CN112333288A - 一种智慧学堂数据安全防护方法、系统及可读存储介质 - Google Patents
一种智慧学堂数据安全防护方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN112333288A CN112333288A CN202110000646.XA CN202110000646A CN112333288A CN 112333288 A CN112333288 A CN 112333288A CN 202110000646 A CN202110000646 A CN 202110000646A CN 112333288 A CN112333288 A CN 112333288A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- weight
- comparison
- feature vector
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/40—Network security protocols
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Storage Device Security (AREA)
Abstract
本发明实施例提供一种智慧学堂数据安全防护方法、系统及可读存储介质,根据目标数据对应的用户设备的设备类型序列以及数据类型序列分别对应的安全重要性等级,对目标数据采取不同防护等级的数据安全防护策略。一方面保证了智慧学堂平台数据安全性,另一方面根据不同的用户设备类型以及不同的数据类型对数据的重要性程度进行区分,解决了现有技术中单纯的采用统一的防护策略对数据进行保护而导致的平台运算负载压力过高以及算力浪费的问题,或者针对特定数据的防护等级不足而存在安全风险的问题。本发明使得目标数据不但能得到符合要求的防护等级的数据防护,还能均衡智慧学堂平台服务器的运算负载压力。
Description
技术领域
本发明涉及数据安全技术领域,具体而言,涉及一种智慧学堂数据安全防护方法、系统及可读存储介质。
背景技术
提供在线学习课程的智慧学堂,是基于“互联网+教育”的产物,其中,大规模开放的在线课程(Massive Open Online Course,MOOC,又称“慕课”),是新近涌现出来的一种典型的在线课程开发模式。随着智慧学堂的受众规模逐渐扩大,智慧学堂平台上会产生大量的数据,包括用户隐私数据、学员终端与教师终端上传的相关数据等,而保障数据的安全对于智慧学堂平台来说,是关乎生死的重要问题。在数据量呈TB级增长的情况下 ,如何保证海量数据的安全,是本领域技术人员所面临的重要技术问题。
发明内容
基于现有设计的不足,本发明实施例提供一种智慧学堂数据安全防护方法,应用于与多个用户设备通信连接的智慧学堂平台服务器,所述方法包括:
获取目标用户设备发送的目标数据,并对所述目标数据进行解析获得所述目标数据对应的目标用户设备的设备信息以及所述目标数据对应数据属性信息;
根据所述设备信息确定所述目标用户设备所属的设备类型序列;
根据所述数据属性信息确定所述目标数据所属的数据类型序列;
根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级;
根据所述设备防护等级和所述数据防护等级,确定一综合防护等级;
根据所述综合防护等级确定与所述目标数据匹配的目标安全防护策略,并按照所述目标安全防护策略对所述目标数据进行安全防护。
本发明中,上述根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级,包括:
获取所述设备类型序列以及所述数据类型序列分别对应的第一权重系数和第二权重系数,其中,所述第一权重系数用于表示所述设备防护等级,所述第二权重系数用于表示所述数据防护等级;
对所述第一权重系数和第二权重系数进行加权求和获得一组合权重系数,其中,所述组合权重系数用于表示所述综合防护等级;
根据所述组合权重系数以及预设的权重系数与安全防护策略的映射关系表得到所述目标安全防护策略。
本发明中,所述根据所述设备信息确定所述目标用户设备所属的设备类型序列,包括:
对所述设备信息进行解析,获得所述设备信息中包括的用户标识信息;
将所述用户标识信息与所述智慧学堂平台服务器中的多个数据表的序列标签进行匹配,将与所述用户标识信息匹配的序列标签对应的设备类型序列作为所述目标用户设备所属的设备类型序列,其中,每个数据表用于存储一种设备类型序列对应的用户设备的设备信息;
所述根据所述数据属性信息确定所述目标数据所属的数据类型序列,包括:
将所述数据属性信息与所述智慧学堂平台服务器中的多个数据存储池对应的存储池标识进行匹配,将匹配的存储池标识对应的数据类型序列作为所述目标数据所属的数据类型序列,其中,每个数据存储池用于存储一个数据类型序列对应的数据。
本发明中,所述目标安全防护策略包括数据加密策略以及防火墙策略,所述按照所述目标安全防护策略对所述目标数据进行安全防护,包括:
根据所述防火墙策略查询所述智慧学堂平台服务器中配置有该防火墙策略的目标数据存储池;
根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池。
本发明中,所述数据加密策略包括至少两个不同安全等级的数据加密方式,其中,当所述数据加密策略包括的数据加密方式达到预设的安全等级时,根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池,包括:
根据所述目标数据获取包含多个数据特征信息的特征集合以及所述特征集合对应的特征权重表,所述特征权重表包括所述特征集合的数据特征信息对应的权重,其中,所述特征权重表包括多个对照权重;
对多个数据特征信息进行特征提取,得到与多个对照权重具有映射关系的特征向量;
根据所述特征向量与多个对照权重在预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度;
对各所述特征向量与目标对照权重之间的关联置信度进行均值融合处理,并根据均值融合处理结果从预设加密字符串序列中选择与所述特征集合匹配的目标加密字符串;
在预设的加密算法序列中,查询与所述数据加密方式的安全等级匹配的目标加密算法,并根据所述目标加密字符串对所述目标数据进行加密,然后将加密后的目标数据存入所述目标数据存储池;
其中,所述根据所述特征向量与多个对照权重在预设网络模型下的差异程度,得到所述特征向量与每个对照权重之间的关联置信度,包括:
基于所述预设网络模型,计算所述特征向量与多个对照权重在所述预设网络模型中的差异程度,并将差异程度最小的对照权重确定为所述目标对照权重;
根据所述特征向量与所述目标对照权重在所述预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度。
本发明中,所述基于所述预设网络模型,计算所述特征向量与多个对照权重在所述预设网络模型的差异程度,并将差异程度最小的对照权重确定为目标对照权重,包括:
计算所述特征向量与多个对照权重在第一预设网络模型下的第一差异程度,并将第一差异程度最小的对照权重确定为第一目标对照权重;
计算所述特征向量与多个对照权重在第二预设网络模型下的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重;
计算所述特征向量与多个对照权重在第三预设网络模型下的第三差异程度,并将第三差异程度最小的对照权重确定为第三目标对照权重;
根据所述第一目标对照权重、所述第二目标对照权重、所述第三目标对照权重,计算得到所述目标对照权重。
本发明中,所述计算所述特征向量与多个对照权重在第一预设网络模型下的第一差异程度,并将第一差异程度最小的对照权重确定为第一目标对照权重,包括:在所述特征权重表中选择第一组合序列,所述第一组合序列包括多个第一组合,每个第一组合中包含至少两个相邻的对照权重; 确定与所述特征向量的关联映射的第一组合,得到目标第一组合; 计算所述特征向量与目标第一组合中每个对照权重之间的第一差异程度,并将第一差异程度最小的对照权重确定为所述第一目标对照权重;
所述计算所述特征向量与多个对照权重在第二预设网络模型下的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重,包括:根据所述特征向量以及每个对照权重,确定所述特征向量与多个对照权重之间的映射关系; 基于确定的映射关系,计算所述特征向量与具有映射关系的对照权重之间的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重;
所述计算所述特征向量与多个对照权重在第三预设网络模型下的第三差异程度,并将第三差异程度最小的对照权重确定为第三目标对照权重,包括: 采集每个对照权重被预先赋予的权重参数; 计算所述特征向量与每个对照权重之间的关联度,并将关联度大于预设值的对照权重确定为候选权重; 根据确定的候选权重的权重参数,计算所述特征向量与确定的候选权重的第三差异程度,并将第三差异程度最小的候选权重确定为第三目标对照权重;
所述根据所述特征向量与目标对照权重在预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度,包括:
根据所述特征向量与第一目标对照权重之间的第一差异程度,得到所述特征向量与第一目标对照权重之间的第一关联置信度;
根据所述特征向量与第二目标对照权重之间的第二差异程度,得到所述特征向量与第二目标对照权重之间的第二关联置信度;
根据所述特征向量与第三目标对照权重之间的第三差异程度,得到所述特征向量与第三目标对照权重之间的第三关联置信度;
根据所述第一关联置信度、所述第二关联置信度以及所述第三关联置信度得到所述关联置信度;
所述预设网络模型包括多个,所述对各所述特征向量与目标对照权重之间的关联置信度进行均值融合处理,包括: 获取各预设网络模型对应的预设模型权重; 计算获取的预设模型权重与对应的各预设网络模型下所述特征向量与目标对照权重之间的关联置信度的加权平均值,得到所述均值融合处理结果。
本发明中,所述数据加密策略包括至少两个不同安全等级的数据加密方式;其中,当所述数据加密策略包括的数据加密方式达到预设的安全等级时,根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池,包括:
根据所述目标数据对应的多个数据存储区间中每个数据存储区间用于存储数据片段的存储范围和单个数据片段的最大数据容量确定每个数据存储区间所对应数据片段的字节空间的加密协议;
根据所述目标安全防护策略确定需要进行数据加强防护的一个或多个目标数据存储区间,根据所述目标数据存储区间中待加强防护的存储字段生成匹配所述加密协议的待防护原始数据片段;
对所述待加强防护的存储字段进行字段划分,根据字段划分的结果将所述待加强防护的存储字段划分为多个子字段,并确定每个子字段对应的加密协议;以及
针对每个子字段内的数据进行加密,并将每个子字段内的数据加密后的目标数据存入所述目标数据存储池。
进一步地,本发明实施例还提供一种智慧学堂平台服务器以及与所述智慧学堂平台服务器通信连接的多个用户设备,所述服务器用于执行上述的智慧学堂数据安全防护方法。
进一步地,本发明实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被运行时以执行上述的智慧学堂数据安全防护方法。
相较于现有技术,本发明实施例提供的智慧学堂数据安全防护方法、系统及可读存储介质,根据目标数据对应的用户设备的设备类型序列以及数据类型序列分别对应的安全重要性等级,对目标数据采取不同防护等级的数据安全防护策略,一方面保证了智慧学堂平台数据安全性,另一方面根据不同的用户设备类型以及不同的数据类型对数据的重要性程度进行区分 ,分别采取不同的安全防护策略。如此,解决了现有技术中单纯的采用统一的高等级防护策略对数据进行保护而导致的平台运算负载压力过高以及算力浪费的问题,并解决了采用统一的较低等级防护策略针对特定数据的防护等级又不足而存在安全风险的问题。如此,使得相应的数据不但能得到符合要求防护等级的数据防护,同时还能均衡智慧学堂平台服务器的运算负载压力。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,针对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相关的附图。
图1是本发明实施例的运行环境示意图。
图2是应用于图1所示的智慧学堂平台服务器100的智慧学堂数据安全防护方法的流程示意图。
图3是图2中步骤S20的子步骤流程示意图。
图4是图2中步骤S30的子步骤流程示意图。
图5是图2中步骤是50的子步骤流程示意图之一。
图6是图5中子步骤S502的子步骤流程示意图。
图7是图2中步骤是50的子步骤流程示意图之二。
图8是本发明实施例提供的用于执行上述智慧学堂数据安全防护方法的智慧学堂平台服务器的示意框图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。如本说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
此外,本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或多步操作。
如前述背景技术所描述的问题,数据安全对于智慧学堂平台来说,显得尤为重要。在相关的一些应用领域中,可以通过相应的数据防护方法对平台产生的数据进行安全防护。例如,采用特定的数据加密方法、防火墙策略等来保护数据的安全。然而,现有的方法大多采用单一的方式来进行数据防护。在智慧学堂这种用户群体极大的情况下,数据种类以及用户种类也繁多,若采用单一的防护策略进行防护,可能存在以下问题:首先,若所有数据都采用较高等级的防护策略(例如高复杂度的数据加密算法)会导致很多无需进行高等级防护的数据也采用高等级的防护策略,会增加平台运算服务器的负载压力并导致算力浪费,进而影响平台服务器的性能。其次 ,若所有数据都采用较低等级的防护策略(例如较低复杂度的数据加密算法),可能会导致需要进行高强度防护的数据(例如隐私数据以及账户数据等)不能得到合理的安全防护,依然存在数据安全的隐患而影响用户体验。
因此,为了解决以上所述的问题,本发明实施例创新性地提出一种智慧学堂数据安全防护方法,下面将结合附图对本发明的实施例进行详细说明。
请参照图1,图1是本发明实施例的运行环境示意图,该运行环境涉及一种智慧学堂数据安全防护系统,该系统包括智慧学堂平台服务器100以及与该智慧学堂平台服务器100通信连接的多个用户设备。用户设备例如可以包括图1所示的教师终端200、学员终端300、游客终端400等,但不以此为限制。
请参阅图2,图2是应用于图1所示的智慧学堂平台服务器100的智慧学堂数据安全防护方法的流程示意图,下面将结合图2对该方法的详细实现方式进行示例性说明。
步骤S10,获取目标用户设备发送的目标数据,并对所述目标数据进行解析获得所述目标数据对应的目标用户设备的设备信息以及所述目标数据对应数据属性信息。
所述目标用户设备可以是当前在智慧学堂平台上使用相应服务时,与智慧学堂平台服务器100进行通信连接的一个终端设备,可以是上述的教师终端200、学员终端300、以及游客终端400的任意一种。所述设备信息可以包括对应的终端设备的设备标识(例如IP地址、mac地址等)、用户身份标识等。所述数据属性信息可以是用于指示目标数据的数据类型的元数据信息,例如可以是表征数据类型为隐私数据、用户指定的需加密的机密数据、或用户设备产生的普通临时数据等的数据信息,此处具体不做限定。
步骤S20,根据所述设备信息确定所述目标用户设备所属的设备类型序列,并根据所述数据属性信息确定所述目标数据所属的数据类型序列。
举例而言,所述设备类型序列可以包括学堂老师序列、学堂学员序列、临时学员序列,所述数据类型序列包括隐私数据序列、机密数据序列、普通数据序列。具体的,可以根据预先设置的设备类型序列与设备信息的映射关系对照表确定得到所述目标用户设备所属的所述设备类型序列。相对应地,也可以根据预先设置的数据属性信息与数据类型序列的映射关系对照表确定得到所述目标数据所属的数据类型序列。所述数据属性信息可以根据对所述目标数据进行关键词分析、指定数据字段分析等方式确定出能代表数据类型的特征字段而得到,具体方式不做限定。
步骤S30,根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级。
步骤S40,根据所述设备防护等级和所述数据防护等级,确定一综合防护等级。
步骤S50,根据所述综合防护等级确定与所述目标数据匹配的目标安全防护策略,并按照所述目标安全防护策略对所述目标数据进行安全防护。
详细地,本实施例中,在上述步骤S30-步骤S50的过程中,可以预先确定不同的设备类型序列分别对应的设备防护等级,以及不同的数据类型序列分别对应的数据防护等级。例如,当设备类型序列包括学堂老师序列、学堂学员序列、临时学员序列时,学堂老师序列、学堂学员序列、临时学员序列分别对应3、2、1的权重系数。数据类型序列包括隐私数据序列、机密数据序列、普通数据序列,分别对应3、2、1的权重系数。其中学堂老师序列、学堂学员序列、临时学员序列时分别对应3、2、1的权重系数用于代表不同的设备防护等级;隐私数据序列、机密数据序列、普通数据序列,分别对应3、2、1的权重系数用于代表不同的数据防护等级。然后,综合设备类型序列的权重系数和数据类型序列的权重系数可以得到一组合权重系数,例如包括6、5、4、3、2五种情况。最后,可以每个组合权重系数对应一个安全防护策略,也可以两个或以上的权重系数对应一个安全防护策略,例如6、5的权重系数对应第一安全防护策略(或高安全防护策略)、4、3对应第二安全防护策略(中安全防护策略)、2对应第三安全防护策略(低安全防护策略)。例如,若所述设备类型序列为学堂老师序列,数据类型序列为机密数据序列,组合权重系数则为5,最终确定的目标安全防护策略则可以为所述第一安全防护策略,然后使用该第一安全防护策略对所述目标数据进行数据安全防护。
进一步地,在所述步骤S20中,所述根据所述设备信息确定所述目标用户设备所属的设备类型序列,并根据所述数据属性信息确定所述目标数据所属的数据类型序列,可以通过图3所示的子步骤流程实现,具体描述如下。
子步骤S201,对所述设备信息进行解析,获得所述设备信息中包括的用户标识信息。
子步骤S202,将所述用户标识信息与所述智慧学堂平台服务器中的多个数据表的序列标签进行匹配,将与所述用户标识信息匹配的序列标签对应的设备类型序列作为所述目标用户设备所属的设备类型序列。本实施例中,每个数据表用于存储一种设备类型序列对应的用户设备的设备信息。
子步骤S203,将所述数据属性信息与所述智慧学堂平台服务器中的多个数据存储池对应的存储池标识进行匹配,将匹配的存储池标识对应的数据类型序列作为所述目标数据所属的数据类型序列。
其中,每个数据存储池用于存储一个数据类型序列对应的数据。所述数据属性信息还可以通过将所述目标数据输入预先训练得到的敏感信息提取网络进行信息提取,得到所述目标数据包括的数据敏感度信息,通过该数据敏感度信息来表示所述数据属性信息。例如,所述数据敏感度信息可以包括隐私、机密、绝密、普通、null等。
相对应地,作为示例,在上述步骤S30中,根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级,可以参照图4所示的子步骤流程实现,具体描述如下。
子步骤S301,获取所述设备类型序列以及所述数据类型序列分别对应的第一权重系数和第二权重系数,其中,所述第一权重系数用于表示所述设备防护等级,所述第二权重系数用于表示所述数据防护等级。
子步骤S302,对所述第一权重系数和第二权重系数进行加权求和获得一组合权重系数,其中,所述组合权重系数用于表示所述综合防护等级。
子步骤S303,根据所述组合权重系数以及预设的权重系数与安全防护策略的映射关系表得到所述目标安全防护策略。
进一步地,本实施例中,为了更好地实现数据的安全防护,所述目标安全防护策略包括数据加密策略以及防火墙策略。在这个前提下,在上述步骤S50中,所述按照所述目标安全防护策略对所述目标数据进行安全防护,可以根据图5所示的子步骤流程来实现,具体描述如下。
子步骤S501,根据所述防火墙策略查询所述智慧学堂平台服务器中配置有该防火墙策略的目标数据存储池。
子步骤S502,根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池。
如此,可以根据对目标数据所需的目标安全防护策略,对数据进行加密后在将目标数据放在配置有相应防火墙策略的目标数据存储池中,如此可以有效保证目标数据得到相应的安全防护。举例而言,本实施例中 ,可以配置多个具有不同安全防护等级的防火墙策略,例如,安全等级最高的第一防火墙策略用于配置到第一目标数据存储池,第一目标数据存储池的数据安全等级最高,用于存储需要最高等级的安全防护的目标数据,例如用于存储学堂教师终端的隐私数据及机密数据或学堂学员终端的隐私数据。再例如,安全等级次高的第二防火墙策略用于配置到第二目标数据存储池,第二目标数据存储池的数据安全等级次高,用于存储需要一般等级的安全防护的目标数据,例如学堂教师终端以及学堂学员终端的普通数据。又例如,安全等级最低的第三防火墙策略用于配置到第三目标数据存储池,第三目标数据存储池的数据安全等级最低,用于存储只需要最低等级的安全防护的目标数据,例如及临时学员终端或游客终端的普通数据。如此,通过不同的防火墙策略可以实现目标数据的分类安全防护,可以降低平台服务器的运算压力减少算力浪费,同时数据也能得到相对应等级的安全防护。
进一步地,所述数据加密策略还可以包括至少两个不同安全等级的数据加密方式,其中,当所述数据加密策略包括的数据加密方式达到预设的安全等级(例如,本实施例的最高安全等级)时,在所述子步骤S502中,根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池,可以通过本发明提供的一种高级别安全方法算法来提升数据的安全防护等级,具体结合图6说明如下。
子步骤S5021,根据所述目标数据获取包含多个数据特征信息的特征集合以及所述特征集合对应的特征权重表。其中,所述特征权重表包括所述特征集合的数据特征信息对应的权重,所述特征权重表还可以包括多个对照权重。
子步骤S5022,对多个数据特征信息进行特征提取,得到与多个对照权重具有映射关系的特征向量。
子步骤S5023,根据所述特征向量与多个对照权重在预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度。本实施例中,所述预设网络模型可以是预先通过深度学习对选定的神经网络进行训练学习后得到,所述关联置信度用于表示上述得到的特征向量与所述对照权重之间的关联性程度,具体可以通过相应的特征元素与对照权重的权重标识信息在所述预设网络模型中进行运算而得到。
子步骤S5024,对各所述特征向量与目标对照权重之间的关联置信度进行均值融合处理,并根据均值融合处理结果从预设加密字符串序列中选择与所述特征集合匹配的目标加密字符串。详细地,在一个可替换的实施方式中,在融合处理之后,若得到的关联置信度达到预设置信度阈值,可以根据该多个对照权重中的最高权重系数从所述预设的加密字符串序列中按照预设的映射关系查找一个匹配的第一目标加密字符串。若得到的关联置信度未达到预设置信度阈值,可以根据该多个对照权重中的最低权重系数从所述预设的加密字符串序列中按照预设的映射关系查找一个匹配的第二目标加密字符串。可以理解,第一目标加密字符串的复杂度(例如字符长度)大于所述第二目标字符串的复杂度。
子步骤S5025,在预设的加密算法序列中,查询与所述数据加密方式的安全等级匹配的目标加密算法,并根据所述目标加密字符串对所述目标数据进行加密,然后将加密后的目标数据存入所述目标数据存储池。如此,在需要高等级的数据加密算法时,还可以根据目标数据自身的数据特征信息(例如机密、绝密、一般保密、内部文件等特征标识)分别采用不同的字符串作为秘钥并采用对应等级的加密算法进行目标数据的加密,使得加密方式的层次更分明。
此外,上述根据所述特征向量与多个对照权重在预设网络模型下的差异程度,得到所述特征向量与每个对照权重之间的关联置信度,实现方式可以是:
首先,基于所述预设网络模型,计算所述特征向量与多个对照权重在所述预设网络模型中的差异程度,并将差异程度最小的对照权重确定为所述目标对照权重;
然后,根据所述特征向量与所述目标对照权重在所述预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度。
进一步地,上述基于所述预设网络模型,计算所述特征向量与多个对照权重在所述预设网络模型的差异程度,并将差异程度最小的对照权重确定为目标对照权重的具体实现方式具体描述如下。
(1)计算所述特征向量与多个对照权重在第一预设网络模型下的第一差异程度,并将第一差异程度最小的对照权重确定为第一目标对照权重;
(2)计算所述特征向量与多个对照权重在第二预设网络模型下的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重;
(3)计算所述特征向量与多个对照权重在第三预设网络模型下的第三差异程度,并将第三差异程度最小的对照权重确定为第三目标对照权重;
(4)根据所述第一目标对照权重、所述第二目标对照权重、所述第三目标对照权重,计算得到所述目标对照权重。
相似地,所述目标对照权重可以根据所述第一、第二、第三目标对照权重的平均权重值,将所述多个对照权重中,与该平均权重值相同或者与该平均权重值的差异最少的一个作为所述目标对照权重,或者说也可以将第一、第二、第三目标对照权重其中的最小一个作为所述目标对照权重,此处不做具体限定。
进一步地,在所述(1)步骤中,计算所述特征向量与多个对照权重在第一预设网络模型下的第一差异程度,并将第一差异程度最小的对照权重确定为第一目标对照权重,具体的实现方式可以包括:
在所述特征权重表中选择第一组合序列,所述第一组合序列包括多个第一组合,每个第一组合中包含至少两个相邻的对照权重;其中相邻的对照权重是指将权重值按照大小排列之后,依次顺序排列的对照权重。
确定与所述特征向量的关联映射的第一组合,得到目标第一组合;
计算所述特征向量与目标第一组合中每个对照权重之间的第一差异程度,并将第一差异程度最小的对照权重确定为所述第一目标对照权重。
在上述(2)步骤中,计算所述特征向量与多个对照权重在第二预设网络模型下的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重,具体的实现方式可以包括:
根据所述特征向量以及每个对照权重,确定所述特征向量与多个对照权重之间的映射关系;
基于确定的映射关系,计算所述特征向量与具有映射关系的对照权重之间的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重;
相应地,上述(3)步骤中,计算所述特征向量与多个对照权重在第三预设网络模型下的第三差异程度,并将第三差异程度最小的对照权重确定为第三目标对照权重,具体的实现方式可以包括:
采集每个对照权重被预先赋予的权重参数;
计算所述特征向量与每个对照权重之间的关联度,并将关联度大于预设值的对照权重确定为候选权重;
根据确定的候选权重的权重参数,计算所述特征向量与确定的候选权重的第三差异程度,并将第三差异程度最小的候选权重确定为第三目标对照权重。
在以上基础之下,上述的根据所述特征向量与目标对照权重在预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度的具体可以包括:
根据所述特征向量与第一目标对照权重之间的第一差异程度,得到所述特征向量与第一目标对照权重之间的第一关联置信度;
根据所述特征向量与第二目标对照权重之间的第二差异程度,得到所述特征向量与第二目标对照权重之间的第二关联置信度;
根据所述特征向量与第三目标对照权重之间的第三差异程度,得到所述特征向量与第三目标对照权重之间的第三关联置信度;
根据所述第一关联置信度、所述第二关联置信度以及所述第三关联置信度得到所述关联置信度。例如,可以将第一关联置信度、所述第二关联置信度以及所述第三关联置信度的均值作为所述关联置信度。
此外,上述的预设网络模型可以包括多个,所述对各所述特征向量与目标对照权重之间的关联置信度进行均值融合处理,可以包括:
获取各预设网络模型对应的预设模型权重;
计算获取的预设模型权重与对应的各预设网络模型下所述特征向量与目标对照权重之间的关联置信度的加权平均值,得到所述均值融合处理结果。
进一步地,示例性地,上述提及的任意一个关联置信度可以表征上述特征向量与目标对照权重之间的关联程度,在一种可实现的替代实施方式中,可以通过特征向量与预先赋予所述对照权重预的权重指代属性之间的差异性计算得到,例如可以通过欧式距离等方式进行表示。
进一步地,在另一种可替代的实施方式中,可以不针对各数据存储池配置防火墙策略,针对目标数据的各存储区间分别进行加密的方式来对高等级防护要求的目标数据进行防护。详细地,所述数据加密策略包括至少两个不同安全等级的数据加密方式,当所述数据加密策略包括的数据加密方式达到预设的安全等级时,上述步骤S50中根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池,可以按照图7所示的子步骤流程来实现,具体描述如下。
子步骤S511,根据所述目标数据对应的多个数据存储区间中每个数据存储区间用于存储数据片段的存储范围和单个数据片段的最大数据容量确定每个数据存储区间所对应数据片段的字节空间的加密协议。相应地,容量相应较大的字节空间可以对应复杂度较高的加密协议,或者用于存储不同重要性程度的字节空间可以分别对应复杂度不同的加密协议也可以是复杂度相同的加密协议,此处不做具体限定。
子步骤S512,根据所述目标安全防护策略确定需要进行数据加强防护的一个或多个目标数据存储区间,根据所述目标数据存储区间中待加强防护的存储字段生成匹配所述加密协议的待防护原始数据片段。
子步骤S513, 对所述待加强防护的存储字段进行字段划分,根据字段划分的结果将所述待加强防护的存储字段划分为多个子字段,并确定每个子字段对应的加密协议。详细地,本实施例中,每个子空间对应的加密协议可以是该子空间所在的字节空间对应的加密协议。
子步骤S514,针对每个子字段内的数据进行加密,并将每个子字段内的数据加密后的目标数据存入所述目标数据存储池。
如此,通过以上方式,针对目标数据需要进行加强防护的存储区字段进行字段划分后再针对不同字段进行加密,可以实现针对最高防护要求的目标数据的安全防护,同时加强重要区间的数据的防护强度。
请参阅图8,示出了本发明实施例提供的用于执行上述智慧学堂数据安全防护方法的智慧学堂平台服务器100的示意框图,该智慧学堂平台服务器100可以包括智慧学堂数据安全防护装置110、机器可读存储介质120和处理器130。
本实施例中,机器可读存储介质120与处理器130可以位于智慧学堂平台服务器100中且二者分离设置。机器可读存储介质120也可以是独立于智慧学堂平台服务器100并由处理器130访问。智慧学堂数据安全防护装置110可以包括存储在机器可读存储介质120的多个功能模块,例如所述智慧学堂数据安全防护装置110包括的各软件功能模块。当处理器130执行智慧学堂数据安全防护装置110中的软件功能模块时,以实现前述方法实施例提供的区块链大数据处理方法。
详细地,所述智慧学堂数据安全防护装置110包括行为信息获取模块111、类型确定模块112、防护等级确定模块113、数据防护模块114等多个软件功能模块。
信息获取模块111,用于获取目标用户设备发送的目标数据,并对所述目标数据进行解析获得所述目标数据对应的目标用户设备的设备信息以及所述目标数据对应数据属性信息。 可以理解,该信息获取模块111可以用于执行上述步骤S10,关于该行为信息获取模块111的详细实现方式可以等同参照上述对步骤S10有关的内容,此处不再重复赘述。
类型确定模块112,用于根据所述设备信息确定所述目标用户设备所属的设备类型序列,并根据所述数据属性信息确定所述目标数据所属的数据类型序列。 可以理解,该类型确定模块111可以用于执行上述步骤S20,关于该类型确定模块112的详细实现方式可以等同参照上述对步骤S20有关的内容,此处不再重复赘述。
防护等级确定模块113,用于根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级,并根据所述设备防护等级和所述数据防护等级,确定一综合防护等级。可以理解,该防护等级确定模块113可以用于执行上述步骤S30以及步骤S40,关于该防护等级确定模块113的详细实现方式可以等同参照上述对步骤S30和步骤S40有关的内容,此处不再重复赘述。
数据防护模块114,用于根据所述综合防护等级确定与所述目标数据匹配的目标安全防护策略,并按照所述目标安全防护策略对所述目标数据进行安全防护。可以理解,该数据防护模块114可以用于执行上述步骤S50,关于该数据防护模块114的详细实现方式可以等同参照上述对步骤S50有关的内容,此处不再重复赘述。
综上所述,本发明实施例提供的智慧学堂数据安全防护方法、系统及可读存储介质,根据目标数据对应的用户设备的设备类型序列以及数据类型序列分别对应的安全重要性等级,对目标数据采取不同防护等级的数据安全防护策略,一方面保证了智慧学堂平台数据安全性,另一方面根据不同的用户设备类型以及不同的数据类型对数据的重要性程度进行区分 ,分别采取不同的安全防护策略。如此,解决了现有技术中单纯的采用统一的高等级防护策略对数据进行保护而导致的平台运算负载压力过高以及算力浪费的问题,并解决了采用统一的低等级防护策略针对特定数据的防护等级又不足而存在安全风险的问题。如此,使得相应的数据不但能得到符合要求防护等级的数据防护,同时还能均衡智慧学堂平台服务器的运算负载压力。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围,而仅仅是表示本发明的选定实施例。因此,本发明的保护范围应以权利要求的保护范围为准。此外,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例,都应属于本发明保护的范围。
Claims (10)
1.一种智慧学堂数据安全防护方法,其特征在于,应用于与多个用户设备通信连接的智慧学堂平台服务器,所述方法包括:
获取目标用户设备发送的目标数据,并对所述目标数据进行解析获得所述目标数据对应的目标用户设备的设备信息以及所述目标数据对应数据属性信息;
根据所述设备信息确定所述目标用户设备所属的设备类型序列;
根据所述数据属性信息确定所述目标数据所属的数据类型序列;
根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级;
根据所述设备防护等级和所述数据防护等级,确定一综合防护等级;
根据所述综合防护等级确定与所述目标数据匹配的目标安全防护策略,并按照所述目标安全防护策略对所述目标数据进行安全防护。
2.根据权利要求1所述的智慧学堂数据安全防护方法,其特征在于,根据所述设备类型序列以及所述数据类型序列,分别确定所述目标用户设备对应的设备防护等级以及所述目标数据对应的数据防护等级,包括:
获取所述设备类型序列以及所述数据类型序列分别对应的第一权重系数和第二权重系数,其中,所述第一权重系数用于表示所述设备防护等级,所述第二权重系数用于表示所述数据防护等级;
对所述第一权重系数和第二权重系数进行加权求和获得一组合权重系数,其中,所述组合权重系数用于表示所述综合防护等级;
根据所述组合权重系数以及预设的权重系数与安全防护策略的映射关系表得到所述目标安全防护策略。
3.根据权利要求2所述的智慧学堂数据安全防护方法,其特征在于,所述根据所述设备信息确定所述目标用户设备所属的设备类型序列,包括:
对所述设备信息进行解析,获得所述设备信息中包括的用户标识信息;
将所述用户标识信息与所述智慧学堂平台服务器中的多个数据表的序列标签进行匹配,将与所述用户标识信息匹配的序列标签对应的设备类型序列作为所述目标用户设备所属的设备类型序列,其中,每个数据表用于存储一种设备类型序列对应的用户设备的设备信息;
所述根据所述数据属性信息确定所述目标数据所属的数据类型序列,包括:
将所述数据属性信息与所述智慧学堂平台服务器中的多个数据存储池对应的存储池标识进行匹配,将匹配的存储池标识对应的数据类型序列作为所述目标数据所属的数据类型序列,其中,每个数据存储池用于存储一个数据类型序列对应的数据。
4.根据权利要求1所述的智慧学堂数据安全防护方法,其特征在于,所述目标安全防护策略包括数据加密策略以及防火墙策略,所述按照所述目标安全防护策略对所述目标数据进行安全防护,包括:
根据所述防火墙策略查询所述智慧学堂平台服务器中配置有该防火墙策略的目标数据存储池;
根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池。
5.根据权利要求4所述的智慧学堂数据安全防护方法,其特征在于,所述数据加密策略包括至少两个不同安全等级的数据加密方式,其中,当所述数据加密策略包括的数据加密方式达到预设的安全等级时,根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池,包括:
根据所述目标数据获取包含多个数据特征信息的特征集合以及所述特征集合对应的特征权重表,所述特征权重表包括所述特征集合的数据特征信息对应的权重,其中,所述特征权重表包括多个对照权重;
对多个数据特征信息进行特征提取,得到与多个对照权重具有映射关系的特征向量;
根据所述特征向量与多个对照权重在预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度;
对各所述特征向量与目标对照权重之间的关联置信度进行均值融合处理,并根据均值融合处理结果从预设加密字符串序列中选择与所述特征集合匹配的目标加密字符串;
在预设的加密算法序列中,查询与所述数据加密方式的安全等级匹配的目标加密算法,并根据所述目标加密字符串对所述目标数据进行加密,然后将加密后的目标数据存入所述目标数据存储池;
其中,所述根据所述特征向量与多个对照权重在预设网络模型下的差异程度,得到所述特征向量与每个对照权重之间的关联置信度,包括:
基于所述预设网络模型,计算所述特征向量与多个对照权重在所述预设网络模型中的差异程度,并将差异程度最小的对照权重确定为所述目标对照权重;
根据所述特征向量与所述目标对照权重在所述预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度。
6.根据权利要求5所述的方法,其特征在于,所述基于所述预设网络模型,计算所述特征向量与多个对照权重在所述预设网络模型的差异程度,并将差异程度最小的对照权重确定为目标对照权重,包括:
计算所述特征向量与多个对照权重在第一预设网络模型下的第一差异程度,并将第一差异程度最小的对照权重确定为第一目标对照权重;
计算所述特征向量与多个对照权重在第二预设网络模型下的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重;
计算所述特征向量与多个对照权重在第三预设网络模型下的第三差异程度,并将第三差异程度最小的对照权重确定为第三目标对照权重;
根据所述第一目标对照权重、所述第二目标对照权重、所述第三目标对照权重,计算得到所述目标对照权重。
7.根据权利要求6所述的智慧学堂数据安全防护方法,其特征在于,
所述计算所述特征向量与多个对照权重在第一预设网络模型下的第一差异程度,并将第一差异程度最小的对照权重确定为第一目标对照权重,包括:在所述特征权重表中选择第一组合序列,所述第一组合序列包括多个第一组合,每个第一组合中包含至少两个相邻的对照权重; 确定与所述特征向量的关联映射的第一组合,得到目标第一组合; 计算所述特征向量与目标第一组合中每个对照权重之间的第一差异程度,并将第一差异程度最小的对照权重确定为所述第一目标对照权重;
所述计算所述特征向量与多个对照权重在第二预设网络模型下的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重,包括:根据所述特征向量以及每个对照权重,确定所述特征向量与多个对照权重之间的映射关系; 基于确定的映射关系,计算所述特征向量与具有映射关系的对照权重之间的第二差异程度,并将第二差异程度最小的对照权重确定为第二目标对照权重;
所述计算所述特征向量与多个对照权重在第三预设网络模型下的第三差异程度,并将第三差异程度最小的对照权重确定为第三目标对照权重,包括: 采集每个对照权重被预先赋予的权重参数; 计算所述特征向量与每个对照权重之间的关联度,并将关联度大于预设值的对照权重确定为候选权重; 根据确定的候选权重的权重参数,计算所述特征向量与确定的候选权重的第三差异程度,并将第三差异程度最小的候选权重确定为第三目标对照权重;
所述根据所述特征向量与目标对照权重在预设网络模型下的差异程度,得到所述特征向量与目标对照权重之间的关联置信度,包括:
根据所述特征向量与第一目标对照权重之间的第一差异程度,得到所述特征向量与第一目标对照权重之间的第一关联置信度;
根据所述特征向量与第二目标对照权重之间的第二差异程度,得到所述特征向量与第二目标对照权重之间的第二关联置信度;
根据所述特征向量与第三目标对照权重之间的第三差异程度,得到所述特征向量与第三目标对照权重之间的第三关联置信度;
根据所述第一关联置信度、所述第二关联置信度以及所述第三关联置信度得到所述关联置信度;
所述预设网络模型包括多个,所述对各所述特征向量与目标对照权重之间的关联置信度进行均值融合处理,包括: 获取各预设网络模型对应的预设模型权重; 计算获取的预设模型权重与对应的各预设网络模型下所述特征向量与目标对照权重之间的关联置信度的加权平均值,得到所述均值融合处理结果。
8.根据权利要求4所述的智慧学堂数据安全防护方法,其特征在于,所述数据加密策略包括至少两个不同安全等级的数据加密方式;其中,当所述数据加密策略包括的数据加密方式达到预设的安全等级时,根据所述数据加密策略对所述目标数据进行加密处理,并将加密处理后的目标数据存入所述目标数据存储池,包括:
根据所述目标数据对应的多个数据存储区间中每个数据存储区间用于存储数据片段的存储范围和单个数据片段的最大数据容量确定每个数据存储区间所对应数据片段的字节空间的加密协议;
根据所述目标安全防护策略确定需要进行数据加强防护的一个或多个目标数据存储区间,根据所述目标数据存储区间中待加强防护的存储字段生成匹配所述加密协议的待防护原始数据片段;
对所述待加强防护的存储字段进行字段划分,根据字段划分的结果将所述待加强防护的存储字段划分为多个子字段,并确定每个子字段对应的加密协议;以及
针对每个子字段内的数据进行加密,并将每个子字段内的数据加密后的目标数据存入所述目标数据存储池。
9.一种智慧学堂数据安全防护系统,其特征在于,包括权利要求1至8任一项所述的智慧学堂平台服务器以及与所述智慧学堂平台服务器通信连接的多个用户设备,所述服务器用于执行权利要求1-8任一项所述的智慧学堂数据安全防护方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序被运行时以执行权利要求1-8中任意一项所述的智慧学堂数据安全防护方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110000646.XA CN112333288B (zh) | 2021-01-04 | 2021-01-04 | 一种智慧学堂数据安全防护方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110000646.XA CN112333288B (zh) | 2021-01-04 | 2021-01-04 | 一种智慧学堂数据安全防护方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112333288A true CN112333288A (zh) | 2021-02-05 |
CN112333288B CN112333288B (zh) | 2021-04-27 |
Family
ID=74302403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110000646.XA Active CN112333288B (zh) | 2021-01-04 | 2021-01-04 | 一种智慧学堂数据安全防护方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112333288B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076454A (zh) * | 2021-04-25 | 2021-07-06 | 上海德衡数据科技有限公司 | 基于人工智能的元数分析方法及服务器 |
CN114978701A (zh) * | 2022-05-24 | 2022-08-30 | 中国银行股份有限公司 | 一种数据分级保护方法及装置 |
CN115114647A (zh) * | 2022-08-26 | 2022-09-27 | 湖南华菱电子商务有限公司 | 一种基于数字中台构建客户画像的客户信息管理方法及系统 |
CN115456101A (zh) * | 2022-09-23 | 2022-12-09 | 马建家 | 一种基于数据中台的数据安全传输方法及系统 |
CN117040946A (zh) * | 2023-10-10 | 2023-11-10 | 深圳安天网络安全技术有限公司 | 一种安全防护策略的确定方法及装置 |
CN117055818A (zh) * | 2023-08-25 | 2023-11-14 | 南京合宜信息技术有限公司 | 基于区块链的客户信息存储管理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483860A (zh) * | 2009-01-23 | 2009-07-15 | 清华大学 | Ims网络中基于sip安全策略等级的协商控制方法 |
CN103152350A (zh) * | 2013-03-14 | 2013-06-12 | 中国科学院软件研究所 | 一种保护终端配置隐私的可信网络接入方法及系统 |
US20140095871A1 (en) * | 2012-10-01 | 2014-04-03 | International Business Machines Corporation | Protecting Online Meeting Access Using Secure Personal Universal Resource Locators |
US20140322692A1 (en) * | 2013-03-15 | 2014-10-30 | Study Social, Inc. | Methods for online education |
CN106685997A (zh) * | 2017-02-24 | 2017-05-17 | 深圳市金立通信设备有限公司 | 一种数据传输方法及终端 |
CN106779692A (zh) * | 2016-11-15 | 2017-05-31 | 中国银联股份有限公司 | 一种车载支付方法及装置 |
CN110598404A (zh) * | 2019-09-17 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 安全风险监控方法、监控装置、服务器和存储介质 |
CN110990852A (zh) * | 2019-11-26 | 2020-04-10 | 李明喜 | 大数据安全防护方法、装置、服务器及可读存储介质 |
CN112100606A (zh) * | 2020-09-28 | 2020-12-18 | 邓燕平 | 基于云端大数据计算的在线教育处理方法及在线教育平台 |
-
2021
- 2021-01-04 CN CN202110000646.XA patent/CN112333288B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483860A (zh) * | 2009-01-23 | 2009-07-15 | 清华大学 | Ims网络中基于sip安全策略等级的协商控制方法 |
US20140095871A1 (en) * | 2012-10-01 | 2014-04-03 | International Business Machines Corporation | Protecting Online Meeting Access Using Secure Personal Universal Resource Locators |
CN103152350A (zh) * | 2013-03-14 | 2013-06-12 | 中国科学院软件研究所 | 一种保护终端配置隐私的可信网络接入方法及系统 |
US20140322692A1 (en) * | 2013-03-15 | 2014-10-30 | Study Social, Inc. | Methods for online education |
CN106779692A (zh) * | 2016-11-15 | 2017-05-31 | 中国银联股份有限公司 | 一种车载支付方法及装置 |
CN106685997A (zh) * | 2017-02-24 | 2017-05-17 | 深圳市金立通信设备有限公司 | 一种数据传输方法及终端 |
CN110598404A (zh) * | 2019-09-17 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 安全风险监控方法、监控装置、服务器和存储介质 |
CN110990852A (zh) * | 2019-11-26 | 2020-04-10 | 李明喜 | 大数据安全防护方法、装置、服务器及可读存储介质 |
CN112100606A (zh) * | 2020-09-28 | 2020-12-18 | 邓燕平 | 基于云端大数据计算的在线教育处理方法及在线教育平台 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076454A (zh) * | 2021-04-25 | 2021-07-06 | 上海德衡数据科技有限公司 | 基于人工智能的元数分析方法及服务器 |
CN114978701A (zh) * | 2022-05-24 | 2022-08-30 | 中国银行股份有限公司 | 一种数据分级保护方法及装置 |
CN115114647A (zh) * | 2022-08-26 | 2022-09-27 | 湖南华菱电子商务有限公司 | 一种基于数字中台构建客户画像的客户信息管理方法及系统 |
CN115114647B (zh) * | 2022-08-26 | 2022-11-11 | 湖南华菱电子商务有限公司 | 一种基于数字中台构建客户画像的客户信息管理方法及系统 |
CN115456101A (zh) * | 2022-09-23 | 2022-12-09 | 马建家 | 一种基于数据中台的数据安全传输方法及系统 |
CN115456101B (zh) * | 2022-09-23 | 2023-09-12 | 上海豹云网络信息服务有限公司 | 一种基于数据中台的数据安全传输方法及系统 |
CN117055818A (zh) * | 2023-08-25 | 2023-11-14 | 南京合宜信息技术有限公司 | 基于区块链的客户信息存储管理方法及系统 |
CN117055818B (zh) * | 2023-08-25 | 2024-05-10 | 南京合宜信息技术有限公司 | 基于区块链的客户信息存储管理方法及系统 |
CN117040946A (zh) * | 2023-10-10 | 2023-11-10 | 深圳安天网络安全技术有限公司 | 一种安全防护策略的确定方法及装置 |
CN117040946B (zh) * | 2023-10-10 | 2024-01-26 | 深圳安天网络安全技术有限公司 | 一种安全防护策略的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112333288B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112333288B (zh) | 一种智慧学堂数据安全防护方法、系统及可读存储介质 | |
CN111160749B (zh) | 一种情报质量评估和情报融合方法及装置 | |
TW201931187A (zh) | 統一資源定位符(url)攻擊檢測方法、裝置及電子設備 | |
CN111683108A (zh) | 一种网络流异常检测模型的生成方法和计算机设备 | |
US20200342252A1 (en) | Advanced Image Recognition for Threat Disposition Scoring | |
CN112351031B (zh) | 攻击行为画像的生成方法、装置、电子设备和存储介质 | |
CN111783105B (zh) | 渗透测试方法、装置、设备及存储介质 | |
CN115632839B (zh) | 一种智慧校园环境网络监管方法和系统 | |
CN113221032A (zh) | 链接风险检测方法、装置以及存储介质 | |
Kaur et al. | A secure data classification model in cloud computing using machine learning approach | |
CN111049828B (zh) | 网络攻击检测及响应方法及系统 | |
CN115238827A (zh) | 保护隐私的样本检测系统训练方法及装置 | |
CN116015703A (zh) | 模型训练方法、攻击检测方法及相关装置 | |
Harbola et al. | Improved intrusion detection in DDoS applying feature selection using rank & score of attributes in KDD-99 data set | |
TWI703846B (zh) | Url異常定位方法、裝置、伺服器及儲存媒體 | |
CN107846351A (zh) | 一种聊天消息敏感信息加密方法及装置 | |
Ambika | An economical machine learning approach for anomaly detection in IoT environment | |
WO2021059471A1 (ja) | セキュリティリスク分析支援装置、方法、及びコンピュータ可読媒体 | |
Wang et al. | Application research of file fingerprint identification detection based on a network security protection system | |
CN116738369A (zh) | 一种流量数据的分类方法、装置、设备及存储介质 | |
CN112329025B (zh) | 电力终端旁路安全分析方法及电力终端旁路安全分析系统 | |
Patel et al. | Master course selection prediction model using modify hybrid neuro-fuzzy inference system | |
CN114817893A (zh) | 验证码图像加密方法、设备、存储介质和计算机程序产品 | |
Hendrych et al. | New approach to steganography detection via steganalysis framework | |
CN117131424B (zh) | 一种训练方法、流量检测方法、装置、设备及介质 |
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 | ||
PP01 | Preservation of patent right |
Effective date of registration: 20230919 Granted publication date: 20210427 |
|
PP01 | Preservation of patent right |