CN113285960A - 一种服务数据共享云平台的数据加密方法及系统 - Google Patents

Abstract

本发明实施例提供一种服务数据共享云平台的数据加密方法及系统，通过对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取服务数据共享云平台的待加密数据，然后基于预先配置的数据加密决策网络提取待加密数据的数据加密决策特征，接着基于待加密数据的数据加密决策特征确定待加密数据的加密策略和加密特征分区，并基于待加密数据的加密策略和加密特征分区对待加密数据进行数据加密，获得目标加密数据，并进一步基于待加密数据的数据加密决策特征对目标加密数据的权限防护。由此基于待加密数据的数据加密决策特征来进行针对性加密，可以减少非必要特征的加密数据量，提高加密效率和加密针对性。

Description

一种服务数据共享云平台的数据加密方法及系统

技术领域

本发明涉及数据安全技术领域，具体而言，涉及一种服务数据共享云平台的数据加密方法及系统。

背景技术

在满足云平台的多个与安全相关的信息要求时，健康的加密技术可以轻松地作为可靠的安全工具。如果仅仅只使用加密技术无法最佳效益。加密效率和加密针对性是亟待研究的课题，例如相关技术中的加密方案，大多是在进行加密过程中通常是对全局数据进行加密，没有考虑到待加密数据的具体特征，从而会影响加密效率和加密针对性。

发明内容

为了至少克服现有技术中的上述不足，本发明的目的在于提供一种服务数据共享云平台的数据加密方法及系统。

第一方面，本发明提供一种服务数据共享云平台的数据加密方法，应用于云服务数据加密系统，所述方法包括：

对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取所述服务数据共享云平台的待加密数据；

基于预先配置的数据加密决策网络提取所述待加密数据的数据加密决策特征；

基于所述待加密数据的数据加密决策特征确定所述待加密数据的加密策略和加密特征分区，并基于所述待加密数据的加密策略和加密特征分区对所述待加密数据进行数据加密，获得目标加密数据，并进一步基于所述待加密数据的数据加密决策特征对所述目标加密数据的权限防护。

在第一方面的一种参考示例中，所述对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取所述服务数据共享云平台的待加密数据的步骤，包括：

获取所述服务数据共享云平台的业务服务大数据的多个持续活动知识网络和多个临时活动知识网络；所述持续活动知识网络是通过对所述业务服务大数据的持续活动事件中每个持续活动流程对应的活动热力节点进行知识网络生成得到，所述临时活动知识网络是通过对所述业务服务大数据的临时活动流程中每个临时活动流程对应的活动热力节点进行知识网络生成得到；

根据目标持续活动流程对应的活动热力节点，在所述目标持续活动流程匹配的持续活动知识网络中获取与所述目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为所述目标持续活动流程对应的推定持续活动流程；

将所述目标持续活动流程过往生成的临时活动和所述推定持续活动流程过往生成的临时活动确定为目标临时活动，并根据所述目标临时活动流程对应的活动热力节点，在所述目标临时活动匹配的临时活动知识网络中获取与所述目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为所述目标临时活动流程对应的推定临时活动并添加至一临时活动簇中；

分别计算所述目标持续活动流程与所述临时活动簇中每个临时活动之间的活动衔接参数，并根据所述活动衔接参数在所述临时活动簇中检测所述目标持续活动流程对应的临时活动是否存在联动行为数据，并将检测到的联动行为数据添加到对应的联动行为数据簇中；

将所述联动行为数据簇以及所述业务服务大数据中与联动行为数据簇相关的目标数据确定为所述服务数据共享云平台的待加密数据；

在第一方面的一种参考示例中，所述根据目标持续活动流程对应的活动热力节点，在所述目标持续活动流程匹配的持续活动知识网络中获取与所述目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为所述目标持续活动流程对应的推定持续活动流程，包括：

将目标持续活动流程匹配的持续活动知识网络中所述目标持续活动流程以外的持续活动流程，确定为等待持续活动流程，并获取所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点；

获取所述目标持续活动流程与所述等待持续活动流程之间的临时活动共享特征，并根据所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点中与所述临时活动共享特征相关联的热点特征、所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点中多个热点特征的特征量化值，计算所述目标持续活动流程与所述等待持续活动流程之间的持续活动流程相关度；所述临时活动共享特征是指所述目标持续活动流程过往生成的临时活动流程对应的临时活动特征与所述等待持续活动流程过往生成的临时活动流程对应的临时活动特征之间的近似特征；

按照所述持续活动流程相关度的降序顺序对多个所述等待持续活动流程进行次序整理，将排序位置节点先于第一位置节点的所述等待持续活动流程确定为满足持续活动相关要求的持续活动流程，并将满足持续活动相关要求的持续活动流程确定为所述目标持续活动流程对应的推定持续活动流程；

在第一方面的一种参考示例中，所述根据所述目标临时活动流程对应的活动热力节点，在所述目标临时活动匹配的临时活动知识网络中获取与所述目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为所述目标临时活动流程对应的推定临时活动，包括：

将所述目标临时活动匹配的临时活动知识网络中所述目标临时活动以外的临时活动，确定为推定临时活动，并获取所述目标临时活动与所述推定临时活动分别对应的活动热力节点；

获取所述目标临时活动与所述推定临时活动之间的临时活动特征对，并根据所述目标临时活动与所述推定临时活动分别对应的活动热力节点中与所述临时活动特征对相关联的热点特征，计算所述目标临时活动与所述推定临时活动之间的临时活动相关度；

所述临时活动特征对是指将所述目标临时活动流程对应的临时活动特征与所述推定临时活动流程对应的临时活动特征进行组合获得的组合特征组； 按照所述临时活动相关度的降序顺序对多个所述推定临时活动进行次序整理，将排序位置节点先于第二位置节点的所述推定临时活动确定为满足信息相关要求的临时活动，并将满足信息相关要求的临时活动确定为所述目标临时活动流程对应的推定临时活动。

譬如，在第一方面的一种参考示例中，所述分别计算所述目标持续活动流程与所述临时活动簇中每个临时活动之间的活动衔接参数，并根据所述活动衔接参数在所述临时活动簇中检测所述目标持续活动流程对应的临时活动是否存在联动行为数据，包括：

将所述临时活动簇中的每个临时活动作为活动互动数据；

计算所述目标持续活动流程与每个所述活动互动数据之间的活动衔接参数； 按照所述活动衔接参数的降序顺序对多个所述活动互动数据进行次序整理，将排序位置节点先于第三位置节点的所述活动互动数据确定为所述目标持续活动流程对应的临时活动。

譬如，在第一方面的一种参考示例中，所述计算所述目标持续活动流程与每个所述活动互动数据之间的活动衔接参数，包括： 若所述活动互动数据为涵盖有活动衔接参数的临时活动，则根据所述目标持续活动流程分别与每个所述推定持续活动流程之间的持续活动流程相关度、所述目标持续活动流程和每个所述推定持续活动流程分别对应的持续活动流程的活动衔接参数均值、每个所述推定持续活动流程分别针对所述活动互动数据的活动衔接参数，计算所述目标持续活动流程与所述活动互动数据之间的活动衔接参数；所述持续活动流程的活动衔接参数均值是指一个持续活动流程对过往生成的临时活动的活动衔接参数的特征量化值； 若所述活动互动数据为未涵盖有活动衔接参数的临时活动，则根据所述活动互动数据对应的每个推定临时活动分别与所述活动互动数据之间的临时活动相关度、所述活动互动数据对应的每个推定临时活动分别对应的临时活动活动衔接参数均值、所述目标持续活动流程对应的持续活动流程的活动衔接参数均值、多个所述临时活动活动衔接参数的均值，计算所述目标持续活动流程与所述活动互动数据之间的活动衔接参数；所述临时活动活动衔接参数均值是指一个临时活动所具有的多个活动衔接参数的特征量化值。

譬如，在第一方面的一种参考示例中，所述方法还包括：

根据所述目标持续活动流程过往生成的临时活动，建立所述目标持续活动流程对应的临时活动导图数据；所述临时活动导图数据包括所述目标持续活动流程过往生成的每个临时活动的活动类别分布信息；

通过预设的热力生成模型分别对所述临时活动导图数据中每个临时活动的活动类别分布信息进行热力图生成，得到临时活动热力图；所述预设的热力生成模型包括与待生成的临时活动相关联的热力图配置参数；

在所述临时活动流程对应的临时活动特征簇中，获取所述目标持续活动流程过往生成的临时活动流程对应的目标临时活动特征簇，并根据所述目标临时活动特征簇和所述临时活动热力图，生成持续活动流程热点特征，并将所述持续活动流程热点特征转换为所述目标持续活动流程对应的活动热力节点。

譬如，在第一方面的一种参考示例中，所述方法还包括：

在所述临时活动流程对应的临时活动特征簇中提取与所述目标临时活动相关联的热点特征，并根据所述目标临时活动相关联的热点特征得到所述目标临时活动流程对应的活动热力节点。

譬如，在第一方面的一种参考示例中，所述方法还包括：

根据多个预设的第一知识网络生成参照特征，分别计算所述持续活动事件中每个持续活动流程对应的活动热力节点与所述多个第一知识网络生成参照特征之间的第一相关特征； 根据所述第一相关特征，确定各活动热力节点与各第一知识网络生成参照特征之间的特征关系，并将与相同的第一知识网络生成参照特征关联的活动热力节点所对应的持续活动流程划分至相同的持续活动知识网络中；其中，所述持续活动知识网络的数量与所述第一知识网络生成参照特征的数量相同。

譬如，在第一方面的一种参考示例中，所述方法还包括：

根据多个第二知识网络生成参照特征，分别计算所述临时活动流程中每个临时活动流程对应的活动热力节点与所述多个第二知识网络生成参照特征之间的第二相关特征；

根据所述第二相关特征，确定各活动热力节点与各第二知识网络生成参照特征之间的特征关系，并将与相同的第二知识网络生成参照特征关联的活动热力节点所对应的临时活动划分至相同的临时活动知识网络中；其中，所述临时活动知识网络的数量与所述第二知识网络生成参照特征的数量相同。

第二方面，本发明实施例还提供一种云服务数据加密系统，所述云服务数据加密系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有机器可执行指令，所述机器可执行指令由所述处理器加载并执行以实现前述的服务数据共享云平台的数据加密方法。

根据上述任意一个方面，通过对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取服务数据共享云平台的待加密数据，然后基于预先配置的数据加密决策网络提取待加密数据的数据加密决策特征，接着基于待加密数据的数据加密决策特征确定待加密数据的加密策略和加密特征分区，并基于待加密数据的加密策略和加密特征分区对待加密数据进行数据加密，获得目标加密数据，并进一步基于待加密数据的数据加密决策特征对目标加密数据的权限防护。由此基于待加密数据的数据加密决策特征来进行针对性加密，可以减少非必要特征的加密数据量，提高加密效率和加密针对性。

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启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，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它相关的附图。

图1为本发明实施例提供的服务数据共享云平台的数据加密方法的流程示意图；

图2为本发明实施例提供的用于实现上述的服务数据共享云平台的数据加密方法的云服务数据加密系统的结构示意框图。

具体实施方式

以下描述是为了使本领域的普通技术人员能够实施和利用本发明，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本发明的原则和范围的情况下，本发明中所定义的普遍原则可以适用于其它实施例和应用场景。因此，本发明并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。

本发明中所使用的术语仅用于描述特定的示例性实施例，并不限制本发明的范围。如本发明使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本发明说明书中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。

根据以下对附图的描述，本发明的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本发明说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本发明的范围。应当理解的是，附图并不是按比例绘制的。

本发明中使用了流程图用来说明根据本发明的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。此外，可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。

下面结合说明书附图对本发明进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

图1是本发明一种实施例提供的服务数据共享云平台的数据加密方法的流程示意图，下面对该服务数据共享云平台的数据加密方法进行详细介绍。

步骤S110，对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取所述服务数据共享云平台的待加密数据。

本实施例中，对于服务数据共享云平台而言，会产生多种业务的业务服务大数据，在进行数据加密时，为了避免对非关键数据也进行加密导致加密数据处理量增加，影响服务数据共享云平台的性能，因此需要对服务数据共享云平台的业务服务大数据进行关键数据筛选，进而可以将筛选后的关键数据作为所述服务数据共享云平台的待加密数据。

步骤S120，基于预先配置的数据加密决策网络提取所述待加密数据的数据加密决策特征。

本实施例中，对于待加密数据而言，相关技术在进行加密过程中通常是对全局数据进行加密，而本发明实施例中，会首先基于预先配置的数据加密决策网络提取所述待加密数据的数据加密决策特征，数据加密决策特征可以作为对所述待加密数据进行加密的参考依据，例如可以包括所述权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密适用方案信息。

步骤S130，基于所述待加密数据的数据加密决策特征确定所述待加密数据的加密策略和加密特征分区，并基于所述待加密数据的加密策略和加密特征分区对所述待加密数据进行数据加密，获得目标加密数据，并进一步基于所述待加密数据的数据加密决策特征对所述目标加密数据的权限防护。

本实施例中，通过确定所述待加密数据的数据加密决策特征，可以确定所述待加密数据的加密策略和加密特征分区，例如加密策略可以是前述的加密适用方案信息，加密特征分区可以是前述的目标业务活动隐私节点的加密决策特征区，加密策略可以根据待加密数据的数据特征类型进行学习后确定，目标业务活动隐私节点的加密决策特征区可以根据目标业务活动隐私节点的数据特征特性进行学习后确定，进而进行特征区定位后可以获得目标业务活动隐私节点的加密决策特征区。如此，可以按照所述待加密数据的加密策略对所述待加密数据对应的加密特征分区进行数据加密，例如可以采用对称加密方式或者非对称加密方式，从而获得目标加密数据。在此基础上，可以基于所述待加密数据的数据加密决策特征，例如可以基于数据加密决策特征中的加密适用方案信息对应的权限设置方式对所述目标加密数据的权限防护，具体不作详细限定。

基于以上步骤，本实施例通过对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取服务数据共享云平台的待加密数据，然后基于预先配置的数据加密决策网络提取待加密数据的数据加密决策特征，接着基于待加密数据的数据加密决策特征确定待加密数据的加密策略和加密特征分区，并基于待加密数据的加密策略和加密特征分区对待加密数据进行数据加密，获得目标加密数据，并进一步基于待加密数据的数据加密决策特征对目标加密数据的权限防护。由此基于待加密数据的数据加密决策特征来进行针对性加密，可以减少非必要特征的加密数据量，提高加密效率和加密针对性。

步骤S110，对于所述待加密数据中的任意一个业务知识网络单元的业务数据项目，获取所述业务数据项目的权限活动事件数据。

步骤S120，对所述权限活动事件数据进行处理，以得到所述权限活动事件数据的数据加密决策特征簇。

其中，数据加密决策特征簇包括权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密特征定位信息。并且，数据加密决策特征簇具体包括动态加密决策点向量分布和静态加密决策点向量分布，其中，动态加密决策点向量分布中包括多个权限活动特征单元，每个权限活动特征单元代表与该权限活动特征单元对应的权限活动事件数据中的权限活动事件为目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布。

作为示例，本发明实施例对于加密决策点的表现方式为动态+静态的形式。则数据加密决策特征簇分别对二者进行分类，即动态加密决策点向量分布和静态加密决策点向量分布。其中，动态加密决策点向量分布的维度为（Y1，Y2，......，Yn）*R，静态权限活动特征的维度是（Y1，Y2，......，Yn）*2，R为所要决策的目标业务活动隐私节点的具体数量。加密决策点向量分布上的每个权限活动特征单元分别表达了该特征分区处，是目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布和权限业务活动范围权限迁移标签的决策概率分布。

步骤S130，根据所述数据加密决策特征簇确定所述权限活动事件数据的数据加密决策特征，所述数据加密决策特征包括所述权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密适用方案信息。

一种参考示例中，加密适用方案信息可以包括加密特征定位信息，加密适用方案信息例如可以包括：权限活动事件数据是目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布，和权限活动事件数据是目标业务活动隐私节点的加密决策特征区对应的加密特征定位信息的权限业务活动范围和权限迁移标签。

一种参考示例中，数据加密决策特征簇包括动态加密决策点向量分布和静态加密决策点向量分布。其中，动态加密决策点向量分布包括权限活动事件数据中每个权限活动事件为目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布，静态加密决策点向量分布包括权限活动事件数据中每个权限活动事件对应的权限业务活动范围和权限迁移标签数据。

一种参考示例中，首先，云服务数据加密系统100根据动态加密决策点向量分布确定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密决策关键特征点。然后，云服务数据加密系统100根据加密决策关键特征点以及加密决策关键特征点处的权限活动事件对应的权限业务活动范围和权限迁移标签数据，确定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密特征定位信息。最后，云服务数据加密系统100将目标业务活动隐私节点的加密决策特征区的加密特征定位信息作为目标业务活动隐私节点的加密决策特征区的加密适用方案信息。

作为示例，权限活动事件数据中每个权限活动事件对应数据加密决策特征簇中的一个权限活动特征单元。因此，可以确定权限活动事件数据的数据加密决策特征，数据加密决策特征包括权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密适用方案信息。

基于以上步骤，可以处理业务数据项目的权限活动事件数据，从而得到权限活动事件数据的数据加密决策特征簇。其中，数据加密决策特征簇包括权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密特征定位信息，并根据数据加密决策特征簇确定权限活动事件数据的数据加密决策特征。如此设计，业务数据项目的第二标定权限活动事件数据无需标注即可训练得到数据加密决策网络，数据加密决策网络可以直接对业务数据项目的权限活动事件数据进行处理，从而得到数据加密决策特征，可以节省对业务数据项目的权限活动事件数据的标注工作量，提高数据加密决策的实时性和准确性。

一种参考示例中，云服务数据加密系统100可以调用数据加密决策网络对权限活动事件数据进行处理，以得到权限活动事件数据的数据加密决策特征簇。其中，数据加密决策网络是通过对业务数据项目的标定权限活动事件数据进行加密特性学习得到的。例如，数据加密决策网络是基于标定业务数据项目的第一标定权限活动事件数据、第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的标定加密特征定位信息和业务数据项目的第二标定权限活动事件数据训练后得到的。

如此设计，以上业务数据项目的第二标定权限活动事件数据无需标注即可训练得到数据加密决策网络，而是利用业务数据项目的标定权限活动事件数据的频繁权限活动特征进行加密特性学习训练得到数据加密决策网络。最后，训练得到的数据加密决策网络可以直接对业务数据项目的权限活动事件数据进行处理，从而得到数据加密决策特征，可以节省对业务数据项目的权限活动事件数据的标注工作量，提高数据加密决策的实时性和准确性。

一种参考示例中，数据加密决策网络包括加密决策点解析单元和加密决策点拼接单元。例如，数据加密决策网络包括加密决策点解析单元和加密决策点拼接单元。云服务数据加密系统100调用数据加密决策网络对权限活动事件数据进行处理，以得到权限活动事件数据的数据加密决策特征簇的一种示例设计可以包括：云服务数据加密系统100调用加密决策点解析单元对权限活动事件数据进行特征提取，以得到权限活动事件数据的初始加密决策点向量分布；调用加密决策点拼接单元对权限活动事件数据和初始加密决策点向量分布进行特征拼接，以得到权限活动事件数据的数据加密决策特征簇。其中，加密决策点解析单元可以由卷积层、批正则化、非线性激活、池化层等组成。加密决策点解析单元能够有效提取输入权限活动事件数据（权限活动事件数据）的一种权限迁移标签维特征表达（即初始加密决策点向量分布）。

一种参考示例中，首先，云服务数据加密系统100调用加密决策点拼接单元对权限活动事件数据和初始加密决策点向量分布进行特征提取和采样，得到第一加密决策点向量分布；然后，云服务数据加密系统100调用加密决策点拼接单元对权限活动事件数据和初始加密决策点向量分布进行特征压缩激励处理，得到初始加密决策点向量分布对应的代价拼接参数，并根据代价拼接参数对初始加密决策点向量分布进行特征点映射，得到第二加密决策点向量分布；最后，云服务数据加密系统100对第一待拼接加密决策点向量分布和第二待拼接加密决策点向量分布进行拼接，得到权限活动事件数据的数据加密决策特征簇。

最后，云服务数据加密系统100对第一加密决策点向量分布和第二加密决策点向量分布进行拼接，从而得到权限活动事件数据的数据加密决策特征簇。

一种参考示例中，本发明实例提供的一种服务数据共享云平台的数据加密方法，包括以下步骤。

步骤S210，获取标定学习数据样本序列，所述标定学习数据样本序列包括标定业务数据项目的第一标定权限活动事件数据、所述第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的标定加密特征定位信息和业务数据项目的第二标定权限活动事件数据。

步骤S220，通过对所述第二标定权限活动事件数据进行加密特性学习以及对所述第一标定权限活动事件数据进行加密特性学习训练前置数据加密决策网络。

例如，加密特性学习是指根据第二标定权限活动事件数据的频繁权限活动特征调整前置数据加密决策网络的网络参数信息。学习是指根据第一标定权限活动事件数据计算第二目标决策代价值，并根据第二目标决策代价值更新前置数据加密决策网络的网络参数信息。

一种参考示例中，云服务数据加密系统100根据第二标定权限活动事件数据的频繁权限活动特征确定前置数据加密决策网络的第一目标决策代价值。云服务数据加密系统100根据第一标定权限活动事件数据和第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的标定加密特征定位信息，确定前置数据加密决策网络的第二目标决策代价值。云服务数据加密系统100根据第一目标决策代价值和第二目标决策代价值训练前置数据加密决策网络。

一种参考示例中，云服务数据加密系统100调用前置数据加密决策网络对第一标定权限活动事件数据进行特征提取，得到第一标定权限活动事件数据的第一权限业务活动特征。然后，云服务数据加密系统100根据第一权限业务活动特征和标定加密特征定位信息确定前置数据加密决策网络的第二目标决策代价值。

一种参考示例中，前置数据加密决策网络可以包括前置加密决策点解析单元和前置加密决策点拼接单元。云服务数据加密系统100调用前置数据加密决策网络对标定业务数据项目的第一标定权限活动事件数据进行特征提取，得到第一标定权限活动事件数据的第一权限业务活动特征例如可以包括：云服务数据加密系统100调用前置加密决策点解析单元对第一标定权限活动事件数据进行特征提取，以得到第一标定权限活动事件数据的初始加密决策点向量分布；云服务数据加密系统100调用前置加密决策点拼接单元对第一标定权限活动事件数据的初始加密决策点向量分布进行特征拼接，以得到第一标定权限活动事件数据的第一权限业务活动特征。

当然，第一权限业务活动特征同样包括第一动态权限活动特征和第一静态权限活动特征。第一动态权限活动特征和第一静态权限活动特征的次序整理一致，例如均为（Y1，Y2，......，Yn），当然，第一静态权限活动特征的维度为2，也即，包括第一权限业务活动范围属性权限活动特征单元特征和第一权限迁移标签属性权限活动特征单元特征。另外，第一动态权限活动特征的维度与目标业务活动隐私节点包括的具体数量一致，例如目标业务活动隐私节点的数量为3，则第一动态权限活动特征的维度同样为3，例如目标业务活动隐私节点的数量为1，则第一动态权限活动特征的维度同样为1。值得注意，第一权限业务活动特征中的每个权限活动特征单元包括的特征意义与权限活动事件数据的加密决策关键特征点加密决策点向量分布中每个权限活动特征单元包括的特征意义一致。即第一动态权限活动特征包括第一标定权限活动事件数据中每个权限活动事件为目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布，第一静态权限活动特征包括第一标定权限活动事件数据中每个权限活动事件对应的权限业务活动范围和权限迁移标签数据。

一种参考示例中，云服务数据加密系统100调用前置数据加密决策网络对所述第二标定权限活动事件数据进行特征提取，得到第二标定权限活动事件数据的第二权限业务活动特征。然后，云服务数据加密系统100根据第二权限业务活动特征的频繁权限活动特征确定前置数据加密决策网络的第一目标决策代价值。

一种参考示例中，云服务数据加密系统100“调用前置数据加密决策网络对业务数据项目的第二标定权限活动事件数据进行特征提取，得到第二标定权限活动事件数据的第二权限业务活动特征”的执行步骤，具体可参见步骤S220中云服务数据加密系统100“调用前置数据加密决策网络对标定业务数据项目的第一标定权限活动事件数据进行特征提取，得到第一标定权限活动事件数据的第一权限业务活动特征”的执行步骤，本发明实施例在此不再赘述。

值得注意，在基于标定业务数据项目的第一标定权限活动事件数据和业务数据项目的第二标定权限活动事件数据对前置数据加密决策网络的训练过程中，第一标定权限活动事件数据与第二标定权限活动事件数据是同时输入前置数据加密决策网络中的。

步骤S230，当所述前置数据加密决策网络满足预设应用指标时，将所述满足预设应用指标的前置数据加密决策网络作为数据加密决策网络，并基于所述数据加密决策网络对输入的权限活动事件数据进行处理，以得到所述权限活动事件数据的数据加密决策特征簇。

一种参考示例中，第一目标决策代价值包括第三决策代价值和第四决策代价值，第二目标决策代价值包括第一决策代价值和第二决策代价值。云服务数据加密系统100获取第一决策代价值对应的第一代价拼接参数，第二决策代价值对应的第二代价拼接参数，以及获取第三决策代价值对应的第三代价拼接参数，第三决策代价值对应的第四代价拼接参数；然后，云服务数据加密系统100根据第一代价拼接参数、第二代价拼接参数、第三代价拼接参数和第四代价拼接参数，对第二目标决策代价值和第一目标决策代价值进行拼接计算，得到目标决策代价值；最后，云服务数据加密系统100根据目标决策代价值更新前置数据加密决策网络的网络参数信息。后续，当调整后的前置数据加密决策网络包括满足预设应用指标时，则将调整后的前置数据加密决策网络作为数据加密决策网络。

值得注意，所谓预设应用指标可以是指：当前置数据加密决策网络的训练次数达到预设次数时，例如300次，则前置数据加密决策网络满足预设应用指标；当每个标定权限活动事件数据对应的学习数据加密决策特征和每个标定权限活动事件数据对应的实际数据加密决策特征之间的损失函数值小于损失函数值阈值时，则前置数据加密决策网络满足预设应用指标；当前置数据加密决策网络相邻两次训练得到的每个标定权限活动事件数据对应的学习数据加密决策特征之间的差异小于差异阈值时，则前置数据加密决策网络满足预设应用指标。其中，标定权限活动事件数据可以为第一标定权限活动事件数据或第二标定权限活动事件数据。

如此设计，业务数据项目的第二标定权限活动事件数据无需标注即可训练得到数据加密决策网络，数据加密决策网络可以直接对业务数据项目的权限活动事件数据进行处理，从而得到数据加密决策特征。

一种参考示例中，本发明实施例提供一种确定第一目标决策代价值的方法的流程，该方法应用于云服务数据加密系统100，对应于步骤S220对应的一个具体实施例，包括以下步骤。

步骤S310，对所述第二权限业务活动特征包括的第二动态权限活动特征或者第二静态权限活动特征进行权限活动属性添加，得到权限活动属性添加后的第二动态权限活动特征或者第二静态权限活动特征。

一种参考示例中，云服务数据加密系统100通过调用前置数据加密决策网络，对第二标定权限活动事件数据进行处理，得到第二标定权限活动事件数据的第二权限业务活动特征。其中，第二权限业务活动特征包括第二动态权限活动特征和第二静态权限活动特征。云服务数据加密系统100可以对第二动态权限活动特征进行权限活动属性添加，得到权限活动属性添加后的第二动态权限活动特征。同样地，云服务数据加密系统100也可以对第二静态权限活动特征进行权限活动属性添加，得到权限活动属性添加后的第二静态权限活动特征。

