CN114218570B - 基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统 - Google Patents

基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统 Download PDF

Info

Publication number
CN114218570B
CN114218570B CN202210159833.7A CN202210159833A CN114218570B CN 114218570 B CN114218570 B CN 114218570B CN 202210159833 A CN202210159833 A CN 202210159833A CN 114218570 B CN114218570 B CN 114218570B
Authority
CN
China
Prior art keywords
computer
representing
target
monitoring
rpa
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
Application number
CN202210159833.7A
Other languages
English (en)
Other versions
CN114218570A (zh
Inventor
李�昊
龙江
钟金顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Think Height Information Technology Co ltd
Original Assignee
Guangzhou Think Height Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Think Height Information Technology Co ltd filed Critical Guangzhou Think Height Information Technology Co ltd
Priority to CN202210159833.7A priority Critical patent/CN114218570B/zh
Publication of CN114218570A publication Critical patent/CN114218570A/zh
Application granted granted Critical
Publication of CN114218570B publication Critical patent/CN114218570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/554—Detecting local intrusion or implementing counter-measures involving event detection and direct action
    • 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
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/556—Detecting local intrusion or implementing counter-measures involving covert channels, i.e. data leakage between processes
    • 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
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06F21/606—Protecting data by securing the transmission between two devices or processes
    • 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
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/82—Protecting input, output or interconnection devices
    • G06F21/83—Protecting input, output or interconnection devices input devices, e.g. keyboards, mice or controllers thereof
    • 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
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/82—Protecting input, output or interconnection devices
    • G06F21/84—Protecting input, output or interconnection devices output devices, e.g. displays or monitors

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提出了一种基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，包括：激活并运行RPA程序；当AI分析设备的连接通信正常时，通过RPA程序将摄像头的监测画面发送至AI分析设备，判断当前监测环境是否符合预设的监测环境，当符合时，设定RPA程序需要监测的电脑软件环境并判断电脑当前是否运行需要防止窃照窃抄的敏感信息；若是，则在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；否则，暂停摄像头的监测；本发明还提出了一种防止电脑信息被窃照窃抄的系统，通过RPA程序判断当前电脑的软件进程，可以基于预设的控制策略控制摄像头的开启和关闭，从而大幅度减少无效数据的采集，有效提升告警信息的精确性，节省存储资源。

