CN109359481B - 一种基于bk树的反碰撞搜索约减方法 - Google Patents

一种基于bk树的反碰撞搜索约减方法 Download PDF

Info

Publication number
CN109359481B
CN109359481B CN201811176662.9A CN201811176662A CN109359481B CN 109359481 B CN109359481 B CN 109359481B CN 201811176662 A CN201811176662 A CN 201811176662A CN 109359481 B CN109359481 B CN 109359481B
Authority
CN
China
Prior art keywords
tree
information
key information
distance
collision
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
CN201811176662.9A
Other languages
English (en)
Other versions
CN109359481A (zh
Inventor
陈勇
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.)
Nanjing Xiaoan Information Technology Co ltd
Original Assignee
Nanjing Xiaoan 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 Nanjing Xiaoan Information Technology Co ltd filed Critical Nanjing Xiaoan Information Technology Co ltd
Priority to CN201811176662.9A priority Critical patent/CN109359481B/zh
Publication of CN109359481A publication Critical patent/CN109359481A/zh
Application granted granted Critical
Publication of CN109359481B publication Critical patent/CN109359481B/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于BK树的反碰撞搜索约减方法，将敏感信息组合分离处理，利用BK树便于搜索快速查找近似字符串匹配的特性，将脱敏后的关键信息分别储存在BK树的内存结构中；同时，结合汉明距离，可以快速准确的计算两个关键信息的距离，便于对输入信息进行是否为恶意行为的判定，以帮助反碰撞系统进行反碰撞分析。本发明在进行反碰撞分析时采取汉明距离计算，而不需要进行大量系统调用，因此也不需要进行大量的数据分析，提高了反碰撞系统的效率。

Description

一种基于BK树的反碰撞搜索约减方法
技术领域
本发明涉及一种搜索约减方法，特别是一种基于BK树的反碰撞搜索约减方法。
背景技术
现今，在金融业蓬勃发展的同时，金融欺诈也变得非常普遍，尤其通过手机、短信、网络电话等实施的金融欺诈，其作案成本低、收益快，发案率远高于破案率，严重危及社会成员的财产安全。由于金融资产流动性强，一旦遭遇欺诈，金融欺诈损失金额巨大且损失速度快。金融欺诈从预谋到实施再到受害者发生实质性的经济损失，一般伴随有时滞性和隐蔽性，金融欺诈很难在第一时间被及时发现和制止。这对每个遭遇金融欺诈的人来说往往是难以承受的，金融欺诈对人民群众的资产安全、精神状态乃至整个金融秩序的稳定造成的负面影响也是难以估量的。
为了应对金融欺诈，金融反欺诈也应运而生。在金融反欺诈业务中，绝大部分接口都依赖外部输入详细信息，系统判断信息准确性。用户输入的信息中经常会包含手机号，银行卡号等敏感信息。通常在这种接口形式下，系统不会有信息泄露的问题。但是如果有非法调用者掌握了部分信息（例如手机号码11位中的9位），那么他有可能可以通过穷举攻击的方式，获取缺失的部分信息。而在反欺诈系统内部，为了保护用户信息，日志都采用脱敏的方式存储。脱敏有两种方式，一种是部分打码，例如手机号11位，可能选择其中的5位明文保存，剩下的用星号表示；另一种是存储一个哈希值，例如sha256。这两种存储方式不论采用哪一种，脱敏后的信息都无法用来进行反碰撞分析。并且系统可能出现大量调用，所以反碰撞系统可能要面对千万甚至是亿级的数据分析需求。因此，为了提交反碰撞系统效率，迫切需要一种新的反碰撞搜索技术提高效率。
发明内容
本发明所要解决的技术问题是提供一种基于BK树的反碰撞搜索约减方法，减少搜索次数，提高反碰撞系统效率。
为解决上述技术问题，本发明所采用的技术方案是：
一种基于BK树的反碰撞搜索约减方法，其特征在于包含以下步骤：
步骤一：将反碰撞的关键信息进行信息脱敏处理；
步骤二：对于脱敏处理后的关键信息，将每个关键信息作为要素单独存储在BK树内存结构中；
步骤三： 采用汉明距离计算BK树种关键信息之间的距离，并根据不同要素及业务场景，设置一个输入次数的初始阙值；
步骤四：根据BK树中关键信息的距离，以及用户当前输入，计算输入之间的汉明距离，进而判断当前输入是否为恶意输入。
进一步地，所述反碰撞的关键词信息包含手机号、身份证号和银行卡号。
进一步地，所述步骤一具体为
使用反碰撞的关键词信息作为待判定敏感信息，若待判定敏感信息单独出现而没有组合在一起，则判定为非敏感信息；若待判定敏感信息组合出现，则判定为敏感信息，将这些组合在一起的信息分开处理使之变成非敏感信息，完成信息脱敏。
进一步地，所述步骤二中BK树内存结构中，每个节点代表一个关键信息，每一条边代表两个关键信息的距离。
进一步地，所述步骤二具体为
在存储过程中，首先随机找一个关键信息作为根R，以后每插入一个关键信息I时，首先计算该关键信息I与根R的编辑距离D，编辑距离指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数；
如果D的数值在该BK树节点处第一次出现，建立一个新的子节点；否则沿着对应的边递归下去；同时，BK树的每个节点都有任意个子节点，BK树中每条边上的数值表示编辑距离；
从字典里构造好树后，当后期需要插入新的关键信息时，计算该关键信息与根的编辑距离D 1 ，并且查找数值为D 1 的边；一直递归与各子节点进行比较，直到没有节点的子节点距离为D 1 ，则创建新的子节点，并将该关键信息保存在新的子节点中。
进一步地，所述步骤三中汉明距离是两个等长字符串之间的汉明距离是指两个字符串对应位置的不同字符的个数。
进一步地，所述步骤三具体为将关键信息以字符串形式进行存储，两个等长关键信息的汉明距离就是指两个字符串对应位置的不同字符的个数，根据业务场景的数据监测，阙值标准是不停的在变化的。
进一步地，所述步骤四重判断当前输入是否为恶意输入具体过程为
若当前输入在BK树结构中的汉明距离都小于预设值且在一定时间内输入尝试次数大于初始阙值，则当前类似搜索过多，判定当前输入为恶意输入；
若当前输入BK树结构中的汉明距离都大于预设值，则认前并没有过多的类似搜索，判定当前输入不是恶意输入。
本发明与现有技术相比，具有以下优点和效果：本发明在进行反碰撞分析时采取汉明距离计算，而不需要进行大量系统调用，因此也不需要进行大量的数据分析，提高了反碰撞系统的效率。
附图说明
图1是本发明的一种基于BK树的反碰撞搜索约减方法的流程图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
如图1所示，本发明的一种基于BK树的反碰撞搜索约减方法，包含以下步骤：
步骤一：将反碰撞的关键信息进行信息脱敏处理；反碰撞的关键词信息包含手机号、身份证号和银行卡号。使用反碰撞的关键词信息作为待判定敏感信息，若待判定敏感信息单独出现而没有组合在一起，则判定为非敏感信息；若待判定敏感信息组合出现，则判定为敏感信息，将这些组合在一起的信息分开处理使之变成非敏感信息，完成信息脱敏。
步骤二：对于脱敏处理后的关键信息，将每个关键信息作为要素单独存储在BK树内存结构中；每个节点代表一个关键信息，每一条边代表两个关键信息的距离。
BK树是一种适用于离散度量空间的度量树。在构造BK树时，每个节点有任意个子节点，每条边有个值表示编辑距离。所有子节点到父节点的边上标注n表示编辑距离恰好为n。从字典里构造好树后，取任意单词作为树的根节点。当插入新单词时，计算该单词与根节点的编辑距离d，并且查找已存在的编辑距离为d的边。递归得与各子节点进行比较，直到没有子节点，则创建新的子节点并将新单词进行保存。
当在BK树中做搜索时，如果搜过与某个单词A距离为n的所有单词，首先计算单词A与根节点的编辑距离d，然后递归查找每个子节点标号为d-n到d+n的边。假如被检查的节点与搜索单词A的距离d小于n，则返回该节点并继续查询。由于BK树是多路查找树，并且是不规则的，因此，在BK树中1个查询的搜索距离不会超过树的5-8%，2个错误查询的搜索距离不会超过树的17-25%，相对于传统的检查每个节点的搜索方法，使用BK树进行的搜索的效率有了很大提高。
例如：假设关键信息为一个手机号15111111111并将其作为BK数根节点， 插入关键信息15111111112，它与15111111111的距离为1，于是新建一个子节点，连一条标号为1的边；下一次插入15111111123，算得它与15111111111的距离为2，于是放在编号为2的边下。再下次我们插入15111111121，它与15111111111距离为1，于是沿着那条编号为1的边下去，递归地插入到15111111112所在子树； 15111111121与15111111112的距离为2，于是把15111111121放在15111111112节点下，边的编号为2。
在存储过程中，首先随机找一个关键信息作为根R，以后每插入一个关键信息I时，首先计算该关键信息I与根R的编辑距离D。编辑距离指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。在该方法中，我们的编辑距离指的是两个关键信息之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。如果D的数值在该BK树节点处第一次出现，建立一个新的儿子节点；否则沿着对应的边递归下去。同时，BK树的每个节点都有任意个子节点，BK树中每条边上的数值表示编辑距离。从字典里构造好树后，当后期需要插入新的关键信息时，计算该关键信息与根的编辑距离D 1 ，并且查找数值为D 1 的边。一直递归与各子节点进行比较，直到没有节点的子节点距离为D 1 ，则创建新的子节点，并将该关键信息保存在新的子节点中。
步骤三： 采用汉明距离计算BK树种关键信息之间的距离，并根据不同要素及业务场景，设置一个输入次数的初始阙值；例入针对手机号采用初始阙值为20，针对身份证号采用初始阙值为50。此汉明距离是两个等长字符串之间的汉明距离是指两个字符串对应位置的不同字符的个数。此外根据业务场景的数据监测，阙值标准是不停的在变化的。
在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。对于固定的长度n，汉明距离是该长度字符向量空间上的度量，它满足非负、唯一及对称性，并且满足三角不等式。对于二进制字符串a与b来说，它等于a 异或b以后所得二进制字符串中“1”的个数。另外二进制字符串的汉明距离也等于n维超正方体两个顶点之间的曼哈顿距离，其中n是两个字串的长度。例如，关键信息15111111111与15212345678的汉明距离为8，因为要替换8个字符，才能将这两个关键信息的一个替换成另外一个。
步骤四：根据BK树中关键信息的距离，以及用户当前输入，计算输入之间的汉明距离，进而判断当前输入是否为恶意输入。
若当前输入在BK树结构中的汉明距离都小于预设值且在一定时间内输入尝试次数大于初始阙值，则当前类似搜索过多，判定当前输入为恶意输入；
若当前输入BK树结构中的汉明距离都大于预设值，则认前并没有过多的类似搜索，判定当前输入不是恶意输入。
通过实验环境为CPU为i7-6700，内存大小为8G。我们输入1000万笔的11位敏感信息，并进行2位近似搜索，通过上述过程实验结果如下：
1.1000万笔11位写入操作耗时约20秒。
2.5万次2位近似搜索，每笔耗时约20到50毫秒。
通过结果我们看到，不管在大量关键信息存储，还是类似信息搜索次数方面，本发明都可以大大减少反碰撞分析的时间，提高效率。
本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于BK树的反碰撞搜索约减方法，其特征在于包含以下步骤：
步骤一：将反碰撞的关键信息进行信息脱敏处理；反碰撞的关键词信息包含手机号、身份证号和银行卡号；
步骤二：对于脱敏处理后的关键信息，将每个关键信息作为要素单独存储在BK树内存结构中；
步骤三： 采用汉明距离计算BK树中关键信息之间的距离，并根据不同要素及业务场景，设置一个输入次数的初始阈值；
步骤四：根据BK树中关键信息的距离，以及用户当前输入，计算输入之间的汉明距离，进而判断当前输入是否为恶意输入；
所述步骤四中判断当前输入是否为恶意输入具体过程为
若当前输入在BK树结构中的汉明距离都小于预设值且在一定时间内输入尝试次数大于初始阈值，则当前类似搜索过多，判定当前输入为恶意输入；
若当前输入BK树结构中的汉明距离都大于预设值，则认前并没有过多的类似搜索，判定当前输入不是恶意输入。
2.按照权利要求1所述的一种基于BK树的反碰撞搜索约减方法，其特征在于：所述步骤一具体为
使用反碰撞的关键词信息作为待判定敏感信息，若待判定敏感信息单独出现而没有组合在一起，则判定为非敏感信息；若待判定敏感信息组合出现，则判定为敏感信息，将这些组合在一起的信息分开处理使之变成非敏感信息，完成信息脱敏。
3.按照权利要求1所述的一种基于BK树的反碰撞搜索约减方法，其特征在于：所述步骤二中BK树内存结构中，每个节点代表一个关键信息，每一条边代表两个关键信息的距离。
4.按照权利要求1所述的一种基于BK树的反碰撞搜索约减方法，其特征在于：所述步骤二具体为
在存储过程中，首先随机找一个关键信息作为根R，以后每插入一个关键信息I时，首先计算该关键信息I与根R的编辑距离D，编辑距离指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数；
如果D的数值在该BK树节点处第一次出现，建立一个新的子节点；否则沿着对应的边递归下去；同时，BK树的每个节点都有任意个子节点，BK树中每条边上的数值表示编辑距离；
从字典里构造好树后，当后期需要插入新的关键信息时，计算该关键信息与根的编辑距离D 1 ，并且查找数值为D 1 的边；一直递归与各子节点进行比较，直到没有节点的子节点距离为D 1 ，则创建新的子节点，并将该关键信息保存在新的子节点中。
5.按照权利要求1所述的一种基于BK树的反碰撞搜索约减方法，其特征在于：所述步骤三中汉明距离是两个等长字符串之间的汉明距离是指两个字符串对应位置的不同字符的个数。
6.按照权利要求1所述的一种基于BK树的反碰撞搜索约减方法，其特征在于：所述步骤三具体为将关键信息以字符串形式进行存储，两个等长关键信息的汉明距离就是指两个字符串对应位置的不同字符的个数，根据业务场景的数据监测，阈值标准是不停的在变化的。
CN201811176662.9A 2018-10-10 2018-10-10 一种基于bk树的反碰撞搜索约减方法 Active CN109359481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811176662.9A CN109359481B (zh) 2018-10-10 2018-10-10 一种基于bk树的反碰撞搜索约减方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811176662.9A CN109359481B (zh) 2018-10-10 2018-10-10 一种基于bk树的反碰撞搜索约减方法

Publications (2)

Publication Number Publication Date
CN109359481A CN109359481A (zh) 2019-02-19
CN109359481B true CN109359481B (zh) 2021-09-14

Family

ID=65348791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811176662.9A Active CN109359481B (zh) 2018-10-10 2018-10-10 一种基于bk树的反碰撞搜索约减方法

Country Status (1)

Country Link
CN (1) CN109359481B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852324A (zh) * 2019-08-23 2020-02-28 上海撬动网络科技有限公司 一种基于深度神经网络集装箱箱号检测方法
CN112613522B (zh) * 2021-01-04 2023-03-14 重庆邮电大学 一种基于融合字形信息的服药单识别结果纠错方法
TWI801287B (zh) * 2021-07-20 2023-05-01 奧義智慧科技股份有限公司 用於產生階層式有向無環圖的事件視覺化裝置與相關的電腦程式產品

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231686A (zh) * 2008-02-02 2008-07-30 湖南大学 一种融合数据库的查询树射频标签反碰撞识别方法
CN101324917A (zh) * 2008-07-18 2008-12-17 广东工业大学 一种rfid标签反碰撞控制方法
CN101493880A (zh) * 2009-01-08 2009-07-29 张长明 一种利用cpld与单片机的跳跃式二进制搜索反碰撞的方法
CN102279915A (zh) * 2011-09-07 2011-12-14 奇智软件（北京）有限公司 一种隐私保护方法及装置
CN104010064A (zh) * 2014-05-14 2014-08-27 北京奇虎科技有限公司 联网搜索号码的方法及装置
CN104601557A (zh) * 2014-12-29 2015-05-06 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于软件定义网络的恶意网站防护方法及系统
CN105045781A (zh) * 2015-08-27 2015-11-11 广州神马移动信息科技有限公司 查询词相似度计算方法及装置、查询词搜索方法及装置
CN105262726A (zh) * 2015-09-10 2016-01-20 中国人民解放军信息工程大学 一种基于大数据行为序列分析的apt攻击检测方法
US9565209B1 (en) * 2015-03-31 2017-02-07 Symantec Corporation Detecting electronic messaging threats by using metric trees and similarity hashes
CN107438049A (zh) * 2016-05-25 2017-12-05 百度在线网络技术（北京）有限公司 一种恶意登录识别方法及装置
CN107784014A (zh) * 2016-08-30 2018-03-09 广州市动景计算机科技有限公司 信息搜索方法、设备及电子设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8438612B2 (en) * 2007-11-06 2013-05-07 Varonis Systems Inc. Visualization of access permission status
CN102073822A (zh) * 2011-01-30 2011-05-25 北京搜狗科技发展有限公司 防止用户信息泄漏的方法及系统
US8413166B2 (en) * 2011-08-18 2013-04-02 International Business Machines Corporation Multithreaded physics engine with impulse propagation
CN102955824A (zh) * 2011-08-31 2013-03-06 国际商业机器公司 用于保密搜索的方法、保密搜索设备、计算机设备
CN106156103B (zh) * 2015-04-02 2019-11-26 广州爱九游信息技术有限公司 一种搜索处理方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231686A (zh) * 2008-02-02 2008-07-30 湖南大学 一种融合数据库的查询树射频标签反碰撞识别方法
CN101324917A (zh) * 2008-07-18 2008-12-17 广东工业大学 一种rfid标签反碰撞控制方法
CN101493880A (zh) * 2009-01-08 2009-07-29 张长明 一种利用cpld与单片机的跳跃式二进制搜索反碰撞的方法
CN102279915A (zh) * 2011-09-07 2011-12-14 奇智软件（北京）有限公司 一种隐私保护方法及装置
CN104010064A (zh) * 2014-05-14 2014-08-27 北京奇虎科技有限公司 联网搜索号码的方法及装置
CN104601557A (zh) * 2014-12-29 2015-05-06 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于软件定义网络的恶意网站防护方法及系统
US9565209B1 (en) * 2015-03-31 2017-02-07 Symantec Corporation Detecting electronic messaging threats by using metric trees and similarity hashes
CN105045781A (zh) * 2015-08-27 2015-11-11 广州神马移动信息科技有限公司 查询词相似度计算方法及装置、查询词搜索方法及装置
CN105262726A (zh) * 2015-09-10 2016-01-20 中国人民解放军信息工程大学 一种基于大数据行为序列分析的apt攻击检测方法
CN107438049A (zh) * 2016-05-25 2017-12-05 百度在线网络技术（北京）有限公司 一种恶意登录识别方法及装置
CN107784014A (zh) * 2016-08-30 2018-03-09 广州市动景计算机科技有限公司 信息搜索方法、设备及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An Adapted Query Tree Anti-Collision Algorithm Based on Information of Collided Tags;Yezi Xu;《 2018 13th International Conference on Computer Science & Education (ICCSE)》;20180920;全文 *
基于BK树的扩展置信规则库结构优化框架;苏群 等;《计算机科学与探索》;20160229;第10卷(第2期);第257-267页 *
拼写纠错的利器,BK树算法;胡立峰;《https://www.cnblogs.com/sddai/p/6113992.html》;20160726;全文 *

Also Published As

Publication number Publication date
CN109359481A (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
CN109445834B (zh) 基于抽象语法树的程序代码相似性快速比较方法
KR101627592B1 (ko) 비밀 정보의 검출
CN109359481B (zh) 一种基于bk树的反碰撞搜索约减方法
CN107025239B (zh) 敏感词过滤的方法和装置
CN106909575B (zh) 文本聚类方法和装置
CN110826605A (zh) 一种跨平台识别用户的方法及装置
US20220004621A1 (en) Data recovery through reversal of hash values using probabilistic data structures
CN116562297B (zh) 基于HTrie树的中文敏感词变形体识别方法及系统
CN110489997A (zh) 一种基于模式匹配算法的敏感信息脱敏方法
CN111984732B (zh) 在区块链上实现去中心化检索的方法、节点及区块链网络
CN113901474A (zh) 一种基于函数级代码相似性的漏洞检测方法
CN111767364A (zh) 数据处理方法、装置和设备
CN112084531B (zh) 数据敏感程度分级方法、装置、设备及存储介质
US8051060B1 (en) Automatic detection of separators for compression
CN111414621B (zh) 一种恶意网页文件识别方法及装置
CN116055067B (zh) 一种弱口令检测的方法、装置、电子设备及介质
CN110532805B (zh) 数据脱敏方法及装置
CN109918638B (zh) 一种网络数据监测方法
CN113094703B (zh) 针对web入侵检测的输出内容过滤方法及系统
CN112989793B (zh) 文章检测方法及装置
CN111639056B (zh) 保存文件的方法及装置
CN116028988B (zh) 一种电子数据固证方法、终端及系统
CN110071849B (zh) 一种安全协议实施安全性分析方法、装置、介质及设备
CN111881275B (zh) 高效的热点识别及匹配方法
CN110866144B (zh) 歌曲检索方法及装置

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