步骤S320，对所述多个权限活动特征单元中每一个权限活动特征单元分别计算频繁权限活动特征，并根据所有权限活动特征单元的频繁权限活动特征、所述第二权限业务活动特征的权限业务活动范围和权限迁移标签得到第三决策代价值。

一种参考示例中，权限活动属性添加后的第二动态权限活动特征包括多个权限活动特征单元，每个权限活动特征单元对应第二标定权限活动事件数据中的一个权限活动事件。云服务数据加密系统100对多个权限活动特征单元中每一个权限活动特征单元分别计算频繁权限活动特征。

步骤S330，对所述多个权限活动特征单元中每一个权限活动特征单元分别计算最大平方决策代价值，并根据所有权限活动特征单元的最大平方决策代价值、所述第二权限业务活动特征的权限业务活动范围和权限迁移标签得到第四决策代价值。

一种参考示例中，权限活动属性添加后的第二动态权限活动特征包括多个权限活动特征单元，每个权限活动特征单元对应第二标定权限活动事件数据中的一个权限活动事件。云服务数据加密系统100对多个权限活动特征单元中每一个权限活动特征单元分别计算最大平方决策代价值。

步骤S340，根据所述第三决策代价值和所述第四决策代价值，确定所述前置数据加密决策网络的第一目标决策代价值。

一种参考示例中，云服务数据加密系统100获取第三决策代价值对应的第三代价拼接参数，以及获取第四决策代价值对应的第四代价拼接参数。然后，云服务数据加密系统100根据第三代价拼接参数和第四代价拼接参数对第三决策代价值和第四决策代价值进行拼接计算，得到前置数据加密决策网络的第一目标决策代价值。

最后，云服务数据加密系统100将第二目标决策代价值和第一目标决策代价值进行叠加运算，得到目标决策代价值。

一种参考示例中，本发明实施例提供一种确定第二目标决策代价值的方法，该方法应用于云服务数据加密系统100，对应于步骤S220对应的一个具体实施例，该方法包括的步骤如下。

步骤S410，根据所述第一动态权限活动特征、所述目标业务活动隐私节点的加密决策特征区的加密决策关键特征点和所述第一标定权限活动事件数据的数量，确定第一决策代价值。

其中，第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的标定加密特征定位信息具体包括第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密特征定位信息的权限业务活动范围、权限迁移标签和目标业务活动隐私节点的加密决策特征区的加密决策关键特征点。

一种参考示例中，云服务数据加密系统100通过调用前置数据加密决策网络，对第一标定权限活动事件数据进行处理，得到第一标定权限活动事件数据的第一权限业务活动特征。其中，第一权限业务活动特征包括第一动态权限活动特征，第一动态权限活动特征包括第一标定权限活动事件数据中每个权限活动事件为目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布。

步骤S420，根据所述第一静态权限活动特征、所述第一标定权限活动事件数据的数量、所述加密特征定位信息的权限业务活动范围和权限迁移标签，确定第二决策代价值。

一种参考示例中，云服务数据加密系统100通过调用前置数据加密决策网络，对第一标定权限活动事件数据进行处理，得到第一标定权限活动事件数据的第一权限业务活动特征。其中，第一权限业务活动特征包括第一静态权限活动特征，第一静态权限活动特征包括第一标定权限活动事件数据中每个权限活动事件对应的权限业务活动范围和权限迁移标签数据。第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的标定加密特征定位信息包括第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密特征定位信息的权限业务活动范围、权限迁移标签和目标业务活动隐私节点的加密决策特征区的加密决策关键特征点。

步骤S430，根据所述第一决策代价值和所述第二决策代价值，确定所述前置数据加密决策网络的第二目标决策代价值。

一种参考示例中，云服务数据加密系统100获取第一决策代价值对应的第一代价拼接参数，以及获取第二决策代价值对应的第二代价拼接参数。然后，云服务数据加密系统100根据第一代价拼接参数和第二代价拼接参数对第一决策代价值和第二决策代价值进行拼接计算，得到前置数据加密决策网络的第二目标决策代价值。

一种参考示例中，步骤S110可以通过以下步骤实现。

步骤B21，获取所述服务数据共享云平台的业务服务大数据的多个持续活动知识网络和多个临时活动知识网络。

步骤B22，根据目标持续活动流程对应的活动热力节点，在所述目标持续活动流程匹配的持续活动知识网络中获取与所述目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为所述目标持续活动流程对应的推定持续活动流程。

步骤B23，将所述目标持续活动流程过往生成的临时活动和所述推定持续活动流程过往生成的临时活动确定为目标临时活动，并根据所述目标临时活动流程对应的活动热力节点，在所述目标临时活动匹配的临时活动知识网络中获取与所述目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为所述目标临时活动流程对应的推定临时活动并添加至一临时活动簇中。

步骤B24，分别计算所述目标持续活动流程与所述临时活动簇中每个临时活动之间的活动衔接参数，并根据所述活动衔接参数在所述临时活动簇中检测所述目标持续活动流程对应的临时活动是否存在联动行为数据，并将检测到的联动行为数据添加到对应的联动行为数据簇中。

步骤B25，将所述联动行为数据簇以及所述业务服务大数据中与联动行为数据簇相关的目标数据确定为所述服务数据共享云平台的待加密数据。

如此，针对目标持续活动流程以及相对应的过往临时活动通过基于持续活动知识网络以及临时活动知识网络的关键数据查找的方式进行联动行为数据的查找，可以有效将所述联动行为数据簇以及所述业务服务大数据中与联动行为数据簇相关的目标数据确定为所述服务数据共享云平台的待加密数据，从而考虑到实际业务场景中联动行为数据作为关键数据的特性，避免对非关键数据也进行加密导致加密数据处理量增加，影响服务数据共享云平台的性能。

一种参考示例中，前述的活动热力节点可以通过下述步骤获得。

步骤B31，根据所述目标持续活动流程过往生成的临时活动，建立所述目标持续活动流程对应的临时活动导图数据。

步骤B32，通过预设的热力生成模型分别对所述临时活动导图数据中每个临时活动的活动类别分布信息进行热力图生成，得到临时活动热力图。所述预设的热力生成模型包括与待生成的临时活动相关联的热力图配置参数。

步骤B33，在所述临时活动流程对应的临时活动特征簇中，获取所述目标持续活动流程过往生成的临时活动流程对应的目标临时活动特征簇，并根据所述目标临时活动特征簇和所述临时活动热力图，生成持续活动流程热点特征，并将所述持续活动流程热点特征转换为所述目标持续活动流程对应的活动热力节点。

进一步地，在步骤B21中的持续活动知识网络可以通过以下方式进行知识网络生成得到。

首先，根据多个预设的第一知识网络生成参照特征，分别计算所述持续活动事件中每个持续活动流程对应的活动热力节点与所述多个第一知识网络生成参照特征之间的第一相关特征。

然后，根据所述第一相关特征，确定各活动热力节点与各第一知识网络生成参照特征之间的特征关系，并将与相同的第一知识网络生成参照特征对应的活动热力节点与所对应的持续活动流程划分至相同的持续活动知识网络中。其中，所述持续活动知识网络的数量与所述第一知识网络生成参照特征的数量相同。

一种参考示例中，步骤B22可以通过下述步骤实现，在该步骤中，根据目标持续活动流程对应的活动热力节点，在所述目标持续活动流程匹配的持续活动知识网络中获取与所述目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为所述目标持续活动流程对应的推定持续活动流程，具体如下。

子步骤B221，将目标持续活动流程匹配的持续活动知识网络中所述目标持续活动流程以外的持续活动流程，确定为等待持续活动流程，并获取所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点。

子步骤B222，获取所述目标持续活动流程与所述等待持续活动流程之间的临时活动共享特征，并根据所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点中与所述临时活动共享特征相关联的热点特征、所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点中多个热点特征的特征量化值，计算所述目标持续活动流程与所述等待持续活动流程之间的持续活动流程相关度。

本实施例中，所述临时活动共享特征是指所述目标持续活动流程过往生成的临时活动流程对应的临时活动特征与所述等待持续活动流程过往生成的临时活动流程对应的临时活动特征之间的近似特征。详细地，所述目标持续活动流程与所述等待持续活动流程之间的临时活动共享特征可以用目标持续活动流程与所述等待持续活动流程之间的临时活动的近似特征部分进行表示。

子步骤B223，按照所述持续活动流程相关度的降序顺序对多个所述等待持续活动流程进行次序整理，将排序位置节点先于第一位置节点的所述等待持续活动流程确定为满足持续活动相关要求的持续活动流程，并将满足持续活动相关要求的持续活动流程确定为所述目标持续活动流程对应的推定持续活动流程。

这样设置，根据目标持续活动流程对应的活动热力节点，在目标持续活动流程匹配的持续活动知识网络中获取与目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为目标持续活动流程对应的推定持续活动流程，这些推定持续活动流程即为与目标持续活动流程相似的持续活动流程。同时，由于是在目标持续活动流程所在的持续活动知识网络中查找推定持续活动流程，使得基于持续活动知识网络的解析方式可以减少数据量，提高数据处理效率。

下面介绍步骤B23的子步骤。在该步骤中，所述根据所述目标临时活动流程对应的活动热力节点，在所述目标临时活动匹配的临时活动知识网络中获取与所述目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为所述目标临时活动流程对应的推定临时活动，例如可以通过以下步骤实现。

子步骤B231，将所述目标临时活动匹配的临时活动知识网络中所述目标临时活动以外的临时活动，确定为推定临时活动，并获取所述目标临时活动与所述推定临时活动分别对应的活动热力节点。

子步骤B232，获取所述目标临时活动与所述推定临时活动之间的临时活动特征对，并根据所述目标临时活动与所述推定临时活动分别对应的活动热力节点中与所述临时活动特征对相关联的热点特征，计算所述目标临时活动与所述推定临时活动之间的临时活动相关度。

本实施例中，所述临时活动特征对可以是指将所述目标临时活动流程对应的临时活动特征与所述推定临时活动流程对应的临时活动特征进行组合获得的组合特征组。

子步骤B233，按照所述临时活动相关度的降序顺序对多个所述推定临时活动进行次序整理，将排序位置节点先于第二位置节点的所述推定临时活动确定为满足信息相关要求的临时活动，并将满足信息相关要求的临时活动确定为所述目标临时活动流程对应的推定临时活动。

进一步地，在上述步骤B24中，所述分别计算所述目标持续活动流程与所述临时活动簇中每个临时活动之间的活动衔接参数，并根据所述活动衔接参数在所述临时活动簇中检测所述目标持续活动流程对应的临时活动是否存在联动行为数据，例如可以通过以下步骤实现。

首先，将所述临时活动簇中的每个临时活动作为活动互动数据；

然后，计算所述目标持续活动流程与每个所述活动互动数据之间的活动衔接参数。

最后，按照所述活动衔接参数的降序顺序对多个所述活动互动数据进行次序整理，将排序位置节点先于第三位置节点的所述活动互动数据确定为联动行为数据并添加到对应的联动行为数据簇中。

进一步地，上述计算所述目标持续活动流程与每个所述活动互动数据之间的活动衔接参数，可以参见下述示例：

若所述活动互动数据为涵盖有活动衔接参数的临时活动，则根据所述目标持续活动流程分别与每个所述推定持续活动流程之间的持续活动流程相关度、所述目标持续活动流程和每个所述推定持续活动流程分别对应的持续活动流程的活动衔接参数均值、每个所述推定持续活动流程分别针对所述活动互动数据的活动衔接参数，计算所述目标持续活动流程与所述活动互动数据之间的活动衔接参数；所述持续活动流程的活动衔接参数均值是指一个持续活动流程对过往生成的临时活动的活动衔接参数的特征量化值；

若所述活动互动数据为未涵盖有活动衔接参数的临时活动，则根据所述活动互动数据对应的每个推定临时活动分别与所述活动互动数据之间的临时活动相关度、所述活动互动数据对应的每个推定临时活动分别对应的临时活动活动衔接参数均值、所述目标持续活动流程对应的持续活动流程的活动衔接参数均值、多个所述临时活动活动衔接参数的均值，计算所述目标持续活动流程与所述活动互动数据之间的活动衔接参数；所述临时活动活动衔接参数均值是指一个临时活动所具有的多个活动衔接参数的平均值。

基于以上步骤，将目标持续活动流程过往生成的临时活动和推定持续活动流程过往生成的临时活动均确定为目标临时活动，并根据目标临时活动流程对应的活动热力节点，在目标临时活动匹配的临时活动知识网络中获取与目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为目标临时活动流程对应的推定临时活动，信息和对应的推定临时活动中过滤掉目标持续活动流程过往生成的临时活动，得到临时活动簇，分别计算目标持续活动流程与临时活动簇中每个临时活动之间的活动衔接参数，并根据活动衔接参数在临时活动簇中检测联动行为数据。由此可见，临时活动簇不仅可以包括推定持续活动流程过往生成的临时活动，还可以包括目标临时活动流程对应的推定临时活动。

图2示出了本发明实施例提供的用于实现上述的服务数据共享云平台的数据加密方法的云服务数据加密系统100的硬件结构意图，如图2所示，云服务数据加密系统100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。

在一些实施例中，云服务数据加密系统100可以是单个服务器，也可以是服务器组。所述服务器组可以是集中式的，也可以是分布式的(例如，云服务数据加密系统100可以是分布式的系统)。在一些实施例中，云服务数据加密系统100可以是本地的，也可以是远程的。例如，云服务数据加密系统100可以经由网络访问存储于机器可读存储介质120中的信息和/或数据。又例如，云服务数据加密系统100可以直接连接到机器可读存储介质120以访问存储的信息和/或数据。在一些实施例中，云服务数据加密系统100可以在云平台上实施。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

机器可读存储介质120可以储存数据和/或指令。在一些实施例中，机器可读存储介质120可以存储从外部终端获取的数据。在一些实施例中，机器可读存储介质120可以储存云服务数据加密系统100用来执行或使用来完成本发明中描述的示例性方法的数据及/或指令。在一些实施例中，机器可读存储介质120可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括主动随机存取存储器(DRAM)、双倍数据速率同步主动随机存取存储器(DDR SDRAM)、被动随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，机器可读存储介质120可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云，多层云等，或其任意组合。

在具体实现过程中，至少一个处理器110执行机器可读存储介质120存储的计算机可执行指令，使得处理器110可以执行如上方法实施例的服务数据共享云平台的数据加密方法，处理器110、机器可读存储介质120以及通信单元140通过总线130连接，处理器110可以用于控制通信单元140的收发动作。

处理器110的具体实现过程可参见上述云服务数据加密系统100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

此外，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预设有计算机可执行指令，当处理器执行所述计算机可执行指令时，实现如上服务数据共享云平台的数据加密方法。

应当理解的是，以上描述仅出于说明的目的，并不旨在限制本发明的范围。对于本领域的普通技术人员来说，可以根据本发明的描述，做出多种修改和变化。然而，这些修改和变化不会背离本发明的范围。

上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明公开仅作为示例，并不构成对本发明的限制。虽然此处并没有明确说明，本领域技术人员可能会对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议，所以该类修改、改进、修正仍属于本发明示范实施例的精神和范围。

同时，本发明使用了特定词语来描述本发明的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本发明至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定系指同一实施例。此外，本发明的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。

此外，本领域的普通技术人员可以理解，本发明的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本发明的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本发明公开的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质等或其任意组合。

本发明各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写，包括面向持续活动编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，主动编程语言如Python、Ruby和Groovy，或其它编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本发明所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本发明流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本发明实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本发明披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本发明实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。同理，应当注意的是，为了简化本发明披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本发明实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。

Claims (10)

1.一种服务数据共享云平台的数据加密方法，其特征在于，应用于云服务数据加密系统，所述方法包括：

对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取所述服务数据共享云平台的待加密数据；

基于预先配置的数据加密决策网络提取所述待加密数据的数据加密决策特征；

基于所述待加密数据的数据加密决策特征确定所述待加密数据的加密策略和加密特征分区，并基于所述待加密数据的加密策略和加密特征分区对所述待加密数据进行数据加密，获得目标加密数据，并进一步基于所述待加密数据的数据加密决策特征对所述目标加密数据的权限防护。

2.根据权利要求1所述的服务数据共享云平台的数据加密方法，其特征在于，所述基于预先配置的数据加密决策网络提取所述待加密数据的数据加密决策特征的步骤，包括：

对于所述待加密数据中的任意一个业务知识网络单元的业务数据项目，获取所述业务数据项目的权限活动事件数据；

调用数据加密决策网络对所述权限活动事件数据进行处理，以得到所述权限活动事件数据的数据加密决策特征簇，所述数据加密决策网络是通过对所述业务数据项目的标定权限活动事件数据进行加密特性学习得到的，所述数据加密决策特征簇包括所述权限活动事件数据中目标业务活动隐私节点的加密决策特征区的加密特征定位信息；

根据所述数据加密决策特征簇确定所述权限活动事件数据的数据加密决策特征，所述数据加密决策特征包括所述权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密适用方案信息。

3.根据权利要求2所述的服务数据共享云平台的数据加密方法，其特征在于，所述调用数据加密决策网络对所述权限活动事件数据进行处理之前，所述方法还包括：

获取标定学习数据样本序列，所述标定学习数据样本序列包括标定业务数据项目的第一标定权限活动事件数据和业务数据项目的第二标定权限活动事件数据；

通过对所述第二标定权限活动事件数据进行加密特性学习以及对所述第一标定权限活动事件数据进行加密特性学习训练前置数据加密决策网络，当所述前置数据加密决策网络满足预设应用指标时，将所述满足预设应用指标的前置数据加密决策网络作为数据加密决策网络，所述数据加密决策网络用于识别所述业务数据项目的权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密特征定位信息。

4.根据权利要求3所述的服务数据共享云平台的数据加密方法，其特征在于，所述标定学习数据样本序列还包括第一标定权限活动事件数据中目标业务活动隐私节点的加密决策特征区的标定加密特征定位信息；

所述通过对所述第二标定权限活动事件数据进行加密特性学习以及对所述第一标定权限活动事件数据进行加密特性学习训练前置数据加密决策网络，包括：

调用所述前置数据加密决策网络对所述第二标定权限活动事件数据进行特征提取，得到所述第二标定权限活动事件数据的第二权限业务活动特征；

对所述第二权限业务活动特征包括的第二动态权限活动特征或者第二静态权限活动特征进行权限活动属性添加，得到权限活动属性添加后的第二动态权限活动特征或者第二静态权限活动特征，所述权限活动属性添加后的第二动态权限活动特征或者第二静态权限活动特征包括多个权限活动特征单元，每个权限活动特征单元对应所述第二标定权限活动事件数据中的一个权限活动事件；

对所述多个权限活动特征单元中每一个权限活动特征单元分别计算频繁权限活动特征，并根据所有权限活动特征单元的频繁权限活动特征、所述第二权限业务活动特征的权限业务活动范围和权限迁移标签得到第三决策代价值；

对所述多个权限活动特征单元中每一个权限活动特征单元分别计算最大平方决策代价值，并根据所有权限活动特征单元的最大平方决策代价值、所述第二权限业务活动特征的权限业务活动范围和权限迁移标签得到第四决策代价值；

根据所述第三决策代价值和所述第四决策代价值确定所述前置数据加密决策网络的第一目标决策代价值；

调用所述前置数据加密决策网络对所述第一标定权限活动事件数据进行特征提取，得到所述第一标定权限活动事件数据的第一权限业务活动特征；

根据所述第一权限业务活动特征和所述标定加密特征定位信息确定所述前置数据加密决策网络的第二目标决策代价值；

根据所述第一目标决策代价值和所述第二目标决策代价值训练所述前置数据加密决策网络。

5.根据权利要求4所述的服务数据共享云平台的数据加密方法，其特征在于，所述第一权限业务活动特征包括第一动态权限活动特征和第一静态权限活动特征，所述标定加密特征定位信息包括所述第一标定权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密特征定位信息的权限业务活动范围、权限迁移标签和所述目标业务活动隐私节点的加密决策特征区的加密决策关键特征点；

所述根据所述第一权限业务活动特征和所述标定加密特征定位信息确定所述前置数据加密决策网络的第二目标决策代价值，包括：

根据所述第一动态权限活动特征、所述目标业务活动隐私节点的加密决策特征区的加密决策关键特征点和所述第一标定权限活动事件数据的数量，确定第一决策代价值；

根据所述第一静态权限活动特征、所述第一标定权限活动事件数据的数量、所述加密特征定位信息的权限业务活动范围和权限迁移标签，确定第二决策代价值；

根据所述第一决策代价值和所述第二决策代价值确定所述前置数据加密决策网络的第二目标决策代价值。

6.根据权利要求4所述的服务数据共享云平台的数据加密方法，其特征在于，所述第一目标决策代价值包括第三决策代价值和第四决策代价值，所述第二目标决策代价值包括第一决策代价值和第二决策代价值；

所述根据所述第一目标决策代价值和所述第二目标决策代价值训练所述前置数据加密决策网络，包括：

获取所述第一决策代价值对应的第一代价拼接参数，所述第二决策代价值对应的第二代价拼接参数，以及获取所述第三决策代价值对应的第三代价拼接参数，所述第三决策代价值对应的第四代价拼接参数；

根据所述第一代价拼接参数、所述第二代价拼接参数、所述第三代价拼接参数和所述第四代价拼接参数，对所述第二目标决策代价值和所述第一目标决策代价值进行拼接计算，得到目标决策代价值；

根据所述目标决策代价值更新所述前置数据加密决策网络的网络参数信息。

7.根据权利要求2所述的服务数据共享云平台的数据加密方法，其特征在于，所述数据加密决策网络包括加密决策点解析单元和加密决策点拼接单元；

所述调用数据加密决策网络对所述权限活动事件数据进行处理，以得到所述权限活动事件数据的数据加密决策特征簇，包括：

调用所述加密决策点解析单元对所述权限活动事件数据进行特征提取，以得到所述权限活动事件数据的初始加密决策点向量分布；

调用所述加密决策点拼接单元对所述初始加密决策点向量分布进行特征提取和采样，得到第一加密决策点向量分布；

调用所述加密决策点拼接单元对所述初始加密决策点向量分布进行特征压缩激励处理，得到所述初始加密决策点向量分布对应的代价拼接参数，并根据所述代价拼接参数对所述初始加密决策点向量分布进行特征点映射，得到第二加密决策点向量分布；

对所述第一加密决策点向量分布和所述第二加密决策点向量分布进行拼接，得到所述权限活动事件数据的数据加密决策特征簇。

8.根据权利要求2所述的服务数据共享云平台的数据加密方法，其特征在于，所述数据加密决策特征簇包括动态加密决策点向量分布和静态加密决策点向量分布，所述动态加密决策点向量分布包括所述权限活动事件数据中每个权限活动事件为所述目标业务活动隐私节点的加密决策特征区的加密决策关键特征点的决策概率分布，所述静态加密决策点向量分布包括所述权限活动事件数据中每个权限活动事件对应的权限业务活动范围和权限迁移标签数据；

所述根据所述数据加密决策特征簇确定所述权限活动事件数据的数据加密决策特征，包括：

根据所述动态加密决策点向量分布确定所述权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密决策关键特征点；

根据所述加密决策关键特征点以及所述加密决策关键特征点处的权限活动事件对应的权限业务活动范围和权限迁移标签数据，确定所述权限活动事件数据中所述目标业务活动隐私节点的加密决策特征区的加密特征定位信息；

将所述目标业务活动隐私节点的加密决策特征区的加密特征定位信息作为所述目标业务活动隐私节点的加密决策特征区的加密适用方案信息。

9.根据权利要求1-8中任意一项所述的服务数据共享云平台的数据加密方法，其特征在于，所述对服务数据共享云平台的业务服务大数据进行关键数据筛选，获取所述服务数据共享云平台的待加密数据的步骤，包括：

获取所述服务数据共享云平台的业务服务大数据的多个持续活动知识网络和多个临时活动知识网络；所述持续活动知识网络是通过对所述业务服务大数据的持续活动事件中每个持续活动流程对应的活动热力节点进行知识网络生成得到，所述临时活动知识网络是通过对所述业务服务大数据的临时活动流程中每个临时活动流程对应的活动热力节点进行知识网络生成得到；

根据目标持续活动流程对应的活动热力节点，在所述目标持续活动流程匹配的持续活动知识网络中获取与所述目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为所述目标持续活动流程对应的推定持续活动流程；

将所述目标持续活动流程过往生成的临时活动和所述推定持续活动流程过往生成的临时活动确定为目标临时活动，并根据目标临时活动流程对应的活动热力节点，在所述目标临时活动匹配的临时活动知识网络中获取与所述目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为所述目标临时活动流程对应的推定临时活动并添加至一临时活动簇中；

分别计算所述目标持续活动流程与所述临时活动簇中每个临时活动之间的活动衔接参数，并根据所述活动衔接参数在所述临时活动簇中检测所述目标持续活动流程对应的临时活动是否存在联动行为数据，并将检测到的联动行为数据添加到对应的联动行为数据簇中；

将所述联动行为数据簇以及所述业务服务大数据中与联动行为数据簇相关的目标数据确定为所述服务数据共享云平台的待加密数据；

其中，所述根据目标持续活动流程对应的活动热力节点，在所述目标持续活动流程匹配的持续活动知识网络中获取与所述目标持续活动流程之间的相关参数值满足持续活动相关要求的持续活动流程，作为所述目标持续活动流程对应的推定持续活动流程，包括：

将目标持续活动流程匹配的持续活动知识网络中所述目标持续活动流程以外的持续活动流程，确定为等待持续活动流程，并获取所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点；

获取所述目标持续活动流程与所述等待持续活动流程之间的临时活动共享特征，并根据所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点中与所述临时活动共享特征相关联的热点特征、所述目标持续活动流程与所述等待持续活动流程分别对应的活动热力节点中多个热点特征的特征量化值，计算所述目标持续活动流程与所述等待持续活动流程之间的持续活动流程相关度；所述临时活动共享特征是指所述目标持续活动流程过往生成的临时活动流程对应的临时活动特征与所述等待持续活动流程过往生成的临时活动流程对应的临时活动特征之间的近似特征；

按照所述持续活动流程相关度的降序顺序对多个所述等待持续活动流程进行次序整理，将排序位置节点先于第一位置节点的所述等待持续活动流程确定为满足持续活动相关要求的持续活动流程，并将满足持续活动相关要求的持续活动流程确定为所述目标持续活动流程对应的推定持续活动流程；

其中，所述根据所述目标临时活动流程对应的活动热力节点，在所述目标临时活动匹配的临时活动知识网络中获取与所述目标临时活动之间的相关参数值满足信息相关要求的临时活动，作为所述目标临时活动流程对应的推定临时活动，包括：

将所述目标临时活动匹配的临时活动知识网络中所述目标临时活动以外的临时活动，确定为推定临时活动，并获取所述目标临时活动与所述推定临时活动分别对应的活动热力节点；

获取所述目标临时活动与所述推定临时活动之间的临时活动特征对，并根据所述目标临时活动与所述推定临时活动分别对应的活动热力节点中与所述临时活动特征对相关联的热点特征，计算所述目标临时活动与所述推定临时活动之间的临时活动相关度；

所述临时活动特征对是指将所述目标临时活动流程对应的临时活动特征与推定临时活动流程对应的临时活动特征进行组合获得的组合特征组； 按照所述临时活动相关度的降序顺序对多个所述推定临时活动进行次序整理，将排序位置节点先于第二位置节点的所述推定临时活动确定为满足信息相关要求的临时活动，并将满足信息相关要求的临时活动确定为所述目标临时活动流程对应的推定临时活动。

10.一种云服务数据加密系统，其特征在于，所述云服务数据加密系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有机器可执行指令，所述机器可执行指令由所述处理器加载并执行以实现权利要求1-9中任意一项的服务数据共享云平台的数据加密方法。

Images