CN112417457B - 一种基于大数据的敏感数据还原检测的方法与系统 - Google Patents
一种基于大数据的敏感数据还原检测的方法与系统 Download PDFInfo
- Publication number
- CN112417457B CN112417457B CN202011278067.3A CN202011278067A CN112417457B CN 112417457 B CN112417457 B CN 112417457B CN 202011278067 A CN202011278067 A CN 202011278067A CN 112417457 B CN112417457 B CN 112417457B
- Authority
- CN
- China
- Prior art keywords
- data
- sensitive
- sensitive data
- database
- association
- 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
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
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
- G06F21/577—Assessing vulnerabilities and evaluating computer system security
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及信息安全技术领域,本发明公开了一种基于大数据的敏感数据还原检测的方法与系统,通过对海量数据的采集、分析和建模,实现数据汇聚、融合与深度关联,支撑敏感数据信息还原服务,其中系统包括数据采集层、数据汇集层、数据存储层和数据服务层。本发明解决了大数据环境下数据脱敏后敏感数据无法检测是否被还原的问题,提出了敏感数据还原检测的方法,并进行了系统实现。本发明提出了基于知识图谱的敏感数据关联方法,解决了大数据环境下,数据弱关联问题,造成数据泄露无法评估的问题。
Description
技术领域
本发明涉及信息安全技术领域,尤其涉及一种基于大数据的敏感数据还原检测的方法与系统。
背景技术
在大数据环境下,数据的汇聚和融合是数据利用的基础。汇聚的数据可能包含各单位各部门的未脱敏数据和已脱敏数据。由于大数据环境下的数据脱敏并非由一个人或者一个部门单独完成,而是由多个人多部门共同完成。同一张表可能会被不同的人员或者部门脱敏为不同的形式,同一个字段也可能会因为脱敏策略的不同而脱敏成不同的结果。敏感文档可能会为了脱敏而拆分成多个,当这些数据汇聚到同一个系统中时可能存在如下风险:同一字段选使用不同的数据脱敏算法进行处理后,数据通过数据关联融合方式汇聚到一起时,可能会依据一定的规则对脱敏数据进行还原。但是目前市面上并没有相关的系统可以实现敏感数据的还原检测,因此如何利用大数据环境下数据汇聚的能力,实现敏感数据还原检测是亟待解决的问题。
发明内容
鉴于市面上的数据脱敏系统,没有对脱敏效果进行有效性评估,尤其是多任务脱敏无法检测脱敏数据是否可以通过大数据关联,本发明提出一种基于大数据的敏感数据还原检测的方法与系统。
一种基于大数据的敏感数据还原检测的方法,包括:
多源数据汇聚:对数据库和文件进行数据汇聚和字段抽取配置,并对字段进行标准化配置,依据配置条件实现数据库和文件汇聚;
敏感数据关联:对敏感数据进行分类,构建敏感数据关联模型并形成敏感数据关联知识图谱,将关联数据按照关联模型写入数据库形成关联数据库;
敏感数据还原检测:通过关联数据库获取敏感数据的关联数据,结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原。
进一步的,所述多源数据汇聚包括以下步骤:
S11.数据库数据汇聚:配置数据库数据源信息,测试连接是否成功,连接成功后,获取元数据信息;文件数据汇聚:选择单个或者批量上传文件,然后解析文件,实现元数据信息获取;
S12.针对数据库选择数据库待汇聚的表和字段配置,针对文件配置每个文本文件抽取的字段;
S13.对数据库和文件抽取的字段进行标准化配置;
S14.依据配置条件实现数据库及文件汇聚,所述配置条件包括数据源信息和标准化配置。
进一步的,所述敏感数据关联包括以下步骤:
S21.对敏感数据的分类进行研究,并确认需要构建关联模型的敏感数据类型;
S22.构建敏感数据关联模型,并形成敏感数据关联知识图谱;
S23.依据标准字段的配置对汇聚后的数据进行数据关联关系抽取;
S24.将抽取的关联数据按照关联模型写入数据库中;
S25.数据入库后形成关联数据库;
S26.用户输入敏感数据进行查询,关联数据库返回关联结果。
进一步的,所述敏感数据还原检测包括以下步骤:
S31.用户查询敏感数据,系统通过关联库获取所有敏感数据关联到的数据;
S32.依据关联数据的查询结果,判断敏感数据是否使用数据脱敏策略,所述数据脱敏策略包括遮挡和替换;
S33.依据不同的敏感数据的生成规则制定敏感数据还原规则;
S34.结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原;
S35.对敏感数据的还原结果进行查看。
一种基于大数据的敏感数据还原检测的系统,包括数据采集层、数据汇集层、数据存储层和数据服务层,通过对海量数据的采集、分析和建模,实现数据汇聚、融合与深度关联,支撑敏感数据信息还原服务;
所述数据采集层:支持对数据的实时汇聚,通过数据采集引擎进行多样化数据的采集,并对采集数据进行校验、采集管理及监控;
所述数据汇集层:对采集的数据进行处理,包括知识图谱建模、数据处理规则及数据汇聚;
所述数据存储层:对汇聚关联后的数据进行存储,并对数据进行比对与还原;
所述数据服务层:在数据存储层基础上,提供数据资源检索服务、资源统计分析服务、数据关联服务和数据还原服务。
进一步的,所述数据汇集层中,所述知识图谱建模包括:依据数据特征,建立数据关联与融合模型,为实时数据的汇聚与关联提供支撑。
进一步的,所述数据汇集层中,所述数据处理规则包括:对汇聚的数据进行数据清洗、数据比对与数据校验。
进一步的,所述数据汇集层中,所述数据汇聚包括:依据知识图谱模型及所述数据处理规则对数据进行多方式的汇聚。
本发明的有益效果在于:
(1)本发明解决了大数据环境下数据脱敏后敏感数据无法检测是否被还原的问题,提出了敏感数据还原检测的方法,并进行了系统实现;
(2)本发明提出了基于知识图谱的敏感数据关联方法,解决了大数据环境下,数据弱关联问题,造成数据泄露无法评估的问题。
附图说明
图1本发明的敏感数据还原检测系统框架图;
图2本发明的多源数据汇聚流程图;
图3本发明的敏感数据关联查询流程图;
图4本发明的敏感数据还原检测流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现说明本发明的具体实施方式。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即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所获得的所有其他实施例,都属于本发明保护的范围。
本发明提出的一种基于大数据的敏感数据还原检测的方法,包括多源数据汇聚、敏感数据关联和敏感数据还原检测,其中:
1、多源数据汇聚
对数据库和文件进行数据汇聚和字段抽取配置,并对字段进行标准化配置,依据配置条件实现数据库和文件汇聚。如图2所示,多源数据汇聚包括以下步骤:
S11.数据库数据汇聚:配置数据库数据源信息,测试连接是否成功,连接成功后,获取元数据信息;文件数据汇聚:选择单个或者批量上传文件,然后解析文件,实现元数据信息获取;
S12.针对数据库选择数据库待汇聚的表和字段配置,针对文件配置每个文本文件抽取的字段;
S13.对数据库和文件抽取的字段进行标准化配置;
S14.依据配置条件实现数据库及文件汇聚,配置条件包括数据源信息和标准化配置。
2、敏感数据关联
对敏感数据进行分类,构建敏感数据关联模型并形成敏感数据关联知识图谱,将关联数据按照关联模型写入数据库形成关联数据库。如图3所示,敏感数据关联包括以下步骤:
S21.对敏感数据的分类进行研究,并确认需要构建关联模型的敏感数据类型;
S22.构建敏感数据关联模型,并形成敏感数据关联知识图谱;
S23.依据标准字段的配置对汇聚后的数据进行数据关联关系抽取;
S24.将抽取的关联数据按照关联模型写入数据库中;
S25.数据入库后形成关联数据库;
S26.用户输入敏感数据进行查询,关联数据库返回关联结果。
3、敏感数据还原检测
通过关联数据库获取敏感数据的关联数据,结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原。如图4所示,敏感数据还原检测包括以下步骤:
S31.用户查询敏感数据,系统通过关联库获取所有敏感数据关联到的数据;
S32.依据关联数据的查询结果,判断敏感数据是否使用数据脱敏策略,数据脱敏策略包括遮挡和替换;
S33.依据不同的敏感数据的生成规则制定敏感数据还原规则;
S34.结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原;
S35.对敏感数据的还原结果进行查看。
相应的,本发明提出了一种基于大数据的敏感数据还原检测的系统,如图4所示,包括数据采集层、数据汇集层、数据存储层和数据服务层,通过对海量数据的采集、分析和建模,实现数据汇聚、融合与深度关联,支撑敏感数据信息还原服务,其中:
数据采集层:支持对数据的实时汇聚,通过数据采集引擎进行多样化数据的采集,并对采集数据进行校验、采集管理及监控;
数据汇集层:对采集的数据进行处理,包括知识图谱建模、数据处理规则及数据汇聚;
数据存储层:对汇聚关联后的数据进行存储,并对数据进行比对与还原;
数据服务层:在数据存储层基础上,提供数据资源检索服务、资源统计分析服务、数据关联服务和数据还原服务。
优选的,数据汇集层中,知识图谱建模包括:依据数据特征,建立数据关联与融合模型,为实时数据的汇聚与关联提供支撑;数据处理规则包括:对汇聚的数据进行数据清洗、数据比对与数据校验;数据汇聚包括:依据知识图谱模型及数据处理规则对数据进行多方式的汇聚。
在本发明的一个优选实施例中,基于大数据的敏感数据还原检测的方法主要的实现方式如下:
1)多源数据汇聚
(1)配置数据库数据源信息,测试连接是否成功,连接成功后,获取元数据信息;
(2)选择数据库待汇聚的表和字段配置,针对文件配置每个文本文件抽取的字段;
(3)对数据库中抽取的字段进行标准化配置,系统自动对数据进行抽取及标准化;
(4)选择单个或者批量上传文件,然后解析文件,实现元数据信息获取;
(5)对文件的字段进行标准化配置;
(6)依据配置条件实现数据库及文件汇聚。
2)敏感数据关联
(1)将敏感数据分类身份证号、电话号码、手机号、电子邮箱等类别,建立类别间的敏感数据关联关系;
(2)构建敏感数据关联模型,并形成敏感数据关联知识图谱;
(3)依据数据标准的配置对汇聚后的数据进行数据关联关系抽取;
(4)将抽取的关联数据按照关联模型写入数据库中;
(5)数据入库后形成关联数据库;
(6)用户输入敏感数据进行查询,关联数据库返回关联结果。
3)敏感数据还原检测
(1)用户查询敏感数据,系统通过关联库获取所有敏感数据关联到的数据;
(2)依据关联数据的查询结果,判断敏感数据是否使用数据脱敏策略;
(3)制定不同敏感数据还原规则;
(4)结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原;
(5)对敏感数据的还原结果进行查看。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种基于大数据的敏感数据还原检测的方法,其特征在于,包括:
多源数据汇聚:对数据库和文件进行数据汇聚和字段抽取配置,并对字段进行标准化配置,依据配置条件实现数据库和文件汇聚;
敏感数据关联:对敏感数据进行分类,构建敏感数据关联模型并形成敏感数据关联知识图谱,将关联数据按照关联模型写入数据库形成关联数据库;
敏感数据还原检测:通过关联数据库获取敏感数据的关联数据,结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原。
2.根据权利要求1所述的一种基于大数据的敏感数据还原检测的方法,其特征在于,所述多源数据汇聚包括以下步骤:
S11.数据库数据汇聚:配置数据库数据源信息,测试连接是否成功,连接成功后,获取元数据信息;文件数据汇聚:选择单个或者批量上传文件,然后解析文件,实现元数据信息获取;
S12.针对数据库选择数据库待汇聚的表和字段配置,针对文件配置每个文本文件抽取的字段;
S13.对数据库和文件抽取的字段进行标准化配置;
S14.依据配置条件实现数据库及文件汇聚,所述配置条件包括数据源信息和标准化配置。
3.根据权利要求1所述的一种基于大数据的敏感数据还原检测的方法,其特征在于,所述敏感数据关联包括以下步骤:
S21.对敏感数据的分类进行研究,并确认需要构建关联模型的敏感数据类型;
S22.构建敏感数据关联模型,并形成敏感数据关联知识图谱;
S23.依据标准字段的配置对汇聚后的数据进行数据关联关系抽取;
S24.将抽取的关联数据按照关联模型写入数据库中;
S25.数据入库后形成关联数据库;
S26.用户输入敏感数据进行查询,关联数据库返回关联结果。
4.根据权利要求1所述的一种基于大数据的敏感数据还原检测的方法,其特征在于,所述敏感数据还原检测包括以下步骤:
S31. 用户查询敏感数据,系统通过关联库获取所有敏感数据关联到的数据;
S32. 依据关联数据的查询结果,判断敏感数据是否使用数据脱敏策略,所述数据脱敏策略包括遮挡和替换;
S33. 依据不同的敏感数据的生成规则制定敏感数据还原规则;
S34. 结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原;
S35. 对敏感数据的还原结果进行查看。
5.一种基于大数据的敏感数据还原检测的系统,其特征在于,包括数据采集层、数据汇集层、数据存储层和数据服务层,通过对海量数据的采集、分析和建模,实现数据汇聚、融合与深度关联,支撑敏感数据信息还原服务;
所述数据采集层:支持对数据的实时汇聚,通过数据采集引擎进行多样化数据的采集,并对采集数据进行校验、采集管理及监控;
所述数据汇集层:对采集的数据进行处理,包括知识图谱建模、数据处理规则及数据汇聚;
所述数据存储层:对汇聚关联后的数据进行存储,并对数据进行比对与还原;
所述数据服务层:在数据存储层基础上,提供数据资源检索服务、资源统计分析服务、数据关联服务和数据还原服务;
所述敏感数据还原检测包括以下步骤:
S31. 用户查询敏感数据,系统通过关联库获取所有敏感数据关联到的数据;
S32. 依据关联数据的查询结果,判断敏感数据是否使用数据脱敏策略,所述数据脱敏策略包括遮挡和替换;
S33. 依据不同的敏感数据的生成规则制定敏感数据还原规则;
S34. 结合数据脱敏策略的使用情况,依据敏感数据类型本身的数据特征及还原规则,进行敏感数据还原;
S35. 对敏感数据的还原结果进行查看。
6.根据权利要求5所述的一种基于大数据的敏感数据还原检测的系统,其特征在于,所述数据汇集层中,所述知识图谱建模包括:依据数据特征,建立数据关联与融合模型,为实时数据的汇聚与关联提供支撑。
7.根据权利要求5所述的一种基于大数据的敏感数据还原检测的系统,其特征在于,所述数据汇集层中,所述数据处理规则包括:对汇聚的数据进行数据清洗、数据比对与数据校验。
8.根据权利要求5所述的一种基于大数据的敏感数据还原检测的系统,其特征在于,所述数据汇集层中,所述数据汇聚包括:依据知识图谱模型及所述数据处理规则对数据进行多方式的汇聚。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011278067.3A CN112417457B (zh) | 2020-11-16 | 2020-11-16 | 一种基于大数据的敏感数据还原检测的方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011278067.3A CN112417457B (zh) | 2020-11-16 | 2020-11-16 | 一种基于大数据的敏感数据还原检测的方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112417457A CN112417457A (zh) | 2021-02-26 |
CN112417457B true CN112417457B (zh) | 2022-02-08 |
Family
ID=74832237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011278067.3A Active CN112417457B (zh) | 2020-11-16 | 2020-11-16 | 一种基于大数据的敏感数据还原检测的方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417457B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529329A (zh) * | 2016-10-11 | 2017-03-22 | 中国电子科技网络信息安全有限公司 | 一种用于大数据的脱敏系统及脱敏方法 |
CN109284631A (zh) * | 2018-10-26 | 2019-01-29 | 中国电子科技网络信息安全有限公司 | 一种基于大数据的文档脱敏系统及方法 |
CN110399733A (zh) * | 2019-03-18 | 2019-11-01 | 国网安徽省电力有限公司黄山供电公司 | 一种针对结构化数据的脱敏平台 |
CN110532797A (zh) * | 2019-07-24 | 2019-12-03 | 方盈金泰科技(北京)有限公司 | 大数据的脱敏方法和系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8082227B2 (en) * | 2006-10-10 | 2011-12-20 | Emc Corporation | Session sensitive data backups and restores |
US8539597B2 (en) * | 2010-09-16 | 2013-09-17 | International Business Machines Corporation | Securing sensitive data for cloud computing |
US10474949B2 (en) * | 2014-08-19 | 2019-11-12 | Qualcomm Incorporated | Knowledge-graph biased classification for data |
CN106599713B (zh) * | 2016-11-11 | 2019-04-12 | 中国电子科技网络信息安全有限公司 | 一种基于大数据的数据库脱敏系统及方法 |
CN108170813A (zh) * | 2017-12-29 | 2018-06-15 | 智搜天机(北京)信息技术有限公司 | 一种全媒体内容智能审核的方法及其系统 |
CN108471414B (zh) * | 2018-03-24 | 2019-07-30 | 海南大学 | 面向类型化资源的物联网数据隐私保护方法 |
CN108804950A (zh) * | 2018-06-09 | 2018-11-13 | 海南大学 | 基于数据图谱,信息图谱和知识图谱的建模与数据隐私保护方法 |
CN109766447B (zh) * | 2018-12-25 | 2020-10-16 | 东软集团股份有限公司 | 一种确定敏感信息的方法和装置 |
CN109492435B (zh) * | 2019-01-10 | 2022-03-08 | 贵州财经大学 | 基于数据开放共享的隐私泄露风险评估方法、装置及系统 |
CN111292008A (zh) * | 2020-03-03 | 2020-06-16 | 电子科技大学 | 一种基于知识图谱的隐私保护数据发布风险评估方法 |
-
2020
- 2020-11-16 CN CN202011278067.3A patent/CN112417457B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529329A (zh) * | 2016-10-11 | 2017-03-22 | 中国电子科技网络信息安全有限公司 | 一种用于大数据的脱敏系统及脱敏方法 |
CN109284631A (zh) * | 2018-10-26 | 2019-01-29 | 中国电子科技网络信息安全有限公司 | 一种基于大数据的文档脱敏系统及方法 |
CN110399733A (zh) * | 2019-03-18 | 2019-11-01 | 国网安徽省电力有限公司黄山供电公司 | 一种针对结构化数据的脱敏平台 |
CN110532797A (zh) * | 2019-07-24 | 2019-12-03 | 方盈金泰科技(北京)有限公司 | 大数据的脱敏方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112417457A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109151078B (zh) | 一种分布式智能邮件分析过滤方法、系统及存储介质 | |
CN113098892B (zh) | 基于工业互联网的数据防泄漏系统以及方法 | |
CN103026345B (zh) | 用于事件监测优先级的动态多维模式 | |
CN104246786B (zh) | 模式发现中的字段选择 | |
CN110519150B (zh) | 邮件检测方法、装置、设备、系统及计算机可读存储介质 | |
CN112311612B (zh) | 一种信息构建方法、装置及存储介质 | |
CN109240886A (zh) | 异常处理方法、装置、计算机设备以及存储介质 | |
US20130218820A1 (en) | Intelligent grouping system and method for mobile terminal contact directory | |
CN107515915A (zh) | 基于用户行为数据的用户标识关联方法 | |
CN103281341A (zh) | 网络事件处理方法及装置 | |
CN107832333B (zh) | 基于分布式处理和dpi数据构建用户网络数据指纹的方法和系统 | |
CN104951553B (zh) | 一种数据处理准确的内容搜集与数据挖掘平台及其实现方法 | |
CN111026961A (zh) | 标引多重数据元素内的感兴趣的数据的方法及系统 | |
CN112417456B (zh) | 一种基于大数据的结构化敏感数据还原检测的方法 | |
CN109840183B (zh) | 数据中心分级预警方法、装置及存储介质 | |
CN112417457B (zh) | 一种基于大数据的敏感数据还原检测的方法与系统 | |
CN113568934A (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
CN109344190A (zh) | 一种警务数据处理方法及装置 | |
CN104902026A (zh) | 一种信息处理方法及云服务平台 | |
CN109756398A (zh) | 一种网络信息数据采集方法及系统 | |
US10050922B2 (en) | Server and method for processing email messages | |
CN114547406A (zh) | 数据监控方法、系统、存储介质及电子装置 | |
CN113268474A (zh) | 多维数据融合的行为分析系统、方法 | |
CN114092284A (zh) | 一种知识产权自动检索和分析管理系统 | |
KR20180118869A (ko) | 통합 보안 이상징후 모니터링 시스템 |
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 |