據共享服務平臺的數據安全分析評估方法，其特征在于，采用預先構建的數據源平臺異常識別模型對當前數據源平臺存在的異常特征進行自動識別。

6.根據權利要求5所述的基于數據共享服務平臺的數據安全分析評估方法，其特征在于，預先構建的數據源平臺異常識別模型的方法包括：

獲取訓練數據集，訓練數據集包括多個已知的異常特征數據；

構建基礎卷積神經網絡模型；

將訓練數據集輸入到基礎卷積神經網絡模型中進行訓練，獲得數據源平臺異常識別模型。

7.根據權利要求1所述的基于數據共享服務平臺的數據安全分析評估方法，其特征在于，對獲取的存儲至數據共享服務平臺的數據源數據進行存儲標準化操作，存儲標準化操作包括數據去重、數據補全、數據歸一、數據過濾或數據合并。