CN113806350A - 一种提高大数据交易平台安全性的管理方法及系统 - Google Patents
一种提高大数据交易平台安全性的管理方法及系统 Download PDFInfo
- Publication number
- CN113806350A CN113806350A CN202111372474.5A CN202111372474A CN113806350A CN 113806350 A CN113806350 A CN 113806350A CN 202111372474 A CN202111372474 A CN 202111372474A CN 113806350 A CN113806350 A CN 113806350A
- Authority
- CN
- China
- Prior art keywords
- data
- transaction
- feature
- information
- security
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
本发明公开了一种提高大数据交易平台安全性的管理方法及系统,其中,所述方法包括:根据交易类型特征决策树对第一标准交易数据信息进行定向分类,获得各类别交易特征信息;根据预定安全要素标签库,获得各类别交易特征信息的第一特征融合信息;根据第一特征融合信息对第一标准交易数据信息进行安全性分析,获得第一数据安全系数;将第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;根据第一数据安全系数和第一数据脱敏完成度,获得第一数据安全性结果,并根据第一数据安全性结果对第一交易数据信息进行管理。解决了现有技术大数据交易平台存在交易数据安全管理效率低,导致影响交易安全性的技术问题。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种提高大数据交易平台安全性的管理方法及系统。
背景技术
随着大数据应用场景逐渐丰富,企业对于大数据的投入和研发持续加强,数据需求也日益增大,大数据交易成为大数据服务应用的新热点。大数据交易参与主体涵盖数据供给方、数据需求方、数据交易平台、评估机构、服务机构,以及外围的其他部门,大数据交易平台是以第三方的身份为数据提供方和数据需求方提供数据交易撮合服务的平台。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术大数据交易平台存在交易数据安全管理效率低,导致影响交易安全性的技术问题。
发明内容
本申请实施例通过提供一种提高大数据交易平台安全性的管理方法及系统,解决了现有技术大数据交易平台存在交易数据安全管理效率低,导致影响交易安全性的技术问题,达到通过安全要素标签进行融合的方式完成对数据的安全性分析,并结合数据脱敏完成度计算实现对交易数据的安全管理和智能化追踪,提高交易数据安全管理效率,从而保障交易安全性的技术效果。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的方法。
第一方面,本申请实施例提供了一种提高大数据交易平台安全性的管理方法,所述方法包括:通过大数据交易平台获得第一交易数据信息;对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;构建交易类型特征决策树;根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息; 根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。
另一方面,本申请还提供了一种提高大数据交易平台安全性的管理系统,所述系统包括:第一获得单元,所述第一获得单元用于通过大数据交易平台获得第一交易数据信息;第二获得单元,所述第二获得单元用于对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;第一构建单元,所述第一构建单元用于构建交易类型特征决策树;第三获得单元,所述第三获得单元用于根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息;第四获得单元,所述第四获得单元用于根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;第五获得单元,所述第五获得单元用于根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;第六获得单元,所述第六获得单元用于将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;第一管理单元,所述第一管理单元用于根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过大数据交易平台获得第一交易数据信息;对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息; 根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。进而达到通过安全要素标签进行融合的方式完成对数据的安全性分析,并结合数据脱敏完成度计算实现对交易数据的安全管理和智能化追踪,提高交易数据安全管理效率,从而保障交易安全性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高大数据交易平台安全性的管理方法的流程示意图;
