CN108629195B - 一种数据处理的方法、装置、电子设备和计算机存储介质 - Google Patents

一种数据处理的方法、装置、电子设备和计算机存储介质 Download PDF

Info

Publication number
CN108629195B
CN108629195B CN201710168803.1A CN201710168803A CN108629195B CN 108629195 B CN108629195 B CN 108629195B CN 201710168803 A CN201710168803 A CN 201710168803A CN 108629195 B CN108629195 B CN 108629195B
Authority
CN
China
Prior art keywords
index
time threshold
indexes
critical value
processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710168803.1A
Other languages
English (en)
Other versions
CN108629195A (zh
Inventor
夏蕊
王威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710168803.1A priority Critical patent/CN108629195B/zh
Publication of CN108629195A publication Critical patent/CN108629195A/zh
Application granted granted Critical
Publication of CN108629195B publication Critical patent/CN108629195B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Abstract

本发明实施例提供一种数据处理的方法、装置、电子设备和计算机存储介质。本发明提供的数据处理的方法包括：计算出待处理内容的指标；对所述指标进行归类处理，并且计算出所述指标的敏感系数和临界值；根据归类处理的结果以及所述敏感系数和临界值，计算出所述指标的时间阈值；根据所述时间阈值对所述指标进行模糊处理。

Description

一种数据处理的方法、装置、电子设备和计算机存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种数据处理的方法、装置、电子设备和计算机存储介质。
背景技术
基于现在互联网的通讯，很多内容大都是长久有效的，例如电子邮件或是聊天、搜索记录等。由于其长久性的特点，其内容中涉及到的敏感的数据的安全性问题随之凸显出来，尤其是针对电子邮件。因为，电子邮件是当前企业最重要的信息沟通手段之一，其方便快捷低成本等特性使得电子邮件的使用成为目前人们工作生活的日常习惯。为迎合电商企业的业务快速发展，每天早上以电子邮件的形式定时推送晨报，方便各业务部门可以快速查看整体销售运营情况等。比如利用BI(商业智能Business Intelligence，下文简称BI)工具每天早上定时邮件发送晨报，但并没有采用任何数据模糊装置。
对于通讯数据，其内容长期有效，而其中会包含不同敏感程度的敏感数据，但是现有技术中并没有对其做任何数据模糊处理，这就导致了敏感数据信息的不安全性，如有泄露，则可能会给企业直接造成不可估量的利益损失。
发明内容
有鉴于此，本发明实施例提供一种数据处理的方法、装置、电子设备和计算机存储介质，能够根据对待处理内容中的敏感数据定时做模糊处理，达到保护敏感数据、防止数据不被泄露的效果。
为实现上述目的，根据本发明的一个方面，提供了一种数据处理的方法。
本发明实施例的一种数据处理的方法包括：计算出待处理内容的指标；对所述指标进行归类处理，并且计算出所述指标的敏感系数和临界值；根据所述归类处理以及所述敏感系数和临界值，计算出所述指标的时间阈值；根据所述时间阈值对所述指标进行模糊处理。
可选地，本发明实施例的方法还包括：根据数据复原的申请，对所述指标进行复原处理；并且，根据延期申请，对时间阈值进行延长处理。
可选地，本发明实施例的方法还包括：：对所述指标进行模糊处理之前，进行报警提醒；并且，对所述指标进行模糊处理之后，进行过期提醒。
可选地，对所述指标进行归类处理包括：将所述指标分为业绩类指标、运营类指标和流量类指标。
可选地，根据以下公式计算业绩类指标的时间阈值，
Figure GDA0001459543700000021
其中，s为业绩类指标的敏感系数，y为业绩类指标的临界值，t为业绩类指标的时间阈值。
可选地，根据以下公式计算运营类指标的时间阈值，
Figure GDA0001459543700000022
其中，s为运营类指标的敏感系数，y为运营类指标的临界值，t为运营类指标的时间阈值。
可选地，根据以下公式计算流量类指标的时间阈值，
Figure GDA0001459543700000031
其中，s为流量类指标的敏感系数，y为流量类指标的临界值，t为流量类指标的时间阈值。
为实现上述目的，根据本发明的另一方面，提供了一种数据处理的装置。
本发明的一种数据处理的装置包括：指标计算模块，用于计算出待处理内容的指标；指标归类模块，用于对所述指标进行归类处理，并且计算出所述指标的敏感系数和临界值；时间阈值计算模块，用于根据所述归类处理以及所述敏感系数和临界值，计算出所述指标的时间阈值；处理模块，用于根据所述时间阈值对所述指标进行模糊处理。
可选地，处理模块还用于根据数据复原的申请，对所述指标进行复原处理；以及，根据延期申请，对时间阈值进行延长处理。
可选地，处理模块还用于对所述指标进行模糊处理之前，进行报警提醒；以及，对所述指标进行模糊处理之后，进行过期提醒。
可选地，指标归类模块对所述指标进行归类处理包括：将所述指标分为业绩类指标、运营类指标和流量类指标。
可选地，指标归类模块根据以下公式计算业绩类指标的时间阈值，
Figure GDA0001459543700000041
其中，s为业绩类指标的敏感系数，y为业绩类指标的临界值，t为业绩类指标的时间阈值。
可选地，指标归类模块根据以下公式计算运营类指标的时间阈值，
Figure GDA0001459543700000042
其中，s为运营类指标的敏感系数，y为运营类指标的临界值，t为运营类指标的时间阈值。
可选地，指标归类模块根据以下公式计算流量类指标的时间阈值，
Figure GDA0001459543700000043
其中，s为流量类指标的敏感系数，y为流量类指标的临界值，t为流量类指标的时间阈值。
为实现上述目的，根据本发明的再一方面，提供了一种电子设备。
本发明的一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明所提供的数据处理的方法。
为实现上述目的，根据本发明的再一方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明所提供的数据处理的方法。
根据本发明的技术方案，上述发明中的一个实施例具有如下优点或有益效果：通过对指标进行归类处理，计算指标的敏感系数和临界值，计算出指标的时间阈值，在达到时间阈值后，对指标数据做敏感处理。该指标的维度复杂多变，可以自动细分主题以进行归类处理，根据敏感系数和时间系数进行时间递减，达到时间阈值后，则自动对指标进行模糊处理，进而根据一定的使用场景有效地保护了敏感数据的泄露。从而，克服了现有技术中对邮件内容或是聊天记录、搜索记录等的永久性，导致的数据泄露的危险性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的一种数据处理的方法的主要步骤的示意图；
图2是根据本发明实施例的一种数据处理的装置的主要部分的示意图；
图3是根据本发明实施例的数据处理的装置的示意图；
图4是根据本发明实施例的一种数据处理的电子设备的示意图；