Description

基于AI和RPA技术的防止电脑信息被窃照窃抄的方法及系统
技术领域
本发明涉及信息技术安全领域，特别是涉及一种基于AI和RPA技术的防止电脑信息被窃照窃抄的方法及系统。
背景技术
现有防止电脑信息泄露的方式，一般包括系统授权控制、禁封外设接口、屏幕水印。然而，目前依然会发生大量的数据泄露事件，其中一个原因就在于内部用户在获得访问权限之后，可以不依赖于电脑连接，直接通过手机窃照的行为，带走相关信息资料。而屏幕水印的方式，在用户采用OCR技术进行处理后，原来的水印将不产生任何效用。
现有技术公开了一种防窃照方法及系统，具体公开了通过终端设备获取图像采集设备采集的预设区域的环境画面；将环境画面发送给图像识别服务器，以便图像识别服务器对环境画面进行图像识别得到识别结果；接收图像识别服务器发送的识别结果，并在识别结果中包含偷拍元素时，显示告警画面。该方案虽然能够解决因窃照使得数据泄露而引起的安全隐患问题，但其在使用过程中存在以下缺陷：1、需要在电脑上安装硬件加密卡，成本高，适应性低；2、全时间段监测，无法和电脑当前的软件环境相适配，造成大量的监控、存储资源浪费，且无效告警多，使得整个系统无法很好的发挥作用。
发明内容
本发明为了解决以上至少一种技术缺陷，提供一种基于AI和RPA技术的防止电脑信息被窃照窃抄的方法及系统，在防止电脑信息被窃照窃抄的过程中，大幅减少无效数据的采集，有效提升告警信息的精准性。
为解决上述技术问题，本发明的技术方案如下：
基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，包括以下步骤：
S1：用户开启电脑，对RPA程序进行激活并运行；
S2：判断AI分析设备的连接通信是否正常，若是，则执行步骤S3；否则，由管理平台形成告警信息；
S3：按照实际监测需求，通过RPA程序设置与其连接的摄像头的视频数据采集频率；
S4：通过RPA程序将摄像头的监测画面发送至AI分析设备，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境；若是，则执行步骤S5；否则，RPA程序在电脑上发送屏幕提示，同时由管理平台形成告警信息；
S5：设定RPA程序需要监测的电脑软件环境；
S6：判断电脑当前是否运行需要防止窃照窃抄的敏感信息；若是，则执行步骤S7；否则，暂停摄像头的监测，重复执行步骤S6；
S7：通过RPA程序禁止电脑截屏功能的触发，并在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；
S8：若存在窃照窃抄行为，则由RPA程序中断电脑屏幕显示，并由管理平台形成告警信息，返回执行步骤S7；否则，直接返回执行步骤S7，保持监控状态。
上述方案中，通过人工智能目标检测和行为分析技术，通过对视频流的结构话处理，可以分析出用户使用手机、照相机等器材拍摄电脑屏幕的窃照行为，以及用户用笔抄写电脑屏幕信息的窃抄行为。
进一步的，本方案通过RPA（Robotic Process Automation，机器人流程自动化）程序可以判断当前电脑的软件进程，可以基于预设的控制策略控制摄像头的开启和关闭，从而大幅度减少无效数据的采集，有效提升告警信息的精确性，节省存储资源。
其中，所述步骤S1具体为：用户开启电脑后，RPA程序自动运行，并将工作状态同步给管理平台；为避免RPA程序与管理平台之间的通信被劫持或篡改，RPA程序在通信过程中携带了当前电脑的设备指纹信息（如IP/MAC等）；在电脑启动过程中，RPA程序会根据当前电脑的指纹信息（如IP/MAC等）并结合指定加密算法，向服务器发送信息指令；服务器收到指令后，根据公钥解密加密的指令，并从指令中获取请求电脑的指纹信息，跟注册的指纹信息相匹配，如果信息匹配一致，才会通过密钥进行加密，并向电脑下发执行指令；电脑在接收到服务器的指令后，解密执行指令并执行启动或关闭程序，整个启动过程全程采用指定的加密方式进行，从而杜绝了伪造生产环境、劫持或篡改通信信息启动程序，保障RPA程序在授权电脑上的激活和运行。
上述方案中，RPA程序在运行期间，能定期跟踪服务器进行心跳通信，服务器亦能下达一些特殊的操作指令，如关闭程序/重启程序/桌面截图/锁屏/屏蔽或开放热键/进行信息上报等操作。
更进一步的，在RPA程序激活后，连接AI分析设备，为避免RPA程序和管理平台之间的通信被劫持或篡改，RPA程序通信过程中携带了当前电脑的设备指纹信息（如IP/MAC等）并结合指定加密算法，向AI分析设备发送信息指令，操作过程如步骤S1中所述。
更进一步的，在步骤S3中，由于不同用户单位对于AI分析的要求不一样。如果AI分析内容越复杂、监测电脑越多、告警实时性要求越高，则对AI分析设备的性能损耗越大。因此，RPA程序通过设位置监测视频数据采集的频率（如1帧/秒或2帧/秒）。
其中，在所述步骤S4中，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境的过程具体为：
在监测画面中，预置三个目标点
Figure 566990DEST_PATH_IMAGE001
进行识别，通过目标监测，识别到目标 矩形
Figure 714813DEST_PATH_IMAGE002
，计算每个目标点的中心点为：
Figure 376738DEST_PATH_IMAGE003
其中，以监测画面截屏图片左上角为原点，以该图片左上角到右上角的边为
Figure 453278DEST_PATH_IMAGE004
轴， 以该图片左上角到左下角的边为
Figure 443231DEST_PATH_IMAGE005
轴建立平面直角坐标系；
Figure 630630DEST_PATH_IMAGE004
表示目标矩形的右上角的 横坐标，
Figure 412641DEST_PATH_IMAGE005
表示目标矩形右上角的纵坐标，
Figure 182056DEST_PATH_IMAGE006
表示目标矩形的宽，
Figure 659304DEST_PATH_IMAGE007
表示目标矩形 的高；
Figure 384815DEST_PATH_IMAGE008
表示目标点
Figure 896699DEST_PATH_IMAGE009
的中心点的横坐标，
Figure 813577DEST_PATH_IMAGE010
表示目标点
Figure 168335DEST_PATH_IMAGE009
的中心点的纵坐标，
Figure 431957DEST_PATH_IMAGE011
表示 目标点
Figure 63927DEST_PATH_IMAGE009
对应的目标矩形右上角的横坐标，
Figure 387592DEST_PATH_IMAGE013
表示目标点
Figure 603547DEST_PATH_IMAGE009
对应的目标矩形的宽，
Figure 795494DEST_PATH_IMAGE015
表示目标点
Figure 281970DEST_PATH_IMAGE009
对应的目标矩形的高；
Figure 776537DEST_PATH_IMAGE016
表示目标点
Figure 981253DEST_PATH_IMAGE018
的中心点的横坐标，
Figure 350792DEST_PATH_IMAGE019
表 示目标点
Figure 816409DEST_PATH_IMAGE018
的中心点的纵坐标，
Figure 481876DEST_PATH_IMAGE020
表示目标点
Figure 173889DEST_PATH_IMAGE018
对应的目标矩形右上角的横坐标，
Figure 848584DEST_PATH_IMAGE022
表示目标点
Figure 542608DEST_PATH_IMAGE018
对应的目标矩形的宽，
Figure 503611DEST_PATH_IMAGE023
表示目标点
Figure 417340DEST_PATH_IMAGE018
对应的目标矩形的 长；
Figure 895726DEST_PATH_IMAGE024
表示目标点
Figure 945722DEST_PATH_IMAGE025
的中心点的横坐标，
Figure 717106DEST_PATH_IMAGE026
表示目标点
Figure 977187DEST_PATH_IMAGE027
的中心点的纵坐标，
Figure 993684DEST_PATH_IMAGE028
表示目 标点
Figure 163765DEST_PATH_IMAGE025
对应的目标矩形右上角的横坐标，
Figure 607516DEST_PATH_IMAGE029
表示目标点
Figure 728794DEST_PATH_IMAGE027
对应的目标矩形的宽，
Figure 548982DEST_PATH_IMAGE030
表示目标点
Figure 432625DEST_PATH_IMAGE025
对应的目标矩形的长；
接着计算得到关于目标点
Figure 578435DEST_PATH_IMAGE031
的三条直线
Figure 688474DEST_PATH_IMAGE032
；以这三条直线 组成一个三角形，以三角形的中心点来定义监测画面的中心点为
Figure 810888DEST_PATH_IMAGE033
，其是摄像头的投影位 置，有
Figure 689982DEST_PATH_IMAGE034
，其中，
Figure 741115DEST_PATH_IMAGE035
表示中心点
Figure 338450DEST_PATH_IMAGE033
的横坐标，
Figure 359495DEST_PATH_IMAGE036
表示 中心点
Figure 122790DEST_PATH_IMAGE033
的纵坐标；
Figure 813665DEST_PATH_IMAGE038
是目标矩形最右下角的点在坐标轴的值；
在监测画面中分别计算中心点
Figure 898296DEST_PATH_IMAGE039
到直线
Figure 863978DEST_PATH_IMAGE040
的距离，具体为：
Figure 216199DEST_PATH_IMAGE041
Figure 468189DEST_PATH_IMAGE042
其中，
Figure 40116DEST_PATH_IMAGE043
表示中心点
Figure 278330DEST_PATH_IMAGE044
到直线
Figure 252103DEST_PATH_IMAGE046
的距离，
Figure 314474DEST_PATH_IMAGE048
表示中心点
Figure 108118DEST_PATH_IMAGE044
到直线
Figure 274657DEST_PATH_IMAGE049
的距 离，
Figure 102936DEST_PATH_IMAGE050
表示中心点
Figure 572094DEST_PATH_IMAGE044
到直线
Figure 617148DEST_PATH_IMAGE051
的距离，
Figure 197165DEST_PATH_IMAGE052
；预 定义阈值
Figure 145530DEST_PATH_IMAGE054
，若
Figure 910224DEST_PATH_IMAGE055
，则属于正常，符合预设环境；若在阈值外，则RPA程序在电 脑上发送屏幕提示，同时由管理平台形成告警信息。
其中，在所述步骤S5中，通过在管理平台上设置软件进行关键字，来设定RPA程序需要监测的电脑软件环境。
上述方案中，如果RPA程序监测到电脑上没有运行需要监控的软件，则暂时中断摄像头的工作，避免不必要的数据采集；如果电脑运行了需要监控的软件，则摄像头开启并处于监测工作状态。
初始化RPA时，需要预置当前电脑运行的软件名称列表List1，在管理平台启动时，运行Windows操作系统的方法：hand=FindWindows方法，当hand>0时，则软件正在运行，否则软件不在运行。
其中，在所述步骤S7中，通过RPA程序禁止电脑截屏功能的触发的过程具体为：在初始化RPA程序时，调用SetWindowHookEx的方法在Windows系统上注入钩子方法，在钩子方法中对键盘进行监控。当监控到键盘KeyValue=45时，直接返回，禁止键盘后续事件执行，让截屏事件无法触发。
其中，在所述步骤S7中，采用多目标时空追踪算法进行窃照窃抄行为的监测的过程具体为：
通过目标监测，监测到目标点时返回矩形：
Figure 678459DEST_PATH_IMAGE056
，则目标点 的中心点的横坐标表示为：
Figure 560703DEST_PATH_IMAGE057
，纵坐标表示为：
Figure 363573DEST_PATH_IMAGE058
；假 设监测出的手机位置为
Figure 174535DEST_PATH_IMAGE059
，手机的长宽为
Figure 554700DEST_PATH_IMAGE060
；假设监测出来的手的位置为
Figure 7679DEST_PATH_IMAGE062
，手的长宽为
Figure 898012DEST_PATH_IMAGE063
，检测时间为
Figure 879874DEST_PATH_IMAGE064
，则手机和手的距离
Figure 888282DEST_PATH_IMAGE065
为：
Figure 613792DEST_PATH_IMAGE066
若
Figure 250310DEST_PATH_IMAGE067
，则记录数据
Figure 901609DEST_PATH_IMAGE068
，
Figure 397312DEST_PATH_IMAGE069
表示第一次的 判断结果；
连续检测
Figure 660934DEST_PATH_IMAGE070
次，分别获得
Figure 292904DEST_PATH_IMAGE071
次的检测结果，将第
Figure 741203DEST_PATH_IMAGE071
次的检测结果表示为
Figure 957158DEST_PATH_IMAGE072
，若从
Figure 24472DEST_PATH_IMAGE073
，同时满足：
Figure 510948DEST_PATH_IMAGE074
均符合要求，
Figure 271093DEST_PATH_IMAGE075
波动范围均 小于
Figure 732203DEST_PATH_IMAGE076
，
Figure 727841DEST_PATH_IMAGE077
，则判断通过，否则，则存在窃照窃抄行为；其中，
Figure 68824DEST_PATH_IMAGE078
，
Figure 734291DEST_PATH_IMAGE079
表示第n次检测时手的宽度；
Figure 426304DEST_PATH_IMAGE080
表示第n次检测时手的高度。
本方案还提供一种基于AI和RPA技术的防止电脑信息被窃照窃抄的系统，用于实现一种基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，包括安装由RPA程序的电脑和与电脑通信连接的摄像头、管理平台和AI分析设备；其中：当电脑开启时，RPA程序会自动进行激活并运行；当AI分析设备与电脑连接通信正常时，按照实际监测需求，在RPA程序上设置摄像头的视频数据采集频率；RPA程序根据视频数据采集频率将摄像头的监测画面发送至AI分析设备，由AI分析设备采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境；
当监测环境符合预设的监测环境，设定RPA程序需要监测的电脑软件环境，RPA程序持续监测电脑软件环境，若电脑当前运行需要防止窃照窃抄的敏感信息，则由RPA程序禁止电脑截屏功能的触发，并在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；否则，暂停摄像头的监测；
当AI分析设备监测到存在窃照窃抄行为时，由RPA程序中断电脑屏幕显示，并由管理平台形成告警信息。
其中，在RPA程序自动进行激活并运行的过程中，其会将工作状态同步给管理平台；同时，为避免RPA程序与管理平台之间的通信被劫持或篡改，RPA程序在通信过程中携带了当前电脑的设备指纹信息；在电脑启动过程中，RPA程序会根据当前电脑的指纹信息并结合指定加密算法，向服务器发送信息指令；服务器收到指令后，根据公钥解密加密的指令，并从指令中获取请求电脑的指纹信息，跟注册的指纹信息相匹配，如果信息匹配一致，才会通过密钥进行加密，并向电脑下发执行指令；电脑在接收到服务器的指令后，解密执行指令并执行启动或关闭程序，整个启动过程全程采用指定的加密方式进行，从而保障RPA程序在授权电脑上的激活和运行。
其中，在AI分析设备中，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境的过程具体为：
在监测画面中，预置三个目标点
Figure 654077DEST_PATH_IMAGE001
进行识别，通过目标监测，识别到目标 矩形
Figure 756026DEST_PATH_IMAGE002
，计算每个目标点的中心点为：
Figure 669755DEST_PATH_IMAGE003
其中，以监测画面截屏图片左上角为原点，以该图片左上角到右上角的边为
Figure 882562DEST_PATH_IMAGE083
轴， 以该图片左上角到左下角的边为
Figure 696672DEST_PATH_IMAGE005
轴建立平面直角坐标系；
Figure 969521DEST_PATH_IMAGE083
表示目标矩形的右上角的 横坐标，
Figure 495180DEST_PATH_IMAGE005
表示目标矩形右上角的纵坐标，
Figure 246099DEST_PATH_IMAGE006
表示目标矩形的宽，
Figure 416180DEST_PATH_IMAGE007
表示目标矩形 的高；
Figure 358466DEST_PATH_IMAGE008
表示目标点
Figure 246788DEST_PATH_IMAGE084
的中心点的横坐标，
Figure 926031DEST_PATH_IMAGE010
表示目标点
Figure 950618DEST_PATH_IMAGE084
的中心点的纵坐标，
Figure 830850DEST_PATH_IMAGE011
表示 目标点
Figure 439423DEST_PATH_IMAGE084
对应的目标矩形右上角的横坐标，
Figure 532144DEST_PATH_IMAGE013
表示目标点
Figure 942397DEST_PATH_IMAGE084
对应的目标矩形的宽，
Figure 852584DEST_PATH_IMAGE015
表示目标点
Figure 449919DEST_PATH_IMAGE084
对应的目标矩形的高；
Figure DEST_PATH_IMAGE085
表示目标点
Figure 782549DEST_PATH_IMAGE086
的中心点的横坐标，
Figure 516150DEST_PATH_IMAGE019
表 示目标点
Figure 738184DEST_PATH_IMAGE086
的中心点的纵坐标，
Figure 947448DEST_PATH_IMAGE020
表示目标点
Figure 146086DEST_PATH_IMAGE086
对应的目标矩形右上角的横坐标，
Figure 999772DEST_PATH_IMAGE022
表示目标点
Figure 861549DEST_PATH_IMAGE086
对应的目标矩形的宽，
Figure DEST_PATH_IMAGE087
表示目标点
Figure 495793DEST_PATH_IMAGE086
对应的目标矩形的 长；
Figure 232543DEST_PATH_IMAGE088
表示目标点
Figure 471894DEST_PATH_IMAGE025
的中心点的横坐标，
Figure 504572DEST_PATH_IMAGE026
表示目标点
Figure 563795DEST_PATH_IMAGE027
的中心点的纵坐标，
Figure 369815DEST_PATH_IMAGE089
表示目 标点
Figure 57148DEST_PATH_IMAGE025
对应的目标矩形右上角的横坐标，
Figure 791886DEST_PATH_IMAGE029
表示目标点
Figure 807246DEST_PATH_IMAGE027
对应的目标矩形的宽，
Figure 918422DEST_PATH_IMAGE030
表示目标点
Figure 99742DEST_PATH_IMAGE025
对应的目标矩形的长；
接着计算得到关于目标点
Figure 5381DEST_PATH_IMAGE090
的三条直线
Figure 898251DEST_PATH_IMAGE091
；以这三条直线 组成一个三角形，以三角形的中心点来定义监测画面的中心点为
Figure 281959DEST_PATH_IMAGE092
，其是摄像头的投影位 置，有
Figure 819251DEST_PATH_IMAGE093
，其中，
Figure 394326DEST_PATH_IMAGE035
表示中心点
Figure 649858DEST_PATH_IMAGE092
的横坐标，
Figure 696311DEST_PATH_IMAGE094
表示 中心点
Figure 353689DEST_PATH_IMAGE092
的纵坐标；
Figure 506190DEST_PATH_IMAGE095
是目标矩形最右下角的点在坐标轴的值；
在监测画面中分别计算中心点
Figure 373652DEST_PATH_IMAGE092
到直线
Figure 99163DEST_PATH_IMAGE040
的距离，具体为：
Figure 876626DEST_PATH_IMAGE096
Figure 29390DEST_PATH_IMAGE097
其中，
Figure 430153DEST_PATH_IMAGE098
表示中心点
Figure DEST_PATH_IMAGE099
到直线
Figure 756092DEST_PATH_IMAGE046
的距离，
Figure 122482DEST_PATH_IMAGE048
表示中心点
Figure 210262DEST_PATH_IMAGE099
到直线
Figure 927682DEST_PATH_IMAGE049
的距 离，
Figure 119629DEST_PATH_IMAGE050
表示中心点
Figure 340526DEST_PATH_IMAGE099
到直线
Figure 366251DEST_PATH_IMAGE100
的距离，
Figure 803923DEST_PATH_IMAGE052
；预 定义阈值
Figure 674927DEST_PATH_IMAGE054
，若
Figure DEST_PATH_IMAGE101
，则属于正常，符合预设环境；若在阈值外，则RPA程序在电 脑上发送屏幕提示，同时由管理平台形成告警信息。
其中，通过在管理平台上设置软件进行关键字，来设定RPA程序需要监测的电脑软件环境。
其中，在所述在AI分析设备中，采用多目标时空追踪算法进行窃照窃抄行为的监测的过程具体为：
通过目标监测，监测到目标点时返回矩形：
Figure 812648DEST_PATH_IMAGE102
，则目标点 的中心点的横坐标表示为：
Figure 743694DEST_PATH_IMAGE057
，纵坐标表示为：
Figure DEST_PATH_IMAGE103
；假 设监测出的手机位置为
Figure 340767DEST_PATH_IMAGE104
，手机的长宽为
Figure 15462DEST_PATH_IMAGE105
；假设监测出来的手的位置为
Figure 335585DEST_PATH_IMAGE106
，手的长宽为
Figure 437533DEST_PATH_IMAGE107
，检测时间为
Figure 607656DEST_PATH_IMAGE064
，则手机和手的距离
Figure 86041DEST_PATH_IMAGE108
为：
Figure 401616DEST_PATH_IMAGE109
若
Figure 674466DEST_PATH_IMAGE067
，则记录数据
Figure 934546DEST_PATH_IMAGE110
，
Figure 183999DEST_PATH_IMAGE111
表示第一次的 判断结果；
连续检测
Figure 619660DEST_PATH_IMAGE112
次，分别获得
Figure 797831DEST_PATH_IMAGE113
次的检测结果，将第
Figure 810787DEST_PATH_IMAGE113
次的检测结果表示为
Figure 365396DEST_PATH_IMAGE114
，若从
Figure 154098DEST_PATH_IMAGE073
，同时满足：
Figure 768750DEST_PATH_IMAGE115
均符合要求，
Figure 878789DEST_PATH_IMAGE116
波动范围均 小于
Figure 237089DEST_PATH_IMAGE117
，
Figure 506396DEST_PATH_IMAGE118
，则判断通过，否则，则存在窃照窃抄行为；其中，
Figure 524906DEST_PATH_IMAGE078
，
Figure 122240DEST_PATH_IMAGE079
表示第n次检测时手的宽度；
Figure 284231DEST_PATH_IMAGE080
表示第n次检测时手的高度。
本方案提出了一套防止电脑信息被窃照窃抄的方法及系统，可以有效防止窃照窃抄等行为造成的电脑信息泄露，充分发挥可控、可查、可追溯和有效监督的作用。
与现有技术相比，本发明技术方案的有益效果是：
本发明提出了一种基于AI和RPA技术的防止电脑信息被窃照窃抄的方法及系统，通过RPA程序判断当前电脑的软件进程，可以基于预设的控制策略控制摄像头的开启和关闭，从而大幅度减少无效数据的采集，有效提升告警信息的精确性，节省存储资源。
附图说明
图1为本发明一实施例中所述方法流程示意图；
图2为本发明一实施例中所述多目标距离矢量综合换算法计算坐标示意图；
图3为本发明一实施例中所述系统的连接示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
本实施例为完整的使用示例，内容较丰富
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，包括以下步骤：
S1：用户开启电脑，对RPA程序进行激活并运行；
S2：判断AI分析设备的连接通信是否正常，若是，则执行步骤S3；否则，由管理平台形成告警信息；
S3：按照实际监测需求，通过RPA程序设置与其连接的摄像头的视频数据采集频率；
S4：通过RPA程序将摄像头的监测画面发送至AI分析设备，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境；若是，则执行步骤S5；否则，RPA程序在电脑上发送屏幕提示，同时由管理平台形成告警信息；
S5：设定RPA程序需要监测的电脑软件环境；
S6：判断电脑当前是否运行需要防止窃照窃抄的敏感信息；若是，则执行步骤S7；否则，暂停摄像头的监测，重复执行步骤S6；
S7：通过RPA程序禁止电脑截屏功能的触发，并在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；
S8：若存在窃照窃抄行为，则由RPA程序中断电脑屏幕显示，并由管理平台形成告警信息，返回执行步骤S7；否则，直接返回执行步骤S7，保持监控状态。
在具体实施过程中，通过人工智能目标检测和行为分析技术，通过对视频流的结构话处理，可以分析出用户使用手机、照相机等器材拍摄电脑屏幕的窃照行为，以及用户用笔抄写电脑屏幕信息的窃抄行为。
在具体实施过程中，本方案通过RPA（Robotic Process Automation，机器人流程自动化）程序可以判断当前电脑的软件进程，可以基于预设的控制策略控制摄像头的开启和关闭，从而大幅度减少无效数据的采集，有效提升告警信息的精确性，节省存储资源。
更具体的，所述步骤S1具体为：用户开启电脑后，RPA程序自动运行，并将工作状态同步给管理平台；为避免RPA程序与管理平台之间的通信被劫持或篡改，RPA程序在通信过程中携带了当前电脑的设备指纹信息（如IP/MAC等）；在电脑启动过程中，RPA程序会根据当前电脑的指纹信息（如IP/MAC等）并结合指定加密算法，向服务器发送信息指令；服务器收到指令后，根据公钥解密加密的指令，并从指令中获取请求电脑的指纹信息，跟注册的指纹信息相匹配，如果信息匹配一致，才会通过密钥进行加密，并向电脑下发执行指令；电脑在接收到服务器的指令后，解密执行指令并执行启动或关闭程序，整个启动过程全程采用指定的加密方式进行，从而杜绝了伪造生产环境、劫持或篡改通信信息启动程序，保障RPA程序在授权电脑上的激活和运行。
在具体实施过程中，RPA程序在运行期间，能定期跟踪服务器进行心跳通信，服务器亦能下达一些特殊的操作指令，如关闭程序/重启程序/桌面截图/锁屏/屏蔽或开放热键/进行信息上报等操作。
更具体的，在RPA程序激活后，连接AI分析设备，为避免RPA程序和管理平台之间的通信被劫持或篡改，RPA程序通信过程中携带了当前电脑的设备指纹信息（如IP/MAC等）并结合指定加密算法，向AI分析设备发送信息指令，操作过程如步骤S1中所述。
更具体的，在步骤S3中，由于不同用户单位对于AI分析的要求不一样。如果AI分析内容越复杂、监测电脑越多、告警实时性要求越高，则对AI分析设备的性能损耗越大。因此，RPA程序通过设位置监测视频数据采集的频率（如1帧/秒或2帧/秒）。
实施例2
更具体的，在所述步骤S4中，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境的过程具体为：
在监测画面中，预置三个目标点
Figure 283411DEST_PATH_IMAGE001
进行识别，通过目标监测，识别到目标 矩形
Figure 364500DEST_PATH_IMAGE002
，计算每个目标点的中心点为：
Figure 947666DEST_PATH_IMAGE003
其中，以监测画面截屏图片左上角为原点，以该图片左上角到右上角的边为
Figure 382189DEST_PATH_IMAGE083
轴， 以该图片左上角到左下角的边为
Figure 501455DEST_PATH_IMAGE119
轴建立平面直角坐标系；
Figure 628811DEST_PATH_IMAGE083
表示目标矩形的右上角的 横坐标，
Figure 964852DEST_PATH_IMAGE119
表示目标矩形右上角的纵坐标，
Figure 62121DEST_PATH_IMAGE006
表示目标矩形的宽，
Figure 35893DEST_PATH_IMAGE120
表示目标矩形 的高；
Figure 334150DEST_PATH_IMAGE008
表示目标点
Figure 393373DEST_PATH_IMAGE084
的中心点的横坐标，
Figure 294333DEST_PATH_IMAGE010
表示目标点
Figure 621147DEST_PATH_IMAGE084
的中心点的纵坐标，
Figure 355885DEST_PATH_IMAGE011
表示 目标点
Figure 636825DEST_PATH_IMAGE084
对应的目标矩形右上角的横坐标，
Figure 482421DEST_PATH_IMAGE121
表示目标点
Figure 289840DEST_PATH_IMAGE084
对应的目标矩形的宽，
Figure 694014DEST_PATH_IMAGE122
表示目标点
Figure 462250DEST_PATH_IMAGE084
对应的目标矩形的高；
Figure 580379DEST_PATH_IMAGE085
表示目标点
Figure 648829DEST_PATH_IMAGE086
的中心点的横坐标，
Figure 958325DEST_PATH_IMAGE019
表 示目标点
Figure 479436DEST_PATH_IMAGE086
的中心点的纵坐标，
Figure 260311DEST_PATH_IMAGE020
表示目标点
Figure 183267DEST_PATH_IMAGE086
对应的目标矩形右上角的横坐标，
Figure 165130DEST_PATH_IMAGE123
表示目标点
Figure 406493DEST_PATH_IMAGE086
对应的目标矩形的宽，
Figure 256637DEST_PATH_IMAGE087
表示目标点
Figure 34100DEST_PATH_IMAGE086
对应的目标矩形的 长；
Figure 186864DEST_PATH_IMAGE088
表示目标点
Figure 151409DEST_PATH_IMAGE025
的中心点的横坐标，
Figure 179146DEST_PATH_IMAGE026
表示目标点
Figure 811115DEST_PATH_IMAGE027
的中心点的纵坐标，
Figure 259414DEST_PATH_IMAGE124
表示目 标点
Figure 976835DEST_PATH_IMAGE025
对应的目标矩形右上角的横坐标，
Figure 309727DEST_PATH_IMAGE029
表示目标点
Figure 29159DEST_PATH_IMAGE027
对应的目标矩形的宽，
Figure 789305DEST_PATH_IMAGE030
表示目标点
Figure 994021DEST_PATH_IMAGE025
对应的目标矩形的长；
接着计算得到关于目标点
Figure 724080DEST_PATH_IMAGE090
的三条直线
Figure 799483DEST_PATH_IMAGE125
；以这三条直线 组成一个三角形，以三角形的中心点来定义监测画面的中心点为
Figure 494644DEST_PATH_IMAGE126
，其是摄像头的投影位 置，有
Figure 921078DEST_PATH_IMAGE093
，其中，
Figure 595773DEST_PATH_IMAGE035
表示中心点
Figure 915895DEST_PATH_IMAGE126
的横坐标，
Figure 752264DEST_PATH_IMAGE127
表示 中心点
Figure 164529DEST_PATH_IMAGE126
的纵坐标；
Figure 377336DEST_PATH_IMAGE095
是目标矩形最右下角的点在坐标轴的值，即图2 中的点C。
如图2所示，在监测画面中分别计算中心点
Figure 692910DEST_PATH_IMAGE126
到直线
Figure 90394DEST_PATH_IMAGE040
的距离，具体 为：
Figure 225840DEST_PATH_IMAGE096
Figure 6452DEST_PATH_IMAGE128
其中，
Figure 442112DEST_PATH_IMAGE098
表示中心点
Figure 620284DEST_PATH_IMAGE099
到直线
Figure 508606DEST_PATH_IMAGE129
的距离，
Figure 827329DEST_PATH_IMAGE048
表示中心点
Figure 976551DEST_PATH_IMAGE099
到直线
Figure 325624DEST_PATH_IMAGE049
的距 离，
Figure 435662DEST_PATH_IMAGE050
表示中心点
Figure 59541DEST_PATH_IMAGE099
到直线
Figure 460608DEST_PATH_IMAGE100
的距离，
Figure 370796DEST_PATH_IMAGE052
；预 定义阈值
Figure 233709DEST_PATH_IMAGE130
，若
Figure 130121DEST_PATH_IMAGE101
，则属于正常，符合预设环境；若在阈值外，则RPA程序在电 脑上发送屏幕提示，同时由管理平台形成告警信息。
更具体的，在所述步骤S5中，通过在管理平台上设置软件进行关键字，来设定RPA程序需要监测的电脑软件环境。
在具体实施过程中，如果RPA程序监测到电脑上没有运行需要监控的软件，则暂时中断摄像头的工作，避免不必要的数据采集；如果电脑运行了需要监控的软件，则摄像头开启并处于监测工作状态。
初始化RPA时，需要预置当前电脑运行的软件名称列表List1，在管理平台启动时，运行Windows操作系统的方法：hand=FindWindows方法，当hand>0时，则软件正在运行，否则软件不在运行。
更具体的，在所述步骤S7中，通过RPA程序禁止电脑截屏功能的触发的过程具体为：在初始化RPA程序时，调用SetWindowHookEx的方法在Windows系统上注入钩子方法，在钩子方法中对键盘进行监控。当监控到键盘KeyValue=45时，直接返回，禁止键盘后续事件执行，让截屏事件无法触发。
更具体的，在所述步骤S7中，采用多目标时空追踪算法进行窃照窃抄行为的监测的过程具体为：
通过目标监测，监测到目标点时返回矩形：
Figure 129301DEST_PATH_IMAGE131
，则目标点 的中心点的横坐标表示为：
Figure 584291DEST_PATH_IMAGE057
，纵坐标表示为：
Figure 668922DEST_PATH_IMAGE132
；假 设监测出的手机位置为
Figure 493658DEST_PATH_IMAGE133
，手机的长宽为
Figure 347345DEST_PATH_IMAGE134
；假设监测出来的手的位置为
Figure 474701DEST_PATH_IMAGE106
，手的长宽为
Figure 810742DEST_PATH_IMAGE135
，检测时间为
Figure 986639DEST_PATH_IMAGE136
，则手机和手的距离
Figure 757149DEST_PATH_IMAGE137
为：
Figure 553942DEST_PATH_IMAGE138
若
Figure 613165DEST_PATH_IMAGE067
，则记录数据
Figure 655070DEST_PATH_IMAGE139
，
Figure 483349DEST_PATH_IMAGE140
表示第一次的 判断结果；
连续检测
Figure 716622DEST_PATH_IMAGE141
次，分别获得
Figure 122195DEST_PATH_IMAGE142
次的检测结果，将第
Figure 702212DEST_PATH_IMAGE142
次的检测结果表示为
Figure 384998DEST_PATH_IMAGE143
，若从
Figure 290637DEST_PATH_IMAGE144
，同时满足：
Figure 557408DEST_PATH_IMAGE145
均符合要求，
Figure 65749DEST_PATH_IMAGE146
波动范围均 小于
Figure 868620DEST_PATH_IMAGE147
，
Figure 945161DEST_PATH_IMAGE148
，则判断通过，否则，则存在窃照窃抄行为；其中，
Figure 935113DEST_PATH_IMAGE078
，
Figure 621047DEST_PATH_IMAGE149
表示第n次检测时手的宽度；
Figure 544004DEST_PATH_IMAGE150
表示第n次检测时手的高度。
实施例3
更具体的，如图3所示，本方案还提供一种基于AI和RPA技术的防止电脑信息被窃照窃抄的系统，用于实现一种基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，包括安装由RPA程序的电脑和与电脑通信连接的摄像头、管理平台和AI分析设备；其中：当电脑开启时，RPA程序会自动进行激活并运行；当AI分析设备与电脑连接通信正常时，按照实际监测需求，在RPA程序上设置摄像头的视频数据采集频率；RPA程序根据视频数据采集频率将摄像头的监测画面发送至AI分析设备，由AI分析设备采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境；
当监测环境符合预设的监测环境，设定RPA程序需要监测的电脑软件环境，RPA程序持续监测电脑软件环境，若电脑当前运行需要防止窃照窃抄的敏感信息，则由RPA程序禁止电脑截屏功能的触发，并在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；否则，暂停摄像头的监测；
当AI分析设备监测到存在窃照窃抄行为时，由RPA程序中断电脑屏幕显示，并由管理平台形成告警信息。
更具体的，在RPA程序自动进行激活并运行的过程中，其会将工作状态同步给管理平台；同时，为避免RPA程序与管理平台之间的通信被劫持或篡改，RPA程序在通信过程中携带了当前电脑的设备指纹信息；在电脑启动过程中，RPA程序会根据当前电脑的指纹信息并结合指定加密算法，向服务器发送信息指令；服务器收到指令后，根据公钥解密加密的指令，并从指令中获取请求电脑的指纹信息，跟注册的指纹信息相匹配，如果信息匹配一致，才会通过密钥进行加密，并向电脑下发执行指令；电脑在接收到服务器的指令后，解密执行指令并执行启动或关闭程序，整个启动过程全程采用指定的加密方式进行，从而保障RPA程序在授权电脑上的激活和运行。
更具体的，在AI分析设备中，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境的过程具体为：
在监测画面中，预置三个目标点
Figure 650500DEST_PATH_IMAGE151
进行识别，通过目标监测，识别到目标 矩形
Figure 127749DEST_PATH_IMAGE152
，计算每个目标点的中心点为：
Figure 853260DEST_PATH_IMAGE003
其中，以监测画面截屏图片左上角为原点，以该图片左上角到右上角的边为
Figure 863679DEST_PATH_IMAGE153
轴， 以该图片左上角到左下角的边为
Figure 282022DEST_PATH_IMAGE154
轴建立平面直角坐标系；
Figure 636780DEST_PATH_IMAGE153
表示目标矩形的右上角的 横坐标，
Figure 900402DEST_PATH_IMAGE154
表示目标矩形右上角的纵坐标，
Figure 532372DEST_PATH_IMAGE006
表示目标矩形的宽，
Figure 620151DEST_PATH_IMAGE155
表示目标矩形 的高；
Figure 71992DEST_PATH_IMAGE008
表示目标点
Figure 263939DEST_PATH_IMAGE084
的中心点的横坐标，
Figure 15994DEST_PATH_IMAGE156
表示目标点
Figure 510561DEST_PATH_IMAGE084
的中心点的纵坐标，
Figure 948233DEST_PATH_IMAGE011
表示 目标点
Figure 819237DEST_PATH_IMAGE084
对应的目标矩形右上角的横坐标，
Figure 284854DEST_PATH_IMAGE121
表示目标点
Figure 215901DEST_PATH_IMAGE084
对应的目标矩形的宽，
Figure 642334DEST_PATH_IMAGE122
表示目标点
Figure 815564DEST_PATH_IMAGE084
对应的目标矩形的高；
Figure 11053DEST_PATH_IMAGE157
表示目标点
Figure 113001DEST_PATH_IMAGE159
的中心点的横坐标，
Figure 151364DEST_PATH_IMAGE160
表 示目标点
Figure 364171DEST_PATH_IMAGE159
的中心点的纵坐标，
Figure 912702DEST_PATH_IMAGE161
表示目标点
Figure 451131DEST_PATH_IMAGE159
对应的目标矩形右上角的横坐标，
Figure 586577DEST_PATH_IMAGE123
表示目标点
Figure 727708DEST_PATH_IMAGE159
对应的目标矩形的宽，
Figure 632210DEST_PATH_IMAGE162
表示目标点
Figure 840075DEST_PATH_IMAGE159
对应的目标矩形的 长；
Figure 462818DEST_PATH_IMAGE163
表示目标点
Figure 17427DEST_PATH_IMAGE025
的中心点的横坐标，
Figure 166649DEST_PATH_IMAGE026
表示目标点
Figure 781301DEST_PATH_IMAGE027
的中心点的纵坐标，
Figure 655454DEST_PATH_IMAGE164
表示目 标点
Figure 748174DEST_PATH_IMAGE025
对应的目标矩形右上角的横坐标，
Figure 892848DEST_PATH_IMAGE165
表示目标点
Figure 803035DEST_PATH_IMAGE027
对应的目标矩形的宽，
Figure 665949DEST_PATH_IMAGE166
表示目标点
Figure 326475DEST_PATH_IMAGE025
对应的目标矩形的长；
接着计算得到关于目标点
Figure 325655DEST_PATH_IMAGE167
的三条直线
Figure DEST_PATH_IMAGE168
；以这三条直线 组成一个三角形，以三角形的中心点来定义监测画面的中心点为
Figure 688635DEST_PATH_IMAGE169
，其是摄像头的投影位 置，有
Figure 537380DEST_PATH_IMAGE170
，其中，
Figure 362116DEST_PATH_IMAGE171
表示中心点
Figure 215803DEST_PATH_IMAGE169
的横坐标，
Figure 608738DEST_PATH_IMAGE127
表示 中心点
Figure 915085DEST_PATH_IMAGE169
的纵坐标；
Figure 675272DEST_PATH_IMAGE095
是目标矩形最右下角的点在坐标轴的值，即图2 中的点C。
在监测画面中分别计算中心点
Figure 773678DEST_PATH_IMAGE169
到直线
Figure 337515DEST_PATH_IMAGE040
的距离，具体为：
Figure 131159DEST_PATH_IMAGE172
Figure 438643DEST_PATH_IMAGE173
其中，
Figure 499878DEST_PATH_IMAGE174
表示中心点
Figure 234616DEST_PATH_IMAGE175
到直线
Figure 640189DEST_PATH_IMAGE129
的距离，
Figure 220206DEST_PATH_IMAGE176
表示中心点
Figure 168571DEST_PATH_IMAGE175
到直线
Figure 307166DEST_PATH_IMAGE049
的距 离，
Figure 75402DEST_PATH_IMAGE050
表示中心点
Figure 583743DEST_PATH_IMAGE175
到直线
Figure DEST_PATH_IMAGE177
的距离，
Figure 58718DEST_PATH_IMAGE052
；预 定义阈值
Figure 368214DEST_PATH_IMAGE130
，若
Figure 889326DEST_PATH_IMAGE178
，则属于正常，符合预设环境；若在阈值外，则RPA程序在电 脑上发送屏幕提示，同时由管理平台形成告警信息。
更具体的，通过在管理平台上设置软件进行关键字，来设定RPA程序需要监测的电脑软件环境。
更具体的，在所述在AI分析设备中，采用多目标时空追踪算法进行窃照窃抄行为的监测的过程具体为：
通过目标监测，监测到目标点时返回矩形：
Figure 76725DEST_PATH_IMAGE179
，则目标点 的中心点的横坐标表示为：
Figure 593157DEST_PATH_IMAGE057
，纵坐标表示为：
Figure 575019DEST_PATH_IMAGE180
；假 设监测出的手机位置为
Figure 81961DEST_PATH_IMAGE133
，手机的长宽为
Figure 807472DEST_PATH_IMAGE134
；假设监测出来的手的位置为
Figure 319356DEST_PATH_IMAGE106
，手的长宽为
Figure 596753DEST_PATH_IMAGE135
，检测时间为
Figure 826878DEST_PATH_IMAGE136
，则手机和手的距离
Figure 854614DEST_PATH_IMAGE137
为：
Figure 221005DEST_PATH_IMAGE138
若
Figure 810249DEST_PATH_IMAGE067
，则记录数据
Figure 386724DEST_PATH_IMAGE139
，
Figure 719616DEST_PATH_IMAGE140
表示第一次的 判断结果；
连续检测
Figure 704627DEST_PATH_IMAGE141
次，分别获得
Figure 199194DEST_PATH_IMAGE142
次的检测结果，将第
Figure 138331DEST_PATH_IMAGE142
次的检测结果表示为
Figure 274914DEST_PATH_IMAGE143
，若从
Figure 740531DEST_PATH_IMAGE144
，同时满足：
Figure 904534DEST_PATH_IMAGE145
均符合要求，
Figure 330967DEST_PATH_IMAGE146
波动范围均 小于
Figure 740083DEST_PATH_IMAGE147
，
Figure 201151DEST_PATH_IMAGE148
，则判断通过，否则，则存在窃照窃抄行为；其中，
Figure 332793DEST_PATH_IMAGE078
，
Figure 246522DEST_PATH_IMAGE149
表示第n次检测时手的宽度；
Figure 459329DEST_PATH_IMAGE150
表示第n次检测时手的高度。
本方案提出了一套防止电脑信息被窃照窃抄的方法及系统，可以有效防止窃照窃抄等行为造成的电脑信息泄露，充分发挥可控、可查、可追溯和有效监督的作用。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，其特征在于，包括以下步骤：
S1：用户开启电脑，对RPA程序进行激活并运行；
S2：判断AI分析设备的连接通信是否正常，若是，则执行步骤S3；否则，由管理平台形成告警信息；
S3：按照实际监测需求，通过RPA程序设置与其连接的摄像头的视频数据采集频率；
S4：通过RPA程序将摄像头的监测画面发送至AI分析设备，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境；若是，则执行步骤S5；否则，RPA程序在电脑上发送屏幕提示，同时由管理平台形成告警信息；
S5：设定RPA程序需要监测的电脑软件环境；
S6：判断电脑当前是否运行需要防止窃照窃抄的敏感信息；若是，则执行步骤S7；否则，暂停摄像头的监测，重复执行步骤S6；
S7：通过RPA程序禁止电脑截屏功能的触发，并在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；
S8：若存在窃照窃抄行为，则由RPA程序中断电脑屏幕显示，并由管理平台形成告警信息，返回执行步骤S7；否则，直接返回执行步骤S7，保持监控状态；
在所述步骤S4中，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境的过程具体为：
在监测画面中，预置三个目标点
Figure 686077DEST_PATH_IMAGE001
进行识别，通过目标监测，识别到目标矩形
Figure 580696DEST_PATH_IMAGE002
，计算每个目标点的中心点为：
Figure 169941DEST_PATH_IMAGE003
其中，以监测画面截屏图片左上角为原点，以该图片左上角到右上角的边为
Figure 887361DEST_PATH_IMAGE004
轴，以该 图片左上角到左下角的边为
Figure 220253DEST_PATH_IMAGE005
轴建立平面直角坐标系；
Figure 972309DEST_PATH_IMAGE004
表示目标矩形的右上角的横坐 标，
Figure 732454DEST_PATH_IMAGE005
表示目标矩形右上角的纵坐标，
Figure 937171DEST_PATH_IMAGE006
表示目标矩形的宽，
Figure 73754DEST_PATH_IMAGE007
表示目标矩形的 高；
Figure 700823DEST_PATH_IMAGE008
表示目标点
Figure 631870DEST_PATH_IMAGE009
的中心点的横坐标，
Figure 323883DEST_PATH_IMAGE010
表示目标点
Figure 264157DEST_PATH_IMAGE009
的中心点的纵坐标，
Figure 725225DEST_PATH_IMAGE011
表示目 标点
Figure 827174DEST_PATH_IMAGE009
对应的目标矩形右上角的横坐标，
Figure 68799DEST_PATH_IMAGE012
表示目标点
Figure 547185DEST_PATH_IMAGE009
对应的目标矩形的宽，
Figure 862760DEST_PATH_IMAGE013
表示目标点
Figure 260243DEST_PATH_IMAGE009
对应的目标矩形的高；
Figure 799284DEST_PATH_IMAGE014
表示目标点
Figure 81361DEST_PATH_IMAGE015
的中心点的横坐标，
Figure 313759DEST_PATH_IMAGE016
表 示目标点
Figure 23089DEST_PATH_IMAGE015
的中心点的纵坐标，
Figure 911411DEST_PATH_IMAGE017
表示目标点
Figure 731599DEST_PATH_IMAGE015
对应的目标矩形右上角的横坐标，
Figure 84083DEST_PATH_IMAGE018
表示目标点
Figure 964315DEST_PATH_IMAGE015
对应的目标矩形的宽，
Figure 339932DEST_PATH_IMAGE019
表示目标点
Figure 822866DEST_PATH_IMAGE015
对应的目标矩形的 长；
Figure 29857DEST_PATH_IMAGE020
表示目标点
Figure 219005DEST_PATH_IMAGE021
的中心点的横坐标，
Figure 81919DEST_PATH_IMAGE022
表示目标点
Figure 243910DEST_PATH_IMAGE021
的中心点的纵坐标，
Figure 570986DEST_PATH_IMAGE023
表示目标 点
Figure 527441DEST_PATH_IMAGE021
对应的目标矩形右上角的横坐标，
Figure 877651DEST_PATH_IMAGE024
表示目标点
Figure 843333DEST_PATH_IMAGE021
对应的目标矩形的宽，
Figure 962598DEST_PATH_IMAGE025
表示目标点
Figure 417850DEST_PATH_IMAGE021
对应的目标矩形的长；
接着计算得到关于目标点
Figure 848832DEST_PATH_IMAGE026
的三条直线
Figure 490641DEST_PATH_IMAGE027
；以这三条直线组成一 个三角形，以三角形的中心点来定义监测画面的中心点为
Figure 729993DEST_PATH_IMAGE028
，其是摄像头的投影位置，有
Figure 293829DEST_PATH_IMAGE029
，其中，
Figure 353052DEST_PATH_IMAGE030
表示中心点
Figure 660537DEST_PATH_IMAGE028
的横坐标，
Figure 754394DEST_PATH_IMAGE031
表示中心点
Figure 551449DEST_PATH_IMAGE028
的纵坐标；
Figure 97968DEST_PATH_IMAGE032
是目标矩形最右下角的点在坐标轴的值；
在监测画面中分别计算中心点
Figure 802619DEST_PATH_IMAGE033
到直线
Figure 888999DEST_PATH_IMAGE034
的距离，具体为：
Figure 794638DEST_PATH_IMAGE035
Figure 890770DEST_PATH_IMAGE036
其中，
Figure 540057DEST_PATH_IMAGE037
表示中心点
Figure 342928DEST_PATH_IMAGE038
到直线
Figure 419469DEST_PATH_IMAGE039
的距离，
Figure 940580DEST_PATH_IMAGE040
表示中心点
Figure 393558DEST_PATH_IMAGE038
到直线
Figure 113252DEST_PATH_IMAGE041
的距离，
Figure 219749DEST_PATH_IMAGE042
表示中心点
Figure 366172DEST_PATH_IMAGE038
到直线
Figure 357261DEST_PATH_IMAGE043
的距离，
Figure 197041DEST_PATH_IMAGE044
；预定义阈 值
Figure 615384DEST_PATH_IMAGE045
，若
Figure 111088DEST_PATH_IMAGE046
，则属于正常，符合预设环境；若在阈值外，则RPA程序在电脑上发 送屏幕提示，同时由管理平台形成告警信息；
在所述步骤S7中，采用多目标时空追踪算法进行窃照窃抄行为的监测的过程具体为：
通过目标监测，监测到目标点时返回矩形：
Figure 499344DEST_PATH_IMAGE047
，则目标点的中心 点的横坐标表示为：
Figure 193630DEST_PATH_IMAGE048
，纵坐标表示为：
Figure 189399DEST_PATH_IMAGE049
；假设监测 出的手机位置为
Figure 906820DEST_PATH_IMAGE050
，手机的长宽为
Figure 98767DEST_PATH_IMAGE051
；假设监测出来的手的位置为
Figure 913139DEST_PATH_IMAGE052
， 手的长宽为
Figure 811300DEST_PATH_IMAGE053
，检测时间为
Figure 16017DEST_PATH_IMAGE054
，则手机和手的距离
Figure 152600DEST_PATH_IMAGE055
为：
Figure 759162DEST_PATH_IMAGE056
若
Figure 752525DEST_PATH_IMAGE057
，则记录数据
Figure 303593DEST_PATH_IMAGE058
，
Figure 119233DEST_PATH_IMAGE059
表示第一次的判断结果；
连续检测
Figure 580301DEST_PATH_IMAGE060
次，分别获得
Figure 10146DEST_PATH_IMAGE060
次的检测结果，将第
Figure 48509DEST_PATH_IMAGE060
次的检测结果表示为
Figure 399331DEST_PATH_IMAGE061
，若从
Figure 980485DEST_PATH_IMAGE062
，同时满足：
Figure 315652DEST_PATH_IMAGE063
均符合要求，
Figure 982256DEST_PATH_IMAGE064
波动范围均小于
Figure 998754DEST_PATH_IMAGE065
，
Figure 293469DEST_PATH_IMAGE066
，则判断通过，否则，则存在窃照窃抄行为；其中，
Figure 65116DEST_PATH_IMAGE067
，
Figure 94383DEST_PATH_IMAGE068
表示第n次检测时手的宽度；
Figure 914571DEST_PATH_IMAGE069
表示第n次检测时手的高度。
2.根据权利要求1所述的基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，其特征在于，所述步骤S1具体为：用户开启电脑后，RPA程序自动运行，并将工作状态同步给管理平台；为避免RPA程序与管理平台之间的通信被劫持或篡改，RPA程序在通信过程中携带了当前电脑的设备指纹信息；在电脑启动过程中，RPA程序会根据当前电脑的指纹信息并结合指定加密算法，向服务器发送信息指令；服务器收到指令后，根据公钥解密加密的指令，并从指令中获取请求电脑的指纹信息，跟注册的指纹信息相匹配，如果信息匹配一致，才会通过密钥进行加密，并向电脑下发执行指令；电脑在接收到服务器的指令后，解密执行指令并执行启动或关闭程序，整个启动过程全程采用指定的加密方式进行，从而保障RPA程序在授权电脑上的激活和运行。
3.根据权利要求2所述的基于AI和RPA技术的防止电脑信息被窃照窃抄的方法，其特征在于，在所述步骤S5中，通过在管理平台上设置软件进行关键字，来设定RPA程序需要监测的电脑软件环境。
4.基于AI和RPA技术的防止电脑信息被窃照窃抄的系统，其特征在于，包括安装由RPA程序的电脑和与电脑通信连接的摄像头、管理平台和AI分析设备；其中：当电脑开启时，RPA程序会自动进行激活并运行；当AI分析设备与电脑连接通信正常时，按照实际监测需求，在RPA程序上设置摄像头的视频数据采集频率；RPA程序根据视频数据采集频率将摄像头的监测画面发送至AI分析设备，由AI分析设备采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境；
当监测环境符合预设的监测环境，设定RPA程序需要监测的电脑软件环境，RPA程序持续监测电脑软件环境，若电脑当前运行需要防止窃照窃抄的敏感信息，则由RPA程序禁止电脑截屏功能的触发，并在AI分析设备中采用多目标时空追踪算法进行窃照窃抄行为的监测；否则，暂停摄像头的监测；
当AI分析设备监测到存在窃照窃抄行为时，由RPA程序中断电脑屏幕显示，并由管理平台形成告警信息；
在AI分析设备中，采用多目标距离矢量综合换算法判断当前监测环境是否符合预设的监测环境的过程具体为：
在监测画面中，预置三个目标点
Figure 63793DEST_PATH_IMAGE001
进行识别，通过目标监测，识别到目标矩形
Figure 6341DEST_PATH_IMAGE002
，计算每个目标点的中心点为：
Figure 543412DEST_PATH_IMAGE003
其中，以监测画面截屏图片左上角为原点，以该图片左上角到右上角的边为
Figure 901712DEST_PATH_IMAGE070
轴，以该 图片左上角到左下角的边为
Figure 311965DEST_PATH_IMAGE071
轴建立平面直角坐标系；
Figure 363098DEST_PATH_IMAGE070
表示目标矩形的右上角的横坐 标，
Figure 288328DEST_PATH_IMAGE072
表示目标矩形右上角的纵坐标，
Figure 309374DEST_PATH_IMAGE006
表示目标矩形的宽，
Figure 449499DEST_PATH_IMAGE007
表示目标矩形的 高；
Figure 671533DEST_PATH_IMAGE008
表示目标点
Figure 84060DEST_PATH_IMAGE073
的中心点的横坐标，
Figure 908797DEST_PATH_IMAGE074
表示目标点
Figure 166078DEST_PATH_IMAGE073
的中心点的纵坐标，
Figure 152489DEST_PATH_IMAGE011
表示目 标点
Figure 52311DEST_PATH_IMAGE073
对应的目标矩形右上角的横坐标，
Figure 697051DEST_PATH_IMAGE012
表示目标点
Figure 936402DEST_PATH_IMAGE073
对应的目标矩形的宽，
Figure 93714DEST_PATH_IMAGE013
表示目标点
Figure 480833DEST_PATH_IMAGE073
对应的目标矩形的高；
Figure 929263DEST_PATH_IMAGE075
表示目标点
Figure 757542DEST_PATH_IMAGE015
的中心点的横坐标，
Figure 351334DEST_PATH_IMAGE016
表 示目标点
Figure 960170DEST_PATH_IMAGE015
的中心点的纵坐标，
Figure 209361DEST_PATH_IMAGE017
表示目标点
Figure 16780DEST_PATH_IMAGE015
对应的目标矩形右上角的横坐标，
Figure 63365DEST_PATH_IMAGE018
表示目标点
Figure 159497DEST_PATH_IMAGE015
对应的目标矩形的宽，
Figure 808784DEST_PATH_IMAGE076
表示目标点
Figure 470709DEST_PATH_IMAGE015
对应的目标矩形的 长；
Figure DEST_PATH_IMAGE077
表示目标点
Figure 688195DEST_PATH_IMAGE021
的中心点的横坐标，
Figure 209306DEST_PATH_IMAGE022
表示目标点
Figure 255760DEST_PATH_IMAGE078
的中心点的纵坐标，
Figure 316732DEST_PATH_IMAGE079
表示目标 点
Figure 423228DEST_PATH_IMAGE021
对应的目标矩形右上角的横坐标，
Figure 493953DEST_PATH_IMAGE024
表示目标点
Figure 625988DEST_PATH_IMAGE021
对应的目标矩形的宽，
Figure 403451DEST_PATH_IMAGE025
表示目标点
Figure 680848DEST_PATH_IMAGE021
对应的目标矩形的长；
接着计算得到关于目标点
Figure 973290DEST_PATH_IMAGE080
的三条直线
Figure 909016DEST_PATH_IMAGE081
；以这三条直线组成一 个三角形，以三角形的中心点来定义监测画面的中心点为
Figure 540985DEST_PATH_IMAGE028
，其是摄像头的投影位置，有
Figure 989284DEST_PATH_IMAGE082
，其中，
Figure 34601DEST_PATH_IMAGE083
表示中心点
Figure 505509DEST_PATH_IMAGE028
的横坐标，
Figure 851039DEST_PATH_IMAGE084
表示中心点
Figure 17710DEST_PATH_IMAGE028
的纵坐标；
Figure 284743DEST_PATH_IMAGE085
是目标矩形最右下角的点在坐标轴的值；
在监测画面中分别计算中心点
Figure 421326DEST_PATH_IMAGE086
到直线
Figure 621363DEST_PATH_IMAGE087
的距离，具体为：
Figure 958935DEST_PATH_IMAGE035
Figure 713264DEST_PATH_IMAGE088
其中，
Figure 387959DEST_PATH_IMAGE037
表示中心点
Figure DEST_PATH_IMAGE089
到直线
Figure 49360DEST_PATH_IMAGE039
的距离，
Figure 151308DEST_PATH_IMAGE040
表示中心点
Figure 924092DEST_PATH_IMAGE089
到直线
Figure 136899DEST_PATH_IMAGE041
的距离，
Figure 186895DEST_PATH_IMAGE090
表示中心点
Figure 459744DEST_PATH_IMAGE089
到直线
Figure 188666DEST_PATH_IMAGE043
的距离，
Figure 205163DEST_PATH_IMAGE044
；预定义阈 值
Figure 640824DEST_PATH_IMAGE045
，若
Figure 81645DEST_PATH_IMAGE046
，则属于正常，符合预设环境；若在阈值外，则RPA程序在电脑上发 送屏幕提示，同时由管理平台形成告警信息；
在所述在AI分析设备中，采用多目标时空追踪算法进行窃照窃抄行为的监测的过程具体为：
通过目标监测，监测到目标点时返回矩形：
Figure 297863DEST_PATH_IMAGE091
，则目标点的中心 点的横坐标表示为：
Figure 118051DEST_PATH_IMAGE048
，纵坐标表示为：
Figure 408218DEST_PATH_IMAGE093
；假设监 测出的手机位置为
Figure 288449DEST_PATH_IMAGE094
，手机的长宽为
Figure 726384DEST_PATH_IMAGE095
；假设监测出来的手的位置为
Figure 84684DEST_PATH_IMAGE052
，手的长宽为
Figure 494937DEST_PATH_IMAGE096
，检测时间为
Figure 280490DEST_PATH_IMAGE054
，则手机和手的距离
Figure 205721DEST_PATH_IMAGE097
为：
Figure DEST_PATH_IMAGE098
若
Figure 302465DEST_PATH_IMAGE057
，则记录数据
Figure 567225DEST_PATH_IMAGE058
，
Figure 851575DEST_PATH_IMAGE099
表示第一次的判断结 果；
连续检测
Figure 201785DEST_PATH_IMAGE100
次，分别获得
Figure 901888DEST_PATH_IMAGE101
次的检测结果，将第
Figure 21154DEST_PATH_IMAGE101
次的检测结果表示为
Figure 476406DEST_PATH_IMAGE102
， 若从
Figure 313912DEST_PATH_IMAGE062
，同时满足：
Figure 817706DEST_PATH_IMAGE103
均符合要求，
Figure 791478DEST_PATH_IMAGE104
波动范围均小于
Figure 417631DEST_PATH_IMAGE105
，
Figure 762941DEST_PATH_IMAGE106
，则判断通过，否则，则存在窃照窃抄行为；其中，
Figure 804847DEST_PATH_IMAGE067
，
Figure 898704DEST_PATH_IMAGE068
表示第n次检测时手的宽度；
Figure 633442DEST_PATH_IMAGE107
表示第n次检测时手的高度。
5.根据权利要求4所述的基于AI和RPA技术的防止电脑信息被窃照窃抄的系统，其特征在于，在RPA程序自动进行激活并运行的过程中，其会将工作状态同步给管理平台；同时，为避免RPA程序与管理平台之间的通信被劫持或篡改，RPA程序在通信过程中携带了当前电脑的设备指纹信息；在电脑启动过程中，RPA程序会根据当前电脑的指纹信息并结合指定加密算法，向服务器发送信息指令；服务器收到指令后，根据公钥解密加密的指令，并从指令中获取请求电脑的指纹信息，跟注册的指纹信息相匹配，如果信息匹配一致，才会通过密钥进行加密，并向电脑下发执行指令；电脑在接收到服务器的指令后，解密执行指令并执行启动或关闭程序，整个启动过程全程采用指定的加密方式进行，从而保障RPA程序在授权电脑上的激活和运行。
6.根据权利要求5所述的基于AI和RPA技术的防止电脑信息被窃照窃抄的系统，其特征在于，通过在管理平台上设置软件进行关键字，来设定RPA程序需要监测的电脑软件环境。
CN202210159833.7A 2022-02-22 2022-02-22 基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统 Active CN114218570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210159833.7A CN114218570B (zh) 2022-02-22 2022-02-22 基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210159833.7A CN114218570B (zh) 2022-02-22 2022-02-22 基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统

Publications (2)

Publication Number Publication Date
CN114218570A CN114218570A (zh) 2022-03-22
CN114218570B true CN114218570B (zh) 2022-05-17

Family

ID=80709192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210159833.7A Active CN114218570B (zh) 2022-02-22 2022-02-22 基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统

Country Status (1)

Country Link
CN (1) CN114218570B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111832458A (zh) * 2020-07-02 2020-10-27 西安科芮智盈信息技术有限公司 防窃照方法及系统
WO2021223665A1 (zh) * 2020-05-08 2021-11-11 华为技术有限公司 一种减少无效告警的方法及装置
WO2021253961A1 (zh) * 2020-06-15 2021-12-23 北京世纪瑞尔技术股份有限公司 一种智能视觉感知系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135262A (zh) * 2019-04-16 2019-08-16 深圳壹账通智能科技有限公司 敏感数据防偷窥处理方法、装置、设备及存储介质
CN211266993U (zh) * 2019-11-29 2020-08-14 西安科芮智盈信息技术有限公司 带防窃照功能的显卡及防窃照设备
CN111711794A (zh) * 2020-06-22 2020-09-25 上海辰珅科技有限公司 防偷拍图像处理方法、装置、终端及存储介质
WO2022010047A1 (ko) * 2020-07-09 2022-01-13 (주)씨에스 랩톱 pc 도난 감시 시스템
US20220019195A1 (en) * 2020-07-15 2022-01-20 Automation Anywhere, Inc. Robotic process automation with conversational user interface
CN114021211A (zh) * 2021-10-21 2022-02-08 南京信息职业技术学院 一种智能防偷窥系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021223665A1 (zh) * 2020-05-08 2021-11-11 华为技术有限公司 一种减少无效告警的方法及装置
WO2021253961A1 (zh) * 2020-06-15 2021-12-23 北京世纪瑞尔技术股份有限公司 一种智能视觉感知系统
CN111832458A (zh) * 2020-07-02 2020-10-27 西安科芮智盈信息技术有限公司 防窃照方法及系统

Also Published As

Publication number Publication date
CN114218570A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
Yoon et al. Learning execution contexts from system call distribution for anomaly detection in smart embedded system
CN102004923B (zh) 在监视系统中检测行动的方法和装置
US20060238616A1 (en) Video image processing appliance manager
CN105637833A (zh) 基于配置通道来预先识别可能的恶意行为
CN104956715A (zh) 对移动设备上的行为特征的自适应观察
JP2020518903A (ja) 遠隔端末ユニットからｓｃａｄａネットワークへのアクセスの保護
CN105637522A (zh) 使用受信证书的世界驱动访问控制
RU2713876C1 (ru) Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания
CN108491785A (zh) 一种人工智能图像辨识攻击防御系统
CN112926925A (zh) 一种产品监管方法、装置、电子设备及存储介质
CN113486377A (zh) 图像加密方法、装置、电子设备和可读存储介质
US20200334356A1 (en) Apparatus and method for monitoring use history
WO2021029873A1 (en) Controlling display devices based on viewing angles
CN111079134A (zh) 一种全局控制权限的方法、装置、存储介质及电子设备
CN114218570B (zh) 基于ai和rpa技术的防止电脑信息被窃照窃抄的方法及系统
CN110138780A (zh) 一种基于探针技术实现物联网终端威胁检测的方法
CN110390193A (zh) 一种具有人像动态权限认证功能的个人计算机系统及控制方法
CN114564098B (zh) 基于计算机视觉识别技术的电脑屏幕显示控制系统和方法
CN100531369C (zh) 一种图像监控系统与监控方法
CN111353414A (zh) 一种身份识别方法、系统、机器可读介质及设备
CN112153337B (zh) 监控方法以及相关设备
CN118015517A (zh) 一种基于机器视觉的计算机屏幕信息防窃照系统
CN115767025B (zh) 防止数据泄露的方法、装置、电子设备和存储介质
CN110569646B (zh) 文件识别方法及介质
CN113294052B (zh) 防夹控制方法、装置、电子设备以及存储介质

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