图2为本申请实施例一种提高大数据交易平台安全性的管理方法中获得各类别交易特征信息的特征融合信息的流程示意图;
图3为本申请实施例一种提高大数据交易平台安全性的管理方法中获得特征映射结果的流程示意图;
图4为本申请实施例一种提高大数据交易平台安全性的管理方法中构建交易类型特征决策树的流程示意图;
图5为本申请实施例一种提高大数据交易平台安全性的管理方法中获得数据安全系数的流程示意图;
图6为本申请实施例一种提高大数据交易平台安全性的管理方法中获得数据安全评价等级的流程示意图;
图7为本申请实施例一种提高大数据交易平台安全性的管理方法中将标准交易数据信息集成存储至交易数据档案中的流程示意图;
图8为本申请实施例一种提高大数据交易平台安全性的管理系统的结构示意图;
图9为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一构建单元13,第三获得单元14,第四获得单元15,第五获得单元16,第六获得单元17,第一管理单元18,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作系统1151,应用程序1152和用户接口1160。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了一种提高大数据交易平台安全性的管理方法,其中,所述方法包括:
步骤S100:通过大数据交易平台获得第一交易数据信息;
具体而言,随着大数据应用场景逐渐丰富,企业对于大数据的投入和研发持续加强,数据需求也日益增大,大数据交易成为大数据服务应用的新热点。大数据交易参与主体涵盖数据供给方、数据需求方、数据交易平台、评估机构、服务机构,以及外围的其他部门,大数据交易平台是以第三方的身份为数据提供方和数据需求方提供数据交易撮合服务的平台。通过大数据交易平台获得第一交易数据信息,所述大数据交易平台的主体主要分为两类:一类是以企业为主导的大数据交易平台,这些交易平台多为企业独资或合资运营,以阿里云、京东万象、浪潮天元数据、数据堂为代表;另一类是由政府主导的大数据交易中心,这些中心多为政府/国企独资,或国企与民企合资,如贵阳大数据交易所和上海数据交易中心等。所述第一交易数据信息为交易数据产品以及交易客户基本信息,包括数据集、数据报告及数据应用服务等,涉及的行业主要为金融征信、交通地理、移动通讯、企业管理及医疗数据等。
步骤S200:对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;
具体而言,对所述第一交易数据信息进行数据清洗,数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序,包括检查数据一致性,处理无效值和缺失值等,不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。通过数据清洗获得第一标准交易数据信息,即以期望的格式将数据转换成标准可接收格式,保证交易数据是满足数据质量要求的数据。
步骤S300:构建交易类型特征决策树;
如图4所示,进一步而言,其中,所述构建交易类型特征决策树,本申请实施例步骤S300还包括:
步骤S310:根据历史标准交易数据信息集合,获得对应的类别交易特征信息集合;
步骤S320:对所述类别交易特征信息集合的数据特征进行主特征分析,获得第一降维数据特征集,所述第一降维数据特征集包括第一特征、第二特征和第三特征;
步骤S330:分别对所述第一特征、所述第二特征和所述第三特征进行信息论编码运算,获得决策树的节点特征信息;
步骤S340:根据所述节点特征信息,构建交易类型特征决策树。
具体而言,决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法,这种分类器能够对新出现的对象给出正确的分类,由根节点、内部节点以及叶节点组成。交易类型特征可作为所述交易类型特征决策树的内部节点,如交易数据类型、交易对象类型、交易数据量等,通过对其进行信息熵的计算,可对熵值最小的特征进行优先分类,以此方法对所述交易类型特征决策树进行递归构建,直至无法对最后的特征叶节点进行再分,说明分类结束,以此构成了交易类型特征决策树。
进一步而言,根据所述历史标准交易数据信息集合,获得对应的类别交易特征信息集合,对所述类别交易特征信息集合的数据特征进行主特征分析,主特征分析是最常用的线性降维方法,它的目标是通过某种线性投影,将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的信息量最大(方差最大),以此使用较少的数据维度,同时保留住较多的原数据点的特性。求解所述类别交易特征信息集合中各特征的平均值,然后对于所有的样本,每一个特征都减去自身的均值,继而获得新的特征值,获得主特征分析降维之后的第一降维数据特征集,所述第一降维数据特征集包括第一特征、第二特征和第三特征,即交易类型特征,如交易数据类型、交易对象类型、交易数据量等特征。降维的目的,就是为了在尽量保证“信息量不丢失”的情况下,对原始特征进行降维,也就是尽可能将原始特征往具有最大投影信息量的维度上进行投影,将原特征投影到这些维度上,使降维后信息量损失最小。
为了具体构建所述交易类型特征决策树,可分别对所述第一特征、所述第二特征以及所述第三特征进行信息熵的运算,即通过信息论编码中的香农公式对其进行信息熵数值的具体计算,进而获得对应的特征信息熵,进一步,信息熵表示信息的不确定度,当不确定性越大时,它所包含的信息量也就越大,信息熵也就越高,纯度也就越低,当集合中的所有样本均匀混合时,信息熵最大,纯度最低。因此,应基于所述数据大小比对模型对所述特征信息熵对其大小数值的比对,继而获得熵值最小的特征,即第一根节点特征信息,通过对熵值最小的特征进行优先分类,继而按照熵值由小到大的顺序,依次对各节点特征进行分类,最终构建所述交易类型特征决策树。使得每个交易数据都匹配适合的交易类型特征,进而实现了对交易类型特征决策树的具体构建的技术效果。
步骤S400:根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息;
具体而言,根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,即通过所述交易类型特征决策树对数据进行特征分类分析,获得对应的各类别交易特征信息,如企业客户订购大量的金融数据服务,使得交易数据特征分类更加准确,为后续的交易数据安全性分析提供数据基础。
步骤S500:根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;
如图2所示,进一步而言,其中,所述根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息,本申请实施例步骤S500还包括:
步骤S510:构建交易安全特征坐标系,所述交易安全特征坐标系为多维坐标系;
步骤S520:根据预定安全要素标签库,对所述交易安全特征坐标系进行区域标签化分类,获得第一标签分类结果;
步骤S530:将所述各类别交易特征信息输入所述交易安全特征坐标系,获得交易安全特征向量;
步骤S540:根据所述第一标签分类结果和所述交易安全特征向量进行映射匹配,获得第一特征映射结果;
步骤S550:对所述第一特征映射结果进行特征融合,获得所述各类别交易特征信息的第一特征融合信息。
具体而言,所述预定安全要素标签库为交易数据流转处理过程中的安全检测要素,包括数据采集安全标签、数据存储安全标签、数据处理安全标签、业务应用安全标签、接口传输安标签全和平台基础设施安全标签等。所述交易安全特征坐标系为多维坐标系,包括交易数据类型、交易对象类型、交易数据量、交易额、交易方式等。对所述交易安全特征坐标系进行区域标签化分类,不同的区域对应不同的标签分类结果,如不同区域对应不同的数据安全要素。将所述各类别交易特征信息输入所述交易安全特征坐标系,获得交易数据对应的所述交易安全特征向量,根据所述第一标签分类结果和所述交易安全特征向量进行映射匹配,获得相匹配的第一特征映射结果。对所述第一特征映射结果进行特征融合,获得所述各类别交易特征信息的第一特征融合信息。通过将安全要素标签进行融合的方式完成对交易数据的安全性分析,提高交易数据安全管理效率,从而保障交易安全性的技术效果。
步骤S600:根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;
步骤S700:将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;
具体而言,根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数,所述第一数据安全系数是所述第一标准交易数据信息的数据安全程度,安全系数越高,表明数据交易越安全。将所述第一标准交易数据信息输入数据敏感性评估模型,所述数据敏感性评估模型为神经网络模型,用于对交易数据脱敏程度进行评估,获得所述模型的训练输出结果即第一数据脱敏完成度。数据脱敏是指对某些敏感信息通过脱敏规则进行数据的变形,实现敏感隐私数据的可靠保护,在涉及客户安全数据或者一些商业性敏感数据的情况下,在不违反系统规则条件下,对真实数据进行改造并提供测试使用,如身份证号、手机号、卡号、客户号等个人信息都需要进行数据脱敏,所述第一数据脱敏完成度表明对交易数据安全隐私的保护程度,数据脱敏完成度越高,数据的安全隐私程度越高。
步骤S800:根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。
具体而言,根据第一数据安全系数和所述第一数据脱敏完成度共同确定交易数据的第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行相应的交易管理,以保证数据交易安全。通过安全要素标签进行融合的方式完成对数据的安全性分析,并结合数据脱敏完成度计算实现对交易数据的安全管理和智能化追踪,提高交易数据安全管理效率,从而保障交易安全性的技术效果。
如图3所示,进一步而言,其中,所述根据所述第一标签分类结果和所述交易安全特征向量进行映射匹配,获得第一特征映射结果,本申请实施例步骤S540还包括:
步骤S541:对所述交易安全特征向量进行距离计算,获得欧氏距离数据集;
步骤S542:根据所述欧氏距离数据集,获得交易安全特征分类数据集,所述交易安全特征数据集为所述欧氏距离数据集中最短k个距离;
步骤S543:根据所述交易安全特征数据集和所述第一标签分类结果进行映射匹配,获得第一特征映射结果。
具体而言,对所述交易安全特征向量进行距离计算,获得欧氏距离数据集,所述欧氏距离数据集为欧几里得度量距离数据集合,即坐标系中两点之间的直线距离。所述交易安全特征数据集为所述欧氏距离数据集中最短的k个距离,k值为所述欧氏距离数据集的一部分,可自行设定。根据所述交易安全特征数据集和所述第一标签分类结果进行映射匹配,获得所述向量对应的第一特征映射结果。达到通过计算向量距离的分类方法,对交易数据特征进行分类确定,确保数据安全要素特征准确性,从而保障交易安全性的技术效果。
如图5所示,进一步而言,其中,所述根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数,本申请实施例步骤S600还包括:
步骤S610:获得所述第一特征融合信息的安全指标集合;
步骤S620:对所述安全指标集合进行归一化处理,获得各安全指标影响因子;
步骤S630:根据所述安全指标集合获得第一安全指标评价标准,并根据所述第一安全指标评价标准对所述第一标准交易数据信息进行评价,获得第一数据安全评价等级;
步骤S640:根据所述各安全指标影响因子对所述第一数据安全评价等级进行加权计算,获得第一数据安全系数。
具体而言,所述第一特征融合信息的安全指标集合为对交易数据进行安全性评价的指标集合,包括数据采集环境、数据传输、存储管理、集群管理、身份认证、访问控制、 数据保护、版本管理等指标。对所述安全指标集合进行归一化处理,归一化处理是按照指标特性把有量纲表达式变为无量纲表达式,主要是为了数据处理更加便捷快速,获得处理后的各安全指标影响因子,所述各安全指标影响因子是指标安全性评价的权重,影响因子越高,表明该安全指标所占安全性评价程度越高。根据所述安全指标集合获得第一安全指标评价标准,所述第一安全指标评价标准是交易数据安全性评价的标准,根据所述第一安全指标评价标准对所述第一标准交易数据信息进行评价,获得第一数据安全评价等级,即交易数据在该安全指标内的安全等级。根据所述各安全指标影响因子对所述第一数据安全评价等级进行加权计算,获得计算后的第一数据安全系数,所述第一数据安全系数是所述第一标准交易数据信息的数据安全程度,安全系数越高,表明数据交易越安全。通过将安全要素标签进行融合的方式完成对交易数据的安全性分析,提高交易数据安全管理效率,从而保障交易安全性的技术效果。
如图6所示,进一步而言,本申请实施例步骤S640还包括:
步骤S641:获得所述安全指标集合中各指标之间的第一关联度;
步骤S642:如果所述第一关联度在预设关联度阈值之内,基于所述第一关联度,生成安全评价影响因素;
步骤S643:根据所述安全评价影响因素和所述第一安全指标评价标准,获得第二安全指标评价标准。
具体而言,所述安全指标集合中各指标之间的第一关联度为各安全评价指标之间的关联程度,所述预设关联度阈值为影响交易数据安全性评价的指标关联度范围,如果所述第一关联度在预设关联度阈值之内,表明两个安全评价指标之间的关联程度影响较高,如数据采集环境指标和数据采集设备指标的关联度。基于所述第一关联度,生成安全评价影响因素,所述安全评价影响因素是安全指标关联度对交易数据安全性评价的影响程度。综合所述安全评价影响因素和所述第一安全指标评价标准,获得第二安全指标评价标准,达到结合安全指标关联度对交易数据安全性进行评价,提高数据安全性评价结果准确性,从而保障交易安全性的技术效果。
如图7所示,进一步而言,本申请实施例步骤还包括:
步骤S910:基于加密算法,对所述第一标准交易数据信息进行加密,获得第一加密交易数据信息;
步骤S920:获得所述第一加密交易数据信息的各类别加密交易特征信息;
步骤S930:将所述各类别加密交易特征信息通过分布式存储,集成存储至第一交易数据档案中。
具体而言,为保障数据安全性对交易数据进行加密,加密的基本过程就是对原来为明文的文件或数据按某种算法进行处理,使其成为不可读的一段代码为“密文”,使其只能在输入相应的密钥之后才能显示出原容,通过这样的途径来达到保护数据不被非法人窃取、阅读的目的。基于加密算法,对所述第一标准交易数据信息进行加密,获得第一加密交易数据信息,加密算法包括DES,对称算法,数据加密标准,速度较快,适用于加密大量数据的场合;3DES,是基于DES的对称算法,对一块数据用三个不同的密钥进行三次加密,强度更高;IDEA国际数据加密算法,使用128位密钥提供非常强的安全性;RSA,是一个支持变长密钥的公共密钥算法,需要加密的文件块的长度也是可变的,是非对称算法。获得所述第一加密交易数据信息特征分类后的各类别加密交易特征信息,将所述各类别加密交易特征信息通过分布式存储,集成存储至第一交易数据档案中,所述第一交易数据档案用以对交易数据进行存储存档。所述分布式存储为一种数据存储技术,通过网络使用企业中的每台机器上的磁盘空间,并将这些分散的存储资源构成一个虚拟的存储设备,数据分散的存储在企业的各个角落,通过区块链的方式将信息存储到一个识别码里,达到提升溯源不可更改性和安全性的效果。
综上所述,本申请实施例所提供的一种提高大数据交易平台安全性的管理方法及系统具有如下技术效果:
由于采用了通过大数据交易平台获得第一交易数据信息;对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息; 根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。进而达到通过安全要素标签进行融合的方式完成对数据的安全性分析,并结合数据脱敏完成度计算实现对交易数据的安全管理和智能化追踪,提高交易数据安全管理效率,从而保障交易安全性的技术效果。
实施例二
基于与前述实施例中一种提高大数据交易平台安全性的管理方法同样发明构思,本发明还提供了一种提高大数据交易平台安全性的管理系统,如图8所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于通过大数据交易平台获得第一交易数据信息;
第二获得单元12,所述第二获得单元12用于对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;
第一构建单元13,所述第一构建单元13用于构建交易类型特征决策树;
第三获得单元14,所述第三获得单元14用于根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息;
第四获得单元15,所述第四获得单元15用于根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;
第五获得单元16,所述第五获得单元16用于根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;
第六获得单元17,所述第六获得单元17用于将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;
第一管理单元18,所述第一管理单元18用于根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。
进一步的,所述系统还包括:
第二构建单元,所述第二构建单元用于构建交易安全特征坐标系,所述交易安全特征坐标系为多维坐标系;
第七获得单元,所述第七获得单元用于根据预定安全要素标签库,对所述交易安全特征坐标系进行区域标签化分类,获得第一标签分类结果;
第八获得单元,所述第八获得单元用于将所述各类别交易特征信息输入所述交易安全特征坐标系,获得交易安全特征向量;
第九获得单元,所述第九获得单元用于根据所述第一标签分类结果和所述交易安全特征向量进行映射匹配,获得第一特征映射结果;
第十获得单元,所述第十获得单元用于对所述第一特征映射结果进行特征融合,获得所述各类别交易特征信息的第一特征融合信息。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于对所述交易安全特征向量进行距离计算,获得欧氏距离数据集;
第十二获得单元,所述第十二获得单元用于根据所述欧氏距离数据集,获得交易安全特征分类数据集,所述交易安全特征数据集为所述欧氏距离数据集中最短k个距离;
第十三获得单元,所述第十三获得单元用于根据所述交易安全特征数据集和所述第一标签分类结果进行映射匹配,获得第一特征映射结果。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于根据历史标准交易数据信息集合,获得对应的类别交易特征信息集合;
第十五获得单元,所述第十五获得单元用于对所述类别交易特征信息集合的数据特征进行主特征分析,获得第一降维数据特征集,所述第一降维数据特征集包括第一特征、第二特征和第三特征;
第十六获得单元,所述第十六获得单元用于分别对所述第一特征、所述第二特征和所述第三特征进行信息论编码运算,获得决策树的节点特征信息;
第三构建单元,所述第三构建单元用于根据所述节点特征信息,构建交易类型特征决策树。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于获得所述第一特征融合信息的安全指标集合;
第十八获得单元,所述第十八获得单元用于对所述安全指标集合进行归一化处理,获得各安全指标影响因子;
第十九获得单元,所述第十九获得单元用于根据所述安全指标集合获得第一安全指标评价标准,并根据所述第一安全指标评价标准对所述第一标准交易数据信息进行评价,获得第一数据安全评价等级;
第二十获得单元,所述第二十获得单元用于根据所述各安全指标影响因子对所述第一数据安全评价等级进行加权计算,获得第一数据安全系数。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于获得所述安全指标集合中各指标之间的第一关联度;
第一生成单元,所述第一生成单元用于如果所述第一关联度在预设关联度阈值之内,基于所述第一关联度,生成安全评价影响因素;
第二十二获得单元,所述第二十二获得单元用于根据所述安全评价影响因素和所述第一安全指标评价标准,获得第二安全指标评价标准。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于基于加密算法,对所述第一标准交易数据信息进行加密,获得第一加密交易数据信息;
第二十四获得单元,所述第二十四获得单元用于获得所述第一加密交易数据信息的各类别加密交易特征信息;
第一存储单元,所述第一存储单元用于将所述各类别加密交易特征信息通过分布式存储,集成存储至第一交易数据档案中。
前述图1实施例一中的一种提高大数据交易平台安全性的管理方法的各种变化方式和具体实例同样适用于本实施例的一种提高大数据交易平台安全性的管理系统,通过前述对一种提高大数据交易平台安全性的管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种提高大数据交易平台安全性的管理系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图9所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种提高大数据交易平台安全性的管理方法,其中,所述方法包括:
通过大数据交易平台获得第一交易数据信息;
对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;
构建交易类型特征决策树;
根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息;
根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;
根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;
将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;
根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。
2.如权利要求1所述的方法,其中,所述根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息,包括:
构建交易安全特征坐标系,所述交易安全特征坐标系为多维坐标系;
根据预定安全要素标签库,对所述交易安全特征坐标系进行区域标签化分类,获得第一标签分类结果;
将所述各类别交易特征信息输入所述交易安全特征坐标系,获得交易安全特征向量;
根据所述第一标签分类结果和所述交易安全特征向量进行映射匹配,获得第一特征映射结果;
对所述第一特征映射结果进行特征融合,获得所述各类别交易特征信息的第一特征融合信息。
3.如权利要求2所述的方法,其中,所述根据所述第一标签分类结果和所述交易安全特征向量进行映射匹配,获得第一特征映射结果,包括:
对所述交易安全特征向量进行距离计算,获得欧氏距离数据集;
根据所述欧氏距离数据集,获得交易安全特征分类数据集,所述交易安全特征数据集为所述欧氏距离数据集中最短k个距离;
根据所述交易安全特征数据集和所述第一标签分类结果进行映射匹配,获得第一特征映射结果。
4.如权利要求1所述的方法,其中,所述构建交易类型特征决策树,包括:
根据历史标准交易数据信息集合,获得对应的类别交易特征信息集合;
对所述类别交易特征信息集合的数据特征进行主特征分析,获得第一降维数据特征集,所述第一降维数据特征集包括第一特征、第二特征和第三特征;
分别对所述第一特征、所述第二特征和所述第三特征进行信息论编码运算,获得决策树的节点特征信息;
根据所述节点特征信息,构建交易类型特征决策树。
5.如权利要求1所述的方法,其中,所述根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数,包括:
获得所述第一特征融合信息的安全指标集合;
对所述安全指标集合进行归一化处理,获得各安全指标影响因子;
根据所述安全指标集合获得第一安全指标评价标准,并根据所述第一安全指标评价标准对所述第一标准交易数据信息进行评价,获得第一数据安全评价等级;
根据所述各安全指标影响因子对所述第一数据安全评价等级进行加权计算,获得第一数据安全系数。
6.如权利要求5所述的方法,其中,所述方法包括:
获得所述安全指标集合中各指标之间的第一关联度;
如果所述第一关联度在预设关联度阈值之内,基于所述第一关联度,生成安全评价影响因素;
根据所述安全评价影响因素和所述第一安全指标评价标准,获得第二安全指标评价标准。
7.如权利要求1所述的方法,其中,所述方法包括:
基于加密算法,对所述第一标准交易数据信息进行加密,获得第一加密交易数据信息;
获得所述第一加密交易数据信息的各类别加密交易特征信息;
将所述各类别加密交易特征信息通过分布式存储,集成存储至第一交易数据档案中。
8.一种提高大数据交易平台安全性的管理系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于通过大数据交易平台获得第一交易数据信息;
第二获得单元,所述第二获得单元用于对所述第一交易数据信息进行数据清洗,获得第一标准交易数据信息;
第一构建单元,所述第一构建单元用于构建交易类型特征决策树;
第三获得单元,所述第三获得单元用于根据所述交易类型特征决策树对所述第一标准交易数据信息进行定向分类,获得各类别交易特征信息;
第四获得单元,所述第四获得单元用于根据预定安全要素标签库,获得所述各类别交易特征信息的第一特征融合信息;
第五获得单元,所述第五获得单元用于根据所述第一特征融合信息对所述第一标准交易数据信息进行安全性分析,获得第一数据安全系数;
第六获得单元,所述第六获得单元用于将所述第一标准交易数据信息输入数据敏感性评估模型,获得第一数据脱敏完成度;
第一管理单元,所述第一管理单元用于根据第一数据安全系数和所述第一数据脱敏完成度,获得第一数据安全性结果,并根据所述第一数据安全性结果对所述第一交易数据信息进行管理。
9.一种提高大数据交易平台安全性的管理电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111372474.5A CN113806350B (zh) | 2021-11-19 | 2021-11-19 | 一种提高大数据交易平台安全性的管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111372474.5A CN113806350B (zh) | 2021-11-19 | 2021-11-19 | 一种提高大数据交易平台安全性的管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113806350A true CN113806350A (zh) | 2021-12-17 |
CN113806350B CN113806350B (zh) | 2022-02-11 |
Family
ID=78938374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111372474.5A Active CN113806350B (zh) | 2021-11-19 | 2021-11-19 | 一种提高大数据交易平台安全性的管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113806350B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502277A (zh) * | 2023-06-30 | 2023-07-28 | 中科乐约健康科技(深圳)有限公司 | 一种基于区块链的医疗数据安全处理方法、系统及装置 |
CN117472987A (zh) * | 2023-12-25 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于互联网公开信息的数据集成分析系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653981A (zh) * | 2015-12-31 | 2016-06-08 | 中国电子科技网络信息安全有限公司 | 大数据平台的数据流通与交易的敏感数据保护系统及方法 |
CN106649587A (zh) * | 2016-11-17 | 2017-05-10 | 国家电网公司 | 一种基于大数据信息系统的高安全性脱敏方法 |
CN107292183A (zh) * | 2017-06-29 | 2017-10-24 | 国信优易数据有限公司 | 一种数据处理方法及设备 |
CN109885597A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于机器学习的用户分群处理方法、装置及电子终端 |
CN110084630A (zh) * | 2019-03-05 | 2019-08-02 | 浙江工业大学之江学院 | 基于梯度提升决策树的用户旅游出行意向及类型预测方法 |
CN110162521A (zh) * | 2019-04-28 | 2019-08-23 | 银清科技(北京)有限公司 | 一种支付系统交易数据处理方法及系统 |
-
2021
- 2021-11-19 CN CN202111372474.5A patent/CN113806350B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653981A (zh) * | 2015-12-31 | 2016-06-08 | 中国电子科技网络信息安全有限公司 | 大数据平台的数据流通与交易的敏感数据保护系统及方法 |
CN106649587A (zh) * | 2016-11-17 | 2017-05-10 | 国家电网公司 | 一种基于大数据信息系统的高安全性脱敏方法 |
CN107292183A (zh) * | 2017-06-29 | 2017-10-24 | 国信优易数据有限公司 | 一种数据处理方法及设备 |
CN109885597A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于机器学习的用户分群处理方法、装置及电子终端 |
CN110084630A (zh) * | 2019-03-05 | 2019-08-02 | 浙江工业大学之江学院 | 基于梯度提升决策树的用户旅游出行意向及类型预测方法 |
CN110162521A (zh) * | 2019-04-28 | 2019-08-23 | 银清科技(北京)有限公司 | 一种支付系统交易数据处理方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502277A (zh) * | 2023-06-30 | 2023-07-28 | 中科乐约健康科技(深圳)有限公司 | 一种基于区块链的医疗数据安全处理方法、系统及装置 |
CN116502277B (zh) * | 2023-06-30 | 2024-03-26 | 中科乐约健康科技(深圳)有限公司 | 一种基于区块链的医疗数据安全处理方法、系统及装置 |
CN117472987A (zh) * | 2023-12-25 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于互联网公开信息的数据集成分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113806350B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783875B (zh) | 基于聚类分析的异常用户检测方法、装置、设备及介质 | |
KR102079860B1 (ko) | 텍스트 주소 처리 방법 및 장치 | |
CN113806350B (zh) | 一种提高大数据交易平台安全性的管理方法及系统 | |
WO2017028630A1 (zh) | 一种验证方法及服务器 | |
CN113434483B (zh) | 一种基于时空大数据的可视化建模方法及系统 | |
CN113326991A (zh) | 自动授权方法、装置、计算机设备及存储介质 | |
CN112533209A (zh) | 黑产识别方法及黑产识别装置 | |
CN115795000A (zh) | 基于联合相似度算法对比的围标识别方法和装置 | |
CN113537370A (zh) | 一种基于云计算的财务数据处理方法及系统 | |
CN112149706A (zh) | 模型训练方法、装置、设备和介质 | |
CN110618999A (zh) | 数据的查询方法及装置、计算机存储介质、电子设备 | |
CN111835808B (zh) | 数据存储方法及装置、数据读取方法及装置、存储介质 | |
CN114329644B (zh) | 对逻辑系统设计进行加密仿真的方法、设备及存储介质 | |
CN111639360A (zh) | 智能数据脱敏方法、装置、计算机设备及存储介质 | |
CN115150063A (zh) | 模型加密的方法、装置及电子设备 | |
CN111368196A (zh) | 模型参数的更新方法、装置、设备及可读存储介质 | |
CN113421174A (zh) | 一种基于大数据的知识产权价值评估参考方法及系统 | |
TWI832640B (zh) | 一種資料匹配方法、裝置、系統、設備及介質 | |
KR102515682B1 (ko) | 분산형 기계 학습 모델의 트레이닝 방법, 장치, 설비 및 매체 | |
CN115758271A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
WO2023093070A1 (zh) | 面向智能城市网络资源的相关性分析方法及装置 | |
CN113283677B (zh) | 指标数据处理方法、装置、设备及存储介质 | |
CN110119337B (zh) | 一种数据分析方法、装置及服务器 | |
CN113761576A (zh) | 隐私保护方法、装置、存储介质及电子设备 | |
WO2016092830A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 |
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 |