图5是根据本发明实施例的一种数据处理的电子设备的硬件结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种数据处理的方法的主要步骤的示意图。
如图1所示，本发明实施例的调整RTP媒体流传输的方法主要包括如下步骤：
S11:计算出待处理内容的指标。对指标进行计算和统计，主要包括流量、用户、交易数据、以及供应链数据的计算。其中，指标类别是根据待处理内容或业务需求进行统计的，可以进行变化和调整，该计算过程是计算出指标类别的指标值数据，简称为指标，则接下来对指标值数据(指标)进行归类处理等。
对于不同类型数据，指标的计算也有不同：针对流量数据计算，主要包括分平台的页面浏览量PV(page view)、独立用户/访客UV(unique visitor)数量，访次(访客对您网站进行访问的次数)、引入订单量、引入订单金额等指标；针对用户数据计算，主要包括日激活用户、活跃用户、站内新用户、站外新用户、老用户、；针对交易数据计算，主要包括交易时间(包括首次交易和末次交易时间)、交易金额、交易成本、交易频次、毛利等；针对供应链数据计算，主要包括库存金额、库存数量、出库情况、各个库存仓现货情况、区域分布情况等。其中，在后续对指标进行归类处理的过程中，会根据交易时间、交易金额、毛利、交易成本以及交易频次对相应主题的指标进行相应的限定。例如，交易时间可作为时间递减的起点日期，可以作为函数图上的0(起始点)。
S12:对指标进行归类处理，并且计算出指标的敏感系数和临界值。因为针对不同敏感程度的数据，其时间阈值(临界时间点)是不同的，所以要把所有指标根据实际业务场景进行主题细分，对数据按类别进行细分，通过敏感系数和时间递减系数进行来进行设置。业务场景目前主要针对互联网这个大生态，从不同角度考核的指标，目前考虑的主要是业绩、运营、流量等这三大主题已涵盖实际需求，具体的细分方式是要按照实际需求视角来考虑的。本发明实施例中对指标进行归类处理包括：将指标分为业绩类指标、运营类指标和流量类指标。业绩类指标：和销售挂钩，主要是考核人员的主要KPI类指标，比如说销售金额、毛利、流水、净利润等。运营类指标：指导公司运营相关的各种指标，比如为：订单出库情况、、库存周转情况、现金流情况。流量类指标：主要是考核进入主站的流量用户，比如PV浏览量、UV访客数，以及各个流量指标的转化率等。
敏感系数和临界值是在配置文件里设定好的，此配置文件可以是文本。敏感系数和临界值是在配置文件中设置，也可以自行设定，但需要遵循规则，比如，对于自然型递减函数：s(敏感系数)+y(临界值)<＝1。同一个指标的敏感系数固定，在配置文件中定义临界值，针对同一主体可以定义为同一个临界值，比如专利中举的例子都定义为0.3，极端情况下也可以不一致，最大定义最大临界值为1。
S13:根据归类处理的结果以及敏感系数和临界值，计算出指标的时间阈值。通过指标的敏感度和时间的敏感度进行双重考核，业绩类指标属于数据高敏感度、时间高敏感度、周期性不明显的，将会采用递减相对较快的指数递减函数。运营类指标属于敏感度一般、时间敏感度一般、周期性不明显的，将采用递减相对较慢的自然递减函数。流量类指标属于敏感度一般、时间高敏感度，周期性明显的，将采用周期性明显的矩阵递减函数。对于个别比较特定的场景，如需要某些财务指标不按照原自动的指定的指数递减函数递减，可以自定义递减函数，会根据自定义的指定的递减函数，进行下一级的时间递减。
根据以下公式计算业绩类指标的时间阈值，
Figure GDA0001459543700000071
其中，s为业绩类指标的敏感系数，y为业绩类指标的临界值，t为业绩类指标的时间阈值。例如：业绩类敏感系数S为0.04，临界值y＝f(s,t)为0.3，可以算出时间阈值t＝-lnf(s,t)/s＝30天，则在30天以后将该业绩类指标的指标进行模糊处理。
根据以下公式计算运营类指标的时间阈值，
Figure GDA0001459543700000081
其中，s为运营类指标的敏感系数，y为运营类指标的临界值，t为运营类指标的时间阈值。例如，敏感系数S为0.01，临界值y＝f(s,t)为0.3，可以算出时间阈值t＝(1-f(s,t))/s＝70天。
根据以下公式计算流量类指标的时间阈值，
Figure GDA0001459543700000082
其中，s为流量类指标的敏感系数，y为流量类指标的临界值，t为流量类指标的时间阈值。此递减函数不在考虑敏感系数，主要是随着时间将呈现矩阵式进行递减，时间前期递减较为快速，随着时间的逐渐累加递减速度将会减缓。例：临界值y＝f(s,t)为0.3，可以算出时间阈值t＝20～30天，将会视为第20天为时间阈值。
S14:根据时间阈值对指标进行模糊处理，并且根据时间阈值对相应的指标进行模糊处理，因为指标的主题分类不同，则其计算出的时间阈值则可能会不同。本发明实施例中对指标进行模糊处理，使用既有的模糊处理算法，主要是调用既有图片模糊处理算法，将相应的指标进行灰度模糊处理。
在对指标进行模糊处理前，可设置报警提醒的时间和次数等，进而可密集型监控待处理内容。并且，敏感数据的模糊时间界点即将要到模糊的阈值时，例如当时间进度到时间阈值的前3天(提前三天进行报警提醒)时，将会触发过期时间提醒的装置，将会触发消息，报警提醒消息和邮件(待处理内容)一起输出。在邮件打开时弹出消息(可以忽略)，提醒3天后敏感数据将会模糊处理，如需继续使用，可直接进行延期申请，对时间阈值进行延长处理，设置敏感数据模糊的延长时间，重新启动时间递减函数，进行重新计算递减时间(时间阈值)。对指标进行模糊处理之后，进行过期提醒。敏感数据为所有的互联网相关的数据皆是敏感数据，根据不同的敏感系数来看他的敏感度，敏感相对性。
如果数据已过敏感期(超过时间阈值)且被模糊处理，将提醒敏感数据已被模糊处理，如需查看可直接申请数据复原，则采用既有的图片复原算法，将已模糊处理过的指标进行复原处理。
图2是根据本发明实施例的一种数据处理的装置的主要部分的示意图。
如图2所示，本发明实施例的一种数据处理的装置2包括指标计算模块21、指标归类模块22、时间阈值计算模块23和处理模块24。指标计算模块用于计算出待处理内容的指标的数据；指标归类模块用于对指标进行归类处理，并且计算出指标的敏感系数和临界值；时间阈值计算模块用于根据归类处理以及敏感系数和临界值，计算出指标的时间阈值；处理模块，用于根据时间阈值对指标进行模糊处理。处理模块还用于根据数据复原的申请，对指标进行复原处理；以及，根据延期申请，对时间阈值进行延长处理。处理模块还用于对指标进行模糊处理之前，进行报警提醒；以及，对指标进行模糊处理之后，进行过期提醒。指标归类模块对指标进行归类处理包括：将指标分为业绩类指标、运营类指标和流量类指标。
图3是根据本发明实施例的数据处理的装置的示意图。如图3所示，数据处理的装置的指标计算模块用于计算后续模块所需的指标数据。针对流量数据的计算，主要包括分平台的页面浏览量PV(page view)、独立用户/访客UV(unique visitor)数量，访次(访客对您网站进行访问的次数)、引入订单量、引入订单金额等指标；针对用户数据计算，主要包括日激活用户、活跃用户、站内新用户、站外新用户、老用户、；针对交易数据计算，主要包括交易时间(包括首次交易和末次交易时间)、交易金额、交易成本、交易频次、毛利等；针对供应链数据计算，主要包括库存金额、库存数量、出库情况、各个库存仓现货情况、区域分布情况等。指标归类模块根据实际业务场景进行主题细分，通过敏感系数和时间递减系统将指标自动细分归类，分为业绩类指标、运营类指标和流量类指标。对于特定的场景，指标归类模块还可以通过自定义来设置指标主题和类型。指标归类模块将指标进行归类处理之后，为每个类型的指标选取时间递减函数。业绩类指标可采用递减相对较快的指数递减函数，运营类指标可采用递减相对较慢的自然递减函数，流量类指标可采用周期性明显的矩阵递减函数。
时间阈值计算模块按照指标归类模块递减函数的指定，进行时间计算递减。其中，s为敏感系数，同一个指标的敏感系数固定，t为时间横轴，临界值y＝f(s,t)为纵坐标轴。自然递减函数为：
Figure GDA0001459543700000101
指数递减函数为：
Figure GDA0001459543700000102
矩阵递减函数为：
Figure GDA0001459543700000111
对于敏感系数s，同一指标的敏感系数是固定的。并且，在配置文件中定义临界值，针对同一主体可以定义为同一个临界值。
时间阈值计算模块将时间阈值计算出之后，处理模块根据时间阈值用既有的模糊处理算法，灰度模糊处理，对指标的指标进行模糊处理，即当时间超过计算出的时间阈值后，即对指标的指标进行模糊处理。以及，敏感数据的模糊时间界点即将要到模糊的阈值时，触发的提醒，将和邮件一期输出。一旦邮件被打开，将优先弹出即将过期提醒。可以忽略，可以申请敏感数据延期。而且，敏感数据未被模糊处理之前，将会提醒申请延长模糊处理；如果数据已过敏感期且被模糊处理，将提醒敏感数据已被模糊处理，如需查看可直接申请数据复原。
图4是根据本发明实施例的一种数据处理的电子设备的示意图。如图4所示，本发明实施例的一种数据处理的电子设备4包括存储器41和至少一个处理器42，其中，存储器41与至少一个处理器42通过总线连接，存储器41存储有可被一个处理器执行的指令，当本实施例的装置运行时，指令被至少一个处理器执行，以使至少一个处理器能够执行如图1所示的方法流程。
图5是根据本发明实施例的一种数据处理的电子设备的硬件结构示意图。如图5(以一个处理器为例)所示，本实施例的装置还包括输入装置53和输出装置54。存储器51、处理器52和输入装置53、输出装置54可以通过总线或者其他方式连接，图5中以通过总线连接为例。存储器51作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的数据处理的方法对应的程序指令/模块(例如，附图2所示的指标计算模块21、指标归类模块22、时间阈值计算模块23和处理模块24)。处理器52通过运行存储在存储器51中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例数据处理的方法。
存储器51可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据数据处理的电子设备的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器51可选包括相对于处理器52远程设置的存储器，这些远程存储器可以通过网络连接至数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置54可接收输入的数字或字符信息，以及产生与数据处理的电子设备的用户设置以及功能控制有关的键信号输入。输出装置55可包括显示屏等显示设备。
一个或者多个模块存储在存储器51中，当被一个或者多个处理器52执行时，执行上述任意方法实施例中的数据处理的方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非暂态计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory RAM)等。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (7)

1.一种数据处理的方法，其特征在于，包括：
计算出待处理内容的指标；
对所述指标进行归类处理，并且计算出所述指标的敏感系数和临界值；
根据归类处理的结果中各类别指标的数据敏感度、时间敏感度和周期性是否明显，选择递减函数，结合选择出的递减函数以及所述敏感系数和临界值，计算出所述指标的时间阈值；其中，对所述指标进行归类处理包括：将所述指标分为业绩类指标、运营类指标和流量类指标；根据以下公式计算业绩类指标的时间阈值，
Figure FDA0002692943330000011
其中，s为业绩类指标的敏感系数，y为业绩类指标的临界值，t为业绩类指标的时间阈值；
根据以下公式计算运营类指标的时间阈值，
Figure FDA0002692943330000012
其中，s为运营类指标的敏感系数，y为运营类指标的临界值，t为运营类指标的时间阈值；
根据以下公式计算流量类指标的时间阈值，
Figure FDA0002692943330000013
其中，s为流量类指标的敏感系数，y为流量类指标的临界值，t为流量类指标的时间阈值；
当时间进度等于所述时间阈值时，调用模糊处理算法对所述指标进行模糊处理。
2.根据权利要求1所述的方法，其特征在于，还包括：
根据数据复原的申请，对指标进行复原处理；并且，
根据延期申请，对时间阈值进行延长处理。
3.根据权利要求1所述的方法，其特征在于，还包括：
对所述指标进行模糊处理之前，进行报警提醒；并且，
对所述指标进行模糊处理之后，进行过期提醒。
4.一种数据处理的装置，其特征在于，包括：
指标计算模块，用于计算出待处理内容的指标；
指标归类模块，用于对所述指标进行归类处理，并且计算出所述指标的敏感系数和临界值；
时间阈值计算模块，用于根据归类处理的结果中各类别指标的数据敏感度、时间敏感度和周期性是否明显，选择递减函数，结合选择出的递减函数以及所述敏感系数和临界值，计算出所述指标的时间阈值；其中，对所述指标进行归类处理包括：将所述指标分为业绩类指标、运营类指标和流量类指标；根据以下公式计算业绩类指标的时间阈值，
Figure FDA0002692943330000021
其中，s为业绩类指标的敏感系数，y为业绩类指标的临界值，t为业绩类指标的时间阈值；
根据以下公式计算运营类指标的时间阈值，
Figure FDA0002692943330000022
其中，s为运营类指标的敏感系数，y为运营类指标的临界值，t为运营类指标的时间阈值；
根据以下公式计算流量类指标的时间阈值，
Figure FDA0002692943330000031
其中，s为流量类指标的敏感系数，y为流量类指标的临界值，t为流量类指标的时间阈值；
处理模块，用于当时间进度等于所述时间阈值时，调用模糊处理算法对所述指标进行模糊处理。
5.根据权利要求4所述的装置，其特征在于，处理模块还用于根据数据复原的申请，对所述指标进行复原处理；以及，
根据延期申请，对时间阈值进行延长处理。
6.根据权利要求4所述的装置，其特征在于，处理模块还用于对所述指标进行模糊处理之前，进行报警提醒；以及，
对所述指标进行模糊处理之后，进行过期提醒。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
CN201710168803.1A 2017-03-21 2017-03-21 一种数据处理的方法、装置、电子设备和计算机存储介质 Active CN108629195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710168803.1A CN108629195B (zh) 2017-03-21 2017-03-21 一种数据处理的方法、装置、电子设备和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710168803.1A CN108629195B (zh) 2017-03-21 2017-03-21 一种数据处理的方法、装置、电子设备和计算机存储介质

Publications (2)

Publication Number Publication Date
CN108629195A CN108629195A (zh) 2018-10-09
CN108629195B true CN108629195B (zh) 2020-12-22

Family

ID=63687790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710168803.1A Active CN108629195B (zh) 2017-03-21 2017-03-21 一种数据处理的方法、装置、电子设备和计算机存储介质

Country Status (1)

Country Link
CN (1) CN108629195B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051601B (zh) * 2019-12-27 2024-05-03 中移动信息技术有限公司 敏感数据识别方法、装置、设备和介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930217A (zh) * 2012-09-26 2013-02-13 东莞宇龙通信科技有限公司 一种数据保密方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115709A (en) * 1998-09-18 2000-09-05 Tacit Knowledge Systems, Inc. Method and system for constructing a knowledge profile of a user having unrestricted and restricted access portions according to respective levels of confidence of content of the portions
CN102622496B (zh) * 2011-01-26 2016-07-06 中国科学院大气物理研究所 一种嵌入模糊集状态的自适应多步预报方法和系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930217A (zh) * 2012-09-26 2013-02-13 东莞宇龙通信科技有限公司 一种数据保密方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
商业秘密保护中数据脱敏技术研究;崔敏龙;《中国优秀硕士学位论文全文数据库信息科技辑》;20170315(第03期);第1-74页 *

Also Published As

Publication number Publication date
CN108629195A (zh) 2018-10-09

Similar Documents

Publication Publication Date Title
US11567983B2 (en) Detecting, classifying, and enforcing policies on social networking activity
US10235346B2 (en) Method and apparatus for inbound message summarization using message clustering and message placeholders
US20190266444A1 (en) System and Method of Detecting Offensive Content Sent or Received on a Portable Electronic Device
US9405774B2 (en) Automated image organization techniques
CA2817230C (en) Electronic communications triage
CN107133865B (zh) 一种信用分的获取、特征向量值的输出方法及其装置
US11062413B1 (en) Automated secondary linking for fraud detection systems
CA3138730C (en) Public-opinion analysis method and system for providing early warning of enterprise risks
EP3468140A1 (en) Natural language processing artificial intelligence network and data security system
US20160182420A1 (en) Computer-Implemented System And Method For Prioritizing Electronic Messages Based On Importance
US20120143806A1 (en) Electronic Communications Triage
US10956522B1 (en) Regular expression generation and screening of textual items
US20100070372A1 (en) Using spam and user actions to infer advertisements
CN107146012A (zh) 风险事件处理方法及系统
CN106095789A (zh) 一种消息订阅管理装置及方法
CN108629195B (zh) 一种数据处理的方法、装置、电子设备和计算机存储介质
Patidar et al. A novel technique of email classification for spam detection
Khan et al. The presence of Twitter bots and cyborgs in the# FeesMustFall campaign
Lee et al. An online subject-based spam filter using natural language features
US10671654B2 (en) Estimating probability of spreading information by users on micro-weblogs
Manek et al. ReP-ETD: A Repetitive Preprocessing technique for Embedded Text Detection from images in spam emails
US9600825B2 (en) Estimating probability of spreading information by users on micro-weblogs
EP3956774A1 (en) Company size estimation system
Tripathi et al. Time to Modify Operating Software (Os), Databases (Db) and Tcp/Ip Protocols for Data Trash Elimination, Based on User Defined Shelf Life of Data
CN112583768A (zh) 一种用户异常行为检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant