CN109977222A - 数据敏感行为的识别方法 - Google Patents
数据敏感行为的识别方法 Download PDFInfo
- Publication number
- CN109977222A CN109977222A CN201910165416.1A CN201910165416A CN109977222A CN 109977222 A CN109977222 A CN 109977222A CN 201910165416 A CN201910165416 A CN 201910165416A CN 109977222 A CN109977222 A CN 109977222A
- Authority
- CN
- China
- Prior art keywords
- data
- recognition methods
- grade
- sensitive
- sensitive behavior
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据敏感行为的识别方法,包括如下步骤:A)对数据进行分类,将其划分为四个数据类型;所述数据类型包括用户身份相关数据、用户服务内容数据、用于服务衍生数据和企业运营管理数据;B)根据数据敏感程度的不同,对数据进行分级,划分为四个级别;所述级别包括第1级、第2级、第3级和第4级;C)对不同级别的数据进行分级管控;D)对不同级别的数据采取不同程度的模糊化或标签化处理。实施本发明的数据敏感行为的识别方法,具有以下有益效果:能实现数据在不同安全级别的有效管控、大大加强数据泄露的技术成本。
Description
技术领域
本发明涉及数据安全领域,特别涉及一种数据敏感行为的识别方法。
背景技术
数字信息顾名思义就是信息数字化。它不是由纸张或其他形式做载体,而是由数字编码组成,以INTERNET或其他各种传输途径为载体的一种高科技信息手段。数字信息化是国际发展趋势,各国都对数字信息化的发展极其重视。由于数字信息的激增,数据泄露已经成为全球最常见的网络安全事件之一,而且已经有愈演愈烈的趋势,数据泄露威胁持续增长,不仅给企业带来数据资产的严重损失,还带来了巨大的社会影响。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种能实现数据在不同安全级别的有效管控、大大加强数据泄露的技术成本的数据敏感行为的识别方法。
本发明解决其技术问题所采用的技术方案是:构造一种数据敏感行为的识别方法,包括如下步骤:
A)对数据进行分类,将其划分为四个数据类型;所述数据类型包括用户身份相关数据、用户服务内容数据、用于服务衍生数据和企业运营管理数据;
B)根据数据敏感程度的不同,对数据进行分级,划分为四个级别;所述级别包括第1级、第2级、第3级和第4级;
C)对不同级别的数据进行分级管控;
D)对不同级别的数据采取不同程度的模糊化或标签化处理。
在本发明所述的数据敏感行为的识别方法中,在所述步骤A)中,采用机器学习的方式对数据进行分类,具体如下:将待分类数据输入至预设模型,得到所述待分类数据的类型,所述预设模型是通过多组数据训练得出的,每组数据包括数据和用于标记数据类型的标记。
在本发明所述的数据敏感行为的识别方法中,在所述步骤A)中,采用聚类模型对数据进行分类,具体如下:确定数据中的关键词,将所述关键词转换为词向量,利用所述词向量之间的距离对所述关键词进行分类,得到分类结果,依据所述分类结果确定数据的类型。
在本发明所述的数据敏感行为的识别方法中,如果同一批数据中各属性或字段的分级不同,按照定级最高的属性或字段的级别一并进行安全管控。
在本发明所述的数据敏感行为的识别方法中,所述数据敏感程度通过以下方式进行量化:确定数据中的关键词;确定关键词所属的词集;确定所述词集对应的评价指标,所述评价指标为敏感等级或敏感值,所述评价指标是预先设定的,或者是依据词集中的关键词的初始评价指标确定所述词集的评价指标。
在本发明所述的数据敏感行为的识别方法中,当对外提供的数据中有敏感级别不同的数据,且不能分别处理输出时,则按照高敏感级别数据的管控要求处理输出。
在本发明所述的数据敏感行为的识别方法中,在进行模糊化处理时,对于第4级数据,在输出时全部用非可读性字符表示;对于第3级数据,根据数据类型的不同,确定输出全部数据或将输出的全部数据中的部分数据用字符表示;对于第2级数据,采用可识别的数字或自定义标签来表示。
在本发明所述的数据敏感行为的识别方法中,在对数据进行模糊化处理时,能同时对同一类型的数据进行模糊化处理。
实施本发明的数据敏感行为的识别方法,具有以下有益效果:由于数据进行分类;根据数据敏感程度的不同对数据进行分级;对不同级别的数据进行分级管控;对不同级别的数据采取不同程度的模糊化或标签化处理;能对数据字段进行分类和级别的标记,加工后的数据字段与存在血缘关系的原数据之间有严格的敏感级别标记体系,本发明能实现数据在不同安全级别的有效管控、大大加强数据泄露的技术成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明数据敏感行为的识别方法一个实施例中的流程图;
图2为所述实施例中数据分类表;
图3为所述实施例中数据分级表;
图4为所述实施例中用户身份和签权数据模糊化规则示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明数据敏感行为的识别方法实施例中,该数据敏感行为的识别方法的流程图如图1所示。图1中,该数据敏感行为的识别方法包括如下步骤:
步骤S01对数据进行分类,将其划分为四个数据类型:本步骤中,根据公司内部管理和对外开放场景的特点,为便于对数据进行统一管理及推广应用,将企业内部B域系统、0域系统、M域系统、信令\\oP工系统、业务管理平台等数据整合,将其划分为四个数据类型。该四个数据类型包括用户身份相关数据、用户服务内容数据、用于服务衍生数据和企业运营管理数据。图2为本实施例中数据分类表。在实际应用中,各单位可在本分类方法的基础上,根据自身情况进一步补充细化。
在对数据进行分类时,可以采用机器学习的方式进行,例如:将待分类数据输入至预设模型,得到待分类数据的类型,其中,该预设模型是通过多组数据训练得出的,每组数据包括数据和用于标记数据类型的标记。
在对数据进行分类时,还可以采用聚类模型进行分类,例如,将确定数据中的关键词,将关键词转换为词向量,然后利用词向量之间的距离(例如欧氏距离)对关键词进行分类,得到上述分类结果;依据该分类结果确定数据的类型。
步骤S02根据数据敏感程度的不同,对数据进行分级,划分为四个级别:本步骤中,根据数据敏感程度的不同,对数据进行分级,可以划分为四个级别。该四个级别包括第1级、第2级、第3级和第4级。图3为本实施例中数据分级表。
具体而言,数据分级应依据以下分级原则:1.各级界限明确原则:数据分级是按照数据敏感程度进行划分;2.就高不就低原则:如果同一批数据中各属性或字段的分级不同,需要按照定级最高的属性或字段的级别一并实施安全管控,即“就高不就低”。
其中,数据敏感程度可以通过以下方式进行量化:确定数据中的关键词;确定关键词所属的词集;确定该词集对应的评价指标,例如,敏感等级、敏感值等。其中,上述评价指标可以是预先设定的,也可以是依据词集中的关键词的初始评价指标确定词集的评价指标。对于后者,包括但不限于:确定词集中各个关键词的初始评价指标以及各自的权重;依据上述初始评价指标及对应的权重确定词集中各个关键词的评价指标;依据所述各个关键词的评价指标确定所述词集的评价指标。
步骤S03对不同级别的数据进行分级管控:本步骤中,对不同级别的数据进行分级管控。
其中,级别越高管控力度越大。原则上各个级别按照自身级别的管控要求处理输出。若对外提供的数据中有敏感级别不同的数据,且不能分别处理输出的,则按照高敏感级别数据的管控要求处理输出。
对于用户数据和企业数据可以划分为1-4级数据。
1)第4级数据:第4级数据不能离开公司内网环境,严禁以任何形式(包括原始数据、脱敏数据、标签数据、群体数据)对外开放。
2)第3级数据:
21)原始数据:
用户数据中,禁止向业务合作方提供第3级原始数据;在用户授权、业务管理部门和信息安全管理部门审核后方可向业务合作方提供用户数据验证服务。
企业运营管理数据中,严禁对外输出原始数据。
22)脱敏数据:
用户数据中,(A1-1)自然人身份标识、(A1-2)网络身份标识和(B1-2)联系人信息脱敏数据需要在用户授权、业务管理部门和信息安全管理部门审核后方可向业务合作方提供;其他第3级脱敏数据对外提供通过业务管理部门和信息安全管理部门审核即可。
企业运营管理数据中,脱敏数据必须经过业务管理部门和信息安全管理部门审核后方可对外开放。
23)标签数据:
用户数据中,(A1-1)自然人身份标识、(A1-2)网络身份标识、(B1-2)联系人信息、(C1-4)位置信息的标签数据需要在用户授权、业务管理部门和信息安全管理部门审核后方可向业务合作方提供;其他第3级标签数据通过业务管理部门和信息安全管理部门审核即可。
企业运营管理数据中,标签数据必须经过业务管理部门和信息安全管理部门审核后方可对外开放。
24)群体数据:
用户数据中,群体数据在业务管理部门和信息安全管理部门审核后方可向业务合作方提供。
企业运营管理数据中,群体数据必须经过业务管理部门和信息安全管理部门审核后方可对外开放。
3)第2级数据:
31)原始数据:
用户数据中,禁止向业务合作方提供第2级原始数据。
企业运营管理数据中,严禁对外输出第2级原始数据。
32)脱敏数据:
在用户数据中,(C1-3)消费信息和账单的脱敏数据需要取得用户授权或者具备第三方授权协议,并通过业务管理部门和信息安全管理部门审核后方可对外开放;其它第2级脱敏数据通过业务管理部门和信息安全管理部门审核后可对外开放。
企业运营管理数据中,第2级脱敏数据通过业务管理部门和信息安全管理部门审核后可对外开放。
33)标签数据:
在用户数据中,(C1-3)消费信息和账单的标签数据需要取得用户授权或者具备第三方授权协议,并通过业务管理部门和信息安全管理部门审核后方可对外开放;其它第2级标签数据通过业务管理部门和信息安全管理部门审核后可对外开放。
在满足相关保密制度要求、市场和业务安全策略及开放数据规模严格受控的前提下,可向第三方提供标签数据查询服务。企业运营管理数据中,第2级标签数据通过业务管理部门和信息安全管理部门审核后可对外开放。
34)群体数据:
用户数据中,第2级用户群体数据可对外开放。企业运营管理数据中,第2级群体数据通过业务管理部门和信息安全管理部门审核后可对外开放。
4)第1级数据:
在用户数据中,CC1-1)业务订购关系和(C1-5)违规记录数据的原始数据需要取得用户授权或者具备第三方授权协议,并通过业务管理部门和信息安全管理部门审核后方可对外开放;其他第1级各类数据可以对外开放。
在满足相关保密制度要求、市场和业务安全策略及规模严格受控的前提下,可向第三方提供标签数据查询服务。企业运营管理数据中,第1级数据可以对外开放。
需要说明的是,对于用户数据和企业数据即使两者属于同一等级,采用的管控措施可以是相同的或不同的。
步骤S04对不同级别的数据采取不同程度的模糊化或标签化处理:本步骤中,对不同级别的用户数据,保护和商业秘密保护的要求,在查询、展现、统计操作时,应根据用户个人隐私采取不同程度的模糊化或标签化处理机制。
数据模糊化是采用较为简易的方式去除具有识别度的用户信息。对于特定的应用场景,数据模糊化方法可能并不能满足数据应用需求,应根据具体应用场景选择适合的方式保护敏感数据。图4为本实施例中用户身份和签权数据模糊化规则示意图。
对于第4级数据,在输出时全部用非可读性字符表示,例如,用“*”表示,其中,字符的数量可以为多个,例如8个。
对于第3级数据,根据数据类型的不同,确定输出全部数据或将输出的全部数据中的部分数据用字符表示。
对于第2级数据,可以采用可识别的数字或自定义标签(例如型号、厂商名称)等表示。
从上面可以看出,对数据进行模糊化处理时,依据数据类型的不同可以采用不同的模糊方式,例如,对于身份证号码等敏感度较高的数据,可以直接将身份证号码中的部分或全部数据用非可识别字符(例如*表示),对于时间或区域信息可以使用其上一级数据代替,例如,将商品的到期时间(包括年月日)用年来代替。
另外,对于每种数据类型,可以对应多种模糊化方式,此时,可以根据应用场景的不同确定数据类型对应的模糊化方式,其中,上述应用场景可以通过数据在的数据流类型或文本确定,对于后者,需要识别文本的语义,以确定应用场景。
在对数据进行模糊化处理时,考虑到模糊化的效率问题,可以同时对同一类型的数据进行模糊化处理,例如:对于用户信息,在有多个用户时,确定多个用户对应的数据敏感值;将具有相同数据敏感值或属于同一数据敏感范围的数据归为一类,对于该类数据进行统一的模糊化处理。
总之,本发明利用大数据平台基于元数据的敏感行为识别技术,主要原理是通过元数据定义对敏感数据字段的分类和级别进行标识,分析字段的血缘关系,当使用开发控件加工数据时,解析开发程序中字段之间的血缘关系。若加工后的数据取自一个原数据,则前者被标记等同于后者的敏感级别;若加工后的数据取自多个原数据,则前者被标记后者中最高级的敏感级别。对于出现字段降级的情况进行提示告警,对于统计函数则加入白名单。
本发明能对数据字段进行分类和级别的标记,加工后的数据字段与存在血缘关系的原数据之间有严格的敏感级别标记体系,本发明能实现数据在不同安全级别的有效管控,大大加强了数据泄露的技术成本。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种数据敏感行为的识别方法,其特征在于,包括如下步骤:
A)对数据进行分类,将其划分为四个数据类型;所述数据类型包括用户身份相关数据、用户服务内容数据、用于服务衍生数据和企业运营管理数据;
B)根据数据敏感程度的不同,对数据进行分级,划分为四个级别;所述级别包括第1级、第2级、第3级和第4级;
C)对不同级别的数据进行分级管控;
D)对不同级别的数据采取不同程度的模糊化或标签化处理。
2.根据权利要求1所述的数据敏感行为的识别方法,其特征在于,在所述步骤A)中,采用机器学习的方式对数据进行分类,具体如下:将待分类数据输入至预设模型,得到所述待分类数据的类型,所述预设模型是通过多组数据训练得出的,每组数据包括数据和用于标记数据类型的标记。
3.根据权利要求1所述的数据敏感行为的识别方法,其特征在于,在所述步骤A)中,采用聚类模型对数据进行分类,具体如下:确定数据中的关键词,将所述关键词转换为词向量,利用所述词向量之间的距离对所述关键词进行分类,得到分类结果,依据所述分类结果确定数据的类型。
4.根据权利要求1所述的数据敏感行为的识别方法,其特征在于,如果同一批数据中各属性或字段的分级不同,按照定级最高的属性或字段的级别一并进行安全管控。
5.根据权利要求1至4任意一项所述的数据敏感行为的识别方法,其特征在于,所述数据敏感程度通过以下方式进行量化:确定数据中的关键词;确定关键词所属的词集;确定所述词集对应的评价指标,所述评价指标为敏感等级或敏感值,所述评价指标是预先设定的,或者是依据词集中的关键词的初始评价指标确定所述词集的评价指标。
6.根据权利要求1至4任意一项所述的数据敏感行为的识别方法,其特征在于,当对外提供的数据中有敏感级别不同的数据,且不能分别处理输出时,则按照高敏感级别数据的管控要求处理输出。
7.根据权利要求1至4任意一项所述的数据敏感行为的识别方法,其特征在于,在进行模糊化处理时,对于第4级数据,在输出时全部用非可读性字符表示;对于第3级数据,根据数据类型的不同,确定输出全部数据或将输出的全部数据中的部分数据用字符表示;对于第2级数据,采用可识别的数字或自定义标签来表示。
8.根据权利要求1至4任意一项所述的数据敏感行为的识别方法,其特征在于,在对数据进行模糊化处理时,能同时对同一类型的数据进行模糊化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165416.1A CN109977222A (zh) | 2019-03-05 | 2019-03-05 | 数据敏感行为的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165416.1A CN109977222A (zh) | 2019-03-05 | 2019-03-05 | 数据敏感行为的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977222A true CN109977222A (zh) | 2019-07-05 |
Family
ID=67077954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910165416.1A Pending CN109977222A (zh) | 2019-03-05 | 2019-03-05 | 数据敏感行为的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977222A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580416A (zh) * | 2019-09-11 | 2019-12-17 | 国网浙江省电力有限公司信息通信分公司 | 一种基于人工智能的敏感数据自动识别方法 |
CN110851864A (zh) * | 2019-11-08 | 2020-02-28 | 国网浙江省电力有限公司信息通信分公司 | 一种敏感数据自动识别和处理方法及系统 |
CN111079174A (zh) * | 2019-11-21 | 2020-04-28 | 中国电力科学研究院有限公司 | 基于匿名化及差分隐私技术的用电数据脱敏方法及系统 |
CN111161737A (zh) * | 2019-12-23 | 2020-05-15 | 北京欧珀通信有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN111177743A (zh) * | 2019-12-06 | 2020-05-19 | 西安交通大学 | 一种面向信用大数据的风险控制方法及其系统 |
CN111191282A (zh) * | 2019-12-25 | 2020-05-22 | 苏宁云计算有限公司 | 一种敏感数据的管理方法和系统 |
CN111191276A (zh) * | 2019-12-05 | 2020-05-22 | 平安银行股份有限公司 | 数据脱敏方法、装置、存储介质及计算机设备 |
CN112417492A (zh) * | 2020-12-29 | 2021-02-26 | 中科院计算技术研究所大数据研究院 | 基于数据分类分级的服务提供方法 |
CN112685775A (zh) * | 2020-12-29 | 2021-04-20 | 北京八分量信息科技有限公司 | 区块链系统中数据防泄漏的监测方法、装置及相关产品 |
CN112765658A (zh) * | 2021-01-15 | 2021-05-07 | 杭州数梦工场科技有限公司 | 一种数据脱敏方法、装置及电子设备和存储介质 |
CN112925914A (zh) * | 2021-03-31 | 2021-06-08 | 携程旅游网络技术(上海)有限公司 | 数据安全分级方法、系统、设备及存储介质 |
CN113239392A (zh) * | 2021-04-02 | 2021-08-10 | 国网福建省电力有限公司信息通信分公司 | 一种基于数据中台敏感数据脱敏方法 |
CN116681086A (zh) * | 2023-07-31 | 2023-09-01 | 深圳市傲天科技股份有限公司 | 数据分级方法、系统、设备及存储介质 |
CN117786545A (zh) * | 2024-02-28 | 2024-03-29 | 北京宇信科技集团股份有限公司 | 一种数据分类方法、分类系统、存储介质和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426599A (zh) * | 2011-11-09 | 2012-04-25 | 中国人民解放军信息工程大学 | 基于d-s证据理论的敏感信息检测方法 |
CN103744654A (zh) * | 2013-12-20 | 2014-04-23 | 中电长城网际系统应用有限公司 | 基于分级分类的信息防泄漏模板的生成方法和装置 |
CN107480549A (zh) * | 2017-06-28 | 2017-12-15 | 银江股份有限公司 | 一种面向数据共享的敏感信息脱敏方法及系统 |
CN109101597A (zh) * | 2018-07-31 | 2018-12-28 | 中电传媒股份有限公司 | 一种电力新闻数据采集系统 |
-
2019
- 2019-03-05 CN CN201910165416.1A patent/CN109977222A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426599A (zh) * | 2011-11-09 | 2012-04-25 | 中国人民解放军信息工程大学 | 基于d-s证据理论的敏感信息检测方法 |
CN103744654A (zh) * | 2013-12-20 | 2014-04-23 | 中电长城网际系统应用有限公司 | 基于分级分类的信息防泄漏模板的生成方法和装置 |
CN107480549A (zh) * | 2017-06-28 | 2017-12-15 | 银江股份有限公司 | 一种面向数据共享的敏感信息脱敏方法及系统 |
CN109101597A (zh) * | 2018-07-31 | 2018-12-28 | 中电传媒股份有限公司 | 一种电力新闻数据采集系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580416A (zh) * | 2019-09-11 | 2019-12-17 | 国网浙江省电力有限公司信息通信分公司 | 一种基于人工智能的敏感数据自动识别方法 |
CN110851864A (zh) * | 2019-11-08 | 2020-02-28 | 国网浙江省电力有限公司信息通信分公司 | 一种敏感数据自动识别和处理方法及系统 |
CN111079174A (zh) * | 2019-11-21 | 2020-04-28 | 中国电力科学研究院有限公司 | 基于匿名化及差分隐私技术的用电数据脱敏方法及系统 |
CN111191276A (zh) * | 2019-12-05 | 2020-05-22 | 平安银行股份有限公司 | 数据脱敏方法、装置、存储介质及计算机设备 |
CN111191276B (zh) * | 2019-12-05 | 2023-09-19 | 平安银行股份有限公司 | 数据脱敏方法、装置、存储介质及计算机设备 |
CN111177743B (zh) * | 2019-12-06 | 2022-02-22 | 西安交通大学 | 一种面向信用大数据的风险控制方法及其系统 |
CN111177743A (zh) * | 2019-12-06 | 2020-05-19 | 西安交通大学 | 一种面向信用大数据的风险控制方法及其系统 |
CN111161737A (zh) * | 2019-12-23 | 2020-05-15 | 北京欧珀通信有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN111191282A (zh) * | 2019-12-25 | 2020-05-22 | 苏宁云计算有限公司 | 一种敏感数据的管理方法和系统 |
CN112417492A (zh) * | 2020-12-29 | 2021-02-26 | 中科院计算技术研究所大数据研究院 | 基于数据分类分级的服务提供方法 |
CN112685775A (zh) * | 2020-12-29 | 2021-04-20 | 北京八分量信息科技有限公司 | 区块链系统中数据防泄漏的监测方法、装置及相关产品 |
CN112765658A (zh) * | 2021-01-15 | 2021-05-07 | 杭州数梦工场科技有限公司 | 一种数据脱敏方法、装置及电子设备和存储介质 |
CN112925914A (zh) * | 2021-03-31 | 2021-06-08 | 携程旅游网络技术(上海)有限公司 | 数据安全分级方法、系统、设备及存储介质 |
CN112925914B (zh) * | 2021-03-31 | 2024-03-15 | 携程旅游网络技术(上海)有限公司 | 数据安全分级方法、系统、设备及存储介质 |
CN113239392A (zh) * | 2021-04-02 | 2021-08-10 | 国网福建省电力有限公司信息通信分公司 | 一种基于数据中台敏感数据脱敏方法 |
CN116681086A (zh) * | 2023-07-31 | 2023-09-01 | 深圳市傲天科技股份有限公司 | 数据分级方法、系统、设备及存储介质 |
CN116681086B (zh) * | 2023-07-31 | 2024-04-02 | 深圳市傲天科技股份有限公司 | 数据分级方法、系统、设备及存储介质 |
CN117786545A (zh) * | 2024-02-28 | 2024-03-29 | 北京宇信科技集团股份有限公司 | 一种数据分类方法、分类系统、存储介质和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977222A (zh) | 数据敏感行为的识别方法 | |
CN110674274B (zh) | 一种针对食品安全法规问答系统的知识图谱构建方法 | |
CN111767716B (zh) | 企业多级行业信息的确定方法、装置及计算机设备 | |
CN107861951A (zh) | 智能客服中的会话主题识别方法 | |
CN106504079A (zh) | 一种综合式财务管理方法及其管理平台 | |
CN106709370B (zh) | 一种基于文本内容的长词识别方法及系统 | |
CN106372798A (zh) | 一种基于风险的用户自定义的合同生成方法和系统 | |
Schreyer et al. | Adversarial learning of deepfakes in accounting | |
CN112184145A (zh) | 一种基于ai无人干预审批系统 | |
CN109214914A (zh) | 一种基于通信开放平台的借贷信息审核方法及装置 | |
CN114265967B (zh) | 一种敏感数据安全等级标注方法及装置 | |
WO2020114302A1 (zh) | 一种行为预测方法 | |
CN110443236A (zh) | 贷后文本要点信息提取方法及装置 | |
CN113139876A (zh) | 风险模型训练方法、装置、计算机设备及可读存储介质 | |
CN110263817B (zh) | 一种基于用户账号的风险等级划分方法及装置 | |
Xu et al. | Identifying fintech innovations with patent data: A combination of textual analysis and machine-learning techniques | |
CN113487241A (zh) | 企业环保信用等级的分类方法、装置、设备及存储介质 | |
CN115907968A (zh) | 一种基于人行征信的风控拒绝推断方法及设备 | |
CN110322251A (zh) | 电子商务平台认证方法、装置、计算机设备及存储介质 | |
CN115908062A (zh) | 一种知识产权全周期管理系统 | |
CN112634048B (zh) | 一种反洗钱模型的训练方法及装置 | |
CN111915109B (zh) | 医疗筹款装置、系统及方法 | |
Demir et al. | Institutional similarity, firm heterogeneity and export sophistication | |
Gupta et al. | A solution for preventing fraudulent financial reporting using descriptive data mining techniques | |
Tornés et al. | Knowledge-based techniques for document fraud detection: a comprehensive study |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |