CN114300146B - 一种应用于智慧医疗的用户信息安全处理方法及系统 - Google Patents

一种应用于智慧医疗的用户信息安全处理方法及系统 Download PDF

Info

Publication number
CN114300146B
CN114300146B CN202210027475.4A CN202210027475A CN114300146B CN 114300146 B CN114300146 B CN 114300146B CN 202210027475 A CN202210027475 A CN 202210027475A CN 114300146 B CN114300146 B CN 114300146B
Authority
CN
China
Prior art keywords
thread
security analysis
information security
medical
detection
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
CN202210027475.4A
Other languages
English (en)
Other versions
CN114300146A (zh
Inventor
兰立景
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.)
Guizhou Top Medical Technology Management Co ltd
Original Assignee
Guizhou Top Medical Technology Management 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 Guizhou Top Medical Technology Management Co ltd filed Critical Guizhou Top Medical Technology Management Co ltd
Priority to CN202210027475.4A priority Critical patent/CN114300146B/zh
Publication of CN114300146A publication Critical patent/CN114300146A/zh
Application granted granted Critical
Publication of CN114300146B publication Critical patent/CN114300146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请涉及智慧医疗技术领域,具体而言,涉及一种应用于智慧医疗的用户信息安全处理方法及系统,在对当前医疗用户互动会话进行分析时,可以实现将前一组医疗用户互动会话中的会话内容转达到当前医疗用户互动会话中,并进行信息安全分析,能够更加全面的确定当前医疗用户互动会话中的关键会话内容,从而得到精准地信息安全分析记录。对于每个待分析的当前医疗用户互动会话,通过为其设定对应的信息安全分析线程,并在该信息安全分析线程中设定前一组医疗用户互动会话的信息安全分析记录的绑定分布注释和绑定策略,可以实现高质量且针对性的分析,从而提高信息安全分析线程的安全分析可信度,得到更加完整及精准的信息安全分析记录。

Description

一种应用于智慧医疗的用户信息安全处理方法及系统
技术领域
本申请实施例涉及智慧医疗技术领域,具体涉及一种应用于智慧医疗的用户信息安全处理方法及系统。
背景技术
智慧医疗是现目前医疗服务最优化的医疗体系。具体地讲,智慧医疗综合应用了医疗物联网、数据融合传输交换、云计算以及城域网等技术,并且通过信息技术将医疗基础设施与IT基础设施进行融合,这样能够将医疗云数据中心作为重点,以打破传统医疗体系的时间、空间约束,进而提高医疗服务的效率和智能化程度。
随着智慧医疗的不断发展,用户就医服务的功能越来越多样化,多样化的就医服务功能方式便于用户快速就医,但同时也引入了一些需要改善的问题,比如用户信息安全处理问题。而经发明人深入研究之后发现,如何可靠地进行医疗用户的信息安全分析是现目前需要攻克的一个难点。
发明内容
有鉴于此,本申请实施例提供了一种应用于智慧医疗的用户信息安全处理方法及系统。
第一方面,本申请实施例提供了一种应用于智慧医疗的用户信息安全处理方法,应用于用户信息安防系统,所述方法至少包括:确定当前医疗用户互动会话,并确定当前医疗用户互动会话的前一组医疗用户互动会话的信息安全分析记录;确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程,并确定所述信息安全分析线程中的绑定分布注释和绑定策略;在所述信息安全分析线程挖掘所述当前医疗用户互动会话的潜在信息威胁描述时,依据所述绑定策略将所述信息安全分析线程中处于所述绑定分布注释之前的线程单元导出的潜在信息威胁描述和所述前一组医疗用户互动会话的信息安全分析记录进行绑定,得到多维绑定内容;将所述多维绑定内容加载到所述信息安全分析线程中处于所述绑定分布注释之后的线程单元进行信息安全分析,得到所述当前医疗用户互动会话的信息安全分析记录。
如此设计,在对当前医疗用户互动会话进行分析时,通过结合前一组医疗用户互动会话的信息安全分析记录,可以实现将前一组医疗用户互动会话中的会话内容转达到当前医疗用户互动会话中,从而将前一组医疗用户互动会话的信息安全分析记录作为当前医疗用户互动会话的指示内容,通过指示内容对当前医疗用户互动会话进行信息安全分析,能够更加全面的确定当前医疗用户互动会话中的关键会话内容,从而得到精准地信息安全分析记录。对于每个待分析的当前医疗用户互动会话,通过为其设定对应的信息安全分析线程,并在该信息安全分析线程中设定前一组医疗用户互动会话的信息安全分析记录的绑定分布注释和绑定策略,可以实现在医疗用户互动会话内为待分析的内容进行高质量且针对性的分析,从而提高信息安全分析线程的安全分析可信度,得到更加完整及精准的信息安全分析记录。
对于一种可独立实施的技术方案而言,所述确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程,包括:基于多元化威胁检测线程确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程;所述多元化威胁检测线程包括多个存在相邻关系的线程单元。
对于一种可独立实施的技术方案而言,基于多元化威胁检测线程确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程,包括:在所述当前医疗用户互动会话所对应的智慧医疗交互服务日志中确定涵盖所述当前医疗用户互动会话的多个存在时序先后关联的本地医疗交互服务会话;在已经完成配置的第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,其中,每个所述阶段性检测线程集合中涵盖为每个本地医疗交互服务会话查询的第一阶段性检测线程;根据所述不少于一个阶段性检测线程集合确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程。
如此设计,通过在第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,进而根据该不少于一个阶段性检测线程集合确定每个本地医疗交互服务会话所对应的信息安全分析线程的策略,可以实现在多个存在时序先后关联的本地医疗交互服务会话所对应的信息安全分析线程符合全局化分析需求的前提下,从而实现自适应地在多个存在时序先后关联的本地医疗交互服务会话之间进行算力匹配,从而实现应用于智慧医疗的用户信息安全处理方法的效率最大化,以提高应用于智慧医疗的用户信息安全处理方法的安全分析精确性。
对于一种可独立实施的技术方案而言,所述根据所述不少于一个阶段性检测线程集合确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程,包括:确定目标线程配置参考范例;通过所述目标线程配置参考范例对每个所述阶段性检测线程集合进行线程配置,得到不少于一个线程配置结果;在所述不少于一个线程配置结果中筛选目标线程配置结果所对应的目标阶段性检测线程集合,并结合所述目标阶段性检测线程集合确定所述信息安全分析线程,其中,所述目标线程配置结果为所述不少于一个线程配置结果中符合第一线程配置需求的线程配置结果。
如此设计,通过目标线程配置参考范例在不少于一个阶段性检测线程集合中为多个存在时序先后关联的本地医疗交互服务会话筛选安全分析可信度最佳的阶段性检测线程,进而能够显著提高信息安全分析的可信度,从而得到更加准确的信息安全分析记录。
对于一种可独立实施的技术方案而言,所述在已经完成配置的第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,包括:确定每个本地医疗交互服务会话的目标查询指示信息;其中,每个所述目标查询指示信息中涵盖指定查询层面中多个第一查询层面的一个查询指示信息;所述第一查询层面涵盖:旨在表达信息安全分析线程配置的架构型查询层面,以及旨在表达所述绑定分布注释和绑定策略的时效型查询层面;通过每个本地医疗交互服务会话的目标查询指示信息,在已经完成配置的第一多元化威胁检测线程中查询符合所述第一安全分析期望要求的阶段性检测线程,并结合查询到的阶段性检测线程确定所述阶段性检测线程集合。
如此设计,对于不同本地医疗交互服务会话可以使用同一多元化威胁检测线程进行查询,查询得到一组架构配置,以及绑定分布注释和绑定策略各不相同的阶段性检测线程。采用该分析策略,可以实现在多个持续的本地医疗交互服务会话之间有效的进行算力匹配处理,从而能够显著提高信息安全分析的可信度,得到更加准确的信息安全分析记录。
对于一种可独立实施的技术方案而言,采用如下方式调优待调优的第一多元化威胁检测线程:确定第一调优参考范例序列,其中,所述第一调优参考范例序列中涵盖多个第一调优参考范例,每个第一调优参考范例涵盖多个本地医疗交互服务会话;在待调优的第一多元化威胁检测线程中挖掘多组待调优局部线程;每组待调优局部线程中局部线程的数目与每个第一调优参考范例中本地医疗交互服务会话的数目相同,且一个待调优局部线程对应处理该调优参考范例中的一个本地医疗交互服务会话;通过所述第一调优参考范例序列对每组待调优局部线程进行调优,调优之后得到所述第一多元化威胁检测线程。
如此设计,通过上述调优策略对待调优的第一多元化威胁检测线程进行调优,可以调优得到配置内容不一致且维度可以调整的阶段性检测线程;从而能够符合不同的期望要求,并且能够匹配和适应不同的智慧医疗业务环境。
对于一种可独立实施的技术方案而言,在所述前一组医疗用户互动会话为异地医疗交互服务会话的前提下,采用如下方式确定所述前一组医疗用户互动会话所对应信息安全分析线程:在指定查询层面中确定与所述前一组医疗用户互动会话相对应的多个第二查询层面的查询指示信息;所述多个第二查询层面涵盖旨在表达所述前一组医疗用户互动会话所对应的信息安全分析线程配置的架构型查询层面;通过每个第二查询层面的查询指示信息对已经完成配置的第二多元化威胁检测线程进行查询,得到符合第二安全分析期望要求的不少于一个第二阶段性检测线程;其中,所述第二安全分析期望要求旨在表达对异地医疗交互服务会话进行信息安全分析的评价指标;根据所述不少于一个第二阶段性检测线程确定所述前一组医疗用户互动会话所对应信息安全分析线程。
如此设计,通过设定第二查询层面,并而根据第二查询层面在第二多元化威胁检测线程中为异地医疗交互服务会话查询相应的阶段性检测线程作为信息安全分析线程的策略,能够智能化的在第二多元化威胁检测线程中确定符合指标的信息安全分析线程。
对于一种可独立实施的技术方案而言,所述根据所述不少于一个第二阶段性检测线程确定所述前一组医疗用户互动会话所对应信息安全分析线程,包括:通过每个第二阶段性检测线程对指定线程配置序列进行处理,得到多个线程配置结果;其中,所述线程配置结果旨在表达对应第二阶段性检测线程的检测性能量化评价;在所述多个线程配置结果中确定目标线程配置结果所对应的第二阶段性检测线程为所述前一组医疗用户互动会话所对应信息安全分析线程,其中,所述目标线程配置结果为多个线程配置结果中符合第二线程配置需求的线程配置结果。
如此设计,通过指定线程配置序列对挑选出的符合第二安全分析期望要求的不少于一个第二阶段性检测线程进行线程配置的策略,可以得到安全分析可信度最佳的第二阶段性检测线程,从而可以在确保信息安全分析线程的安全分析可信度的同时,挑选出符合实际需求较高的真实应用程序的信息安全分析线程。
对于一种可独立实施的技术方案而言,所述方法还包括:在所述不少于一个第二阶段性检测线程的线程配置结果中没有确定出所述目标线程配置结果的前提下,优化每个第二查询层面所对应的查询指示信息;根据完成优化的查询指示信息对第二多元化威胁检测线程进行查询,直到在查询到符合所述第二安全分析期望要求的不少于一个第二阶段性检测线程的线程配置结果中确定出目标线程配置结果的前提下,基于该目标线程配置结果所对应的第二阶段性检测线程确定所述前一组医疗用户互动会话所对应信息安全分析线程。
如此设计,通过优化每个第二查询层面的查询指示信息,可以减少第二多元化威胁检测线程中信息安全分析线程的查询指示信息,从而能够及时的从第二多元化威胁检测线程中查询到容量相对较低的阶段性检测线程作为前一组医疗用户互动会话所对应信息安全分析线程。
对于一种可独立实施的技术方案而言,采用如下方式调优待调优的第二多元化威胁检测线程:确定第二调优参考范例序列;所述第二调优参考范例序列中涵盖多个第二调优参考范例;在所述待调优的第二多元化威胁检测线程中为每个第二调优参考范例定位多个阶段性检测线程;根据所述第二调优参考范例序列中的多个第二调优参考范例对定位到的所述多个阶段性检测线程进行调优,调优之后得到所述第二多元化威胁检测线程。
如此设计,通过任意定位不少于一个阶段性检测线程,并对定位到的每个阶段性检测线程进行调优的策略,可以实现通过对多元化威胁检测线程的一次调优过程得到符合不同查询指标的阶段性检测线程,从而使得该多元化威胁检测线程能够匹配更为广泛的医疗业务环境,从而降低线程配置查询时的资源消耗量。
对于一种可独立实施的技术方案而言,所述指定查询层面包括:架构型查询层面和时效型查询层面,所述架构型查询层面包括以下不少于一种变量:线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量;所述时效型查询层面包括:绑定变量;所述线程配置状态变量旨在表达待查询的信息安全分析线程在多元化威胁检测线程中所需要的线程单元的数目;所述滑动平均处理单元变量旨在表达以下至少之一:待查询的信息安全分析线程在多元化威胁检测线程中所需要的线程单元导出的描述状态量化统计结果、待查询的信息安全分析线程在多元化威胁检测线程中所需要的滑动平均处理单元的滑动平均算子尺寸,和/或,旨在表达待查询的信息安全分析线程在多元化威胁检测线程中所需要的滑动平均处理单元的聚类数目;所述局部聚焦处理单元变量旨在表达是否使用每个线程单元中在先指定的局部聚焦处理单元;所述绑定变量旨在表达所述前一组医疗用户互动会话的信息安全分析记录绑定至所述信息安全分析线程中的绑定分布注释和绑定策略。
如此设计,通过设定线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量和绑定变量,可以在线程查询标签中扩展AI模型的查询架构型,从而查询出安全分析可信度符合指标的简易化AI模型,从而得到最佳的信息安全分析记录。
第二方面,本申请实施例还提供了一种用户信息安防系统,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行上述的方法。
附图说明
图1为本申请实施例所提供的一种应用于智慧医疗的用户信息安全处理方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
本申请实施例中的用户信息安防系统10可以为具有数据存储、传输、处理功能的服务端,用户信息安防系统10包括:存储器11、处理器12、网络模块13和应用于智慧医疗的用户信息安全处理装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有应用于智慧医疗的用户信息安全处理装置20,所述应用于智慧医疗的用户信息安全处理装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本申请实施例中的应用于智慧医疗的用户信息安全处理装置20,从而执行各种功能应用以及数据处理,即实现本申请实施例中的应用于智慧医疗的用户信息安全处理方法。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
图1示出了本申请实施例所提供的一种应用于智慧医疗的用户信息安全处理方法的流程图。所述方法有关的流程所定义的方法步骤应用于用户信息安防系统10,可以由所述处理器12实现,所述方法包括以下步骤101-步骤107所记录的技术方案。
步骤101、确定当前医疗用户互动会话,并确定当前医疗用户互动会话的前一组医疗用户互动会话的信息安全分析记录。
步骤103、确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程,并确定所述信息安全分析线程中的绑定分布注释和绑定策略。
在本申请实施例中,可以为当前医疗用户互动会话确定符合实际指标(比如相关的参数精度要求)的信息安全分析线程(比如可以理解为神经网络模型)。绑定分布注释(整合位置)可以理解为将前一组医疗用户互动会话的信息安全分析记录绑定至查询到的信息安全分析线程中的分布注释(分布位置标签),此外,绑定分布注释还可以理解为信息安全分析线程中将前一组医疗用户互动会话的信息安全分析记录和当前医疗用户互动会话的潜在信息威胁描述进行绑定的时段。绑定策略可以理解为将前一组医疗用户互动会话的信息安全分析记录和当前医疗用户互动会话的潜在信息威胁描述进行绑定的相关绑定算法(融合算法)。进一步地,该绑定策略包括以下任一种:加权和处理tr1、加权乘处理tr2、上下游关联处理tr3。
可以理解的是,不同的医疗用户互动会话所对应的信息安全分析线程的配置参数(从某种意义上可以理解为模型结构或者模型架构)可以相同,或者不同;且不同的医疗用户互动会话所对应的信息安全分析线程中,用于进行多维元素绑定的绑定分布注释和绑定策略可以相同,或者不同,本申请对此不作过多限定。
步骤105、在所述信息安全分析线程挖掘所述当前医疗用户互动会话的潜在信息威胁描述时,依据所述绑定策略将所述信息安全分析线程中处于所述绑定分布注释之前的线程单元导出的潜在信息威胁描述和所述前一组医疗用户互动会话的信息安全分析记录进行绑定,得到多维绑定内容。
在本申请实施例中,为当前医疗用户互动会话查询到的信息安全分析线程中涵盖多个存在相邻关系的线程单元,例如:可以涵盖如下娄别的线程单元(比如:网络模块):滑动平均处理单元(卷积单元)、池化单元、信息变换单元(归一化单元)等。
可以理解,在确定到信息安全分析线程之后,该信息安全分析线程中所涵盖的多个线程单元挖掘当前医疗用户互动会话的潜在信息威胁描述(该潜在信息威胁描述可以理解为一些层面下的会话特征,表现形式可以是特征图或者特征向量)。当潜在信息威胁描述挖掘至绑定分布注释之前的线程单元时,将该线程单元导出的潜在信息威胁描述和前一组医疗用户互动会话的信息安全分析记录进行绑定,从而得到多维绑定内容(可以理解为融合结果)。举例而言:可以通过绑定线程依据加权和处理tr1、加权乘处理tr2、上下游关联处理tr3中其中一种绑定策略,将该线程单元导出的潜在信息威胁描述和前一组医疗用户互动会话的信息安全分析记录进行绑定,从而得到多维绑定内容。
步骤107、将所述多维绑定内容加载到所述信息安全分析线程中处于所述绑定分布注释之后的线程单元进行信息安全分析,得到所述当前医疗用户互动会话的信息安全分析记录。
在本申请实施例中,在信息安全分析线程为数据入侵识别线程的前提下,信息安全分析记录旨在表达当前医疗用户互动会话中所涵盖目标会话行为的数据入侵识别结果,其中,该数据入侵识别结果可以理解为目标会话行为的显著操作环节(关键医疗互动节点)的关键会话内容(特征内容)。
在信息安全分析线程为信息伪造判别线程的前提下,信息安全分析记录旨在表达当前医疗用户互动会话中所涵盖目标医疗患者用户的信息伪造判别结果,其中,该信息伪造判别结果可以理解为目标医疗患者用户的医疗患者用户身份标签的信息,该医疗患者用户身份标签可以为旨在表达多个角度的身份标签。
当然,在另外的一些实施例中,信息安全分析线程还可以为其他的功能线程,本申请实施例不作更多限制。
实施步骤101-步骤107所记录的技术方案时,在对当前医疗用户互动会话进行分析时,通过结合前一组医疗用户互动会话的信息安全分析记录,可以实现将前一组医疗用户互动会话中的会话内容转达到当前医疗用户互动会话中,从而将前一组医疗用户互动会话的信息安全分析记录作为当前医疗用户互动会话的指示内容,通过指示内容对当前医疗用户互动会话进行信息安全分析,能够更加全面的确定当前医疗用户互动会话的中的关键会话内容,从而得到精准地信息安全分析记录。对于每个待分析的当前医疗用户互动会话,通过为其设定对应的信息安全分析线程,并在该信息安全分析线程中设定前一组医疗用户互动会话的信息安全分析记录的绑定分布注释和绑定策略,可以实现在医疗用户互动会话内为待分析的内容进行高质量且针对性的分析,从而提高信息安全分析线程的安全分析可信度,得到更加完整及精准的信息安全分析记录。
可以理解的是,对于以上步骤101而言,当前医疗用户互动会话及其前一组医疗用户互动会话可以为一个智慧医疗交互服务日志中的医疗用户互动会话。对于该智慧医疗交互服务日志,事先设定了医疗用户互动会话的类别,示例性地可以包括:异地医疗交互服务会话和本地医疗交互服务会话。
进一步地,在设定异地医疗交互服务会话和本地医疗交互服务会话时,可以根据医疗用户互动会话中所涵盖的描述内容进行设置。例如:相较于前一组医疗用户互动会话,当前医疗用户互动会话的信息安全描述内容出现了差异(例如:医疗用户互动会话中所涵盖的目标会话行为出现了差异),此时,可以将该当前医疗用户互动会话确定为异地医疗交互服务会话。在当前医疗用户互动会话为异地医疗交互服务会话的前提下,智慧医疗交互服务日志中处于当前医疗用户互动会话之后,且处于下一个异地医疗交互服务会话之前的医疗用户互动会话为本地医疗交互服务会话。
举例而言,智慧医疗交互服务日志中可以涵盖如下医疗用户互动会话:异地医疗交互服务会话Remote session_1、本地医疗交互服务会话local session_1、本地医疗交互服务会话local session_2、异地医疗交互服务会话Remote session_2、本地医疗交互服务会话local session_3、本地医疗交互服务会话local session_4、本地医疗交互服务会话local session_5,异地医疗交互服务会话Remote session_3,…。
在本申请实施例中,对于异地医疗交互服务会话和本地医疗交互服务会话,确定与之对应的信息安全分析线程的策略可以是不一致的,具体将在以下实施例中进行说明。
可以理解,可以将异地医疗交互服务会话Remote session_1、本地医疗交互服务会话local session_1、本地医疗交互服务会话local session_2作为一组医疗用户互动会话,然后为该组医疗用户互动会话中的每组会话内容确定相应的信息安全分析线程;还可以将异地医疗交互服务会话Remote session_2、本地医疗交互服务会话local session_3、本地医疗交互服务会话local session_4、本地医疗交互服务会话local session_5作为另一组医疗用户互动会话,然后为该组医疗用户互动会话中的每组会话内容确定相应的信息安全分析线程。
对于一种可独立实施的技术方案而言,步骤103所描述的确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程,示例性地可以包括以下步骤1031描述内容:步骤1031,基于多元化威胁检测线程确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程;所述多元化威胁检测线程包括多个存在相邻关系的线程单元。
在本申请实施例中,多元化威胁检测线程(比如:超网络)可以理解为事先设定的涵盖多个线程单元的AI模型;进一步地,多元化威胁检测线程还可以理解为一个集群式网络层,在该集群式网络层中涵盖多个线程单元unit。
在本申请实施例中,可以在多元化威胁检测线程中为当前医疗用户互动会话查询符合指标的阶段性检测线程(比如,子线程)作为信息安全分析线程;其中,该查询过程可以涵盖如下两种方法。
方法一,在不改变多元化威胁检测线程中事先设定的线程单元的配置参数的前提下,在多元化威胁检测线程中为当前医疗用户互动会话查询出符合指标线程单元,进而根据查询到的线程单元在多元化威胁检测线程中的相邻关系确定一个阶段性检测线程作为信息安全分析线程。
方法二,通过对多元化威胁检测线程中事先设定的线程单元的配置参数进行调整(或者优化处理),从而实现在多元化威胁检测线程中查询出符合指标的线程单元(比如,网络模块)。其中,对线程单元的配置参数进行调整基础为上述多个查询层面(可以理解为查询维度)的查询指示信息(比如,查询区域、查询范围),进而根据查询到的线程单元在多元化威胁检测线程中的相邻关系确定一个阶段性检测线程作为信息安全分析线程。另外,还可以结合上述所描述的方法和方法二查询符合指标的线程单元。
如此一来,通过以下两种方法为当前医疗用户互动会话查询符合指标的信息安全分析线程,可以在现有多元化威胁检测线程的线程配置的前提下,进一步扩展线程单元的查询指示信息,从而在扩展之后的查询指示信息中查询准确性更高的阶段性检测线程当作信息安全分析线程。
对于一种可独立实施的技术方案而言,步骤1031所描述的基于多元化威胁检测线程确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程,示例性地可以包括以下步骤11-步骤13所记录的技术方案。
步骤11,在所述当前医疗用户互动会话所对应的智慧医疗交互服务日志中确定包含该当前医疗用户互动会话的多个存在时序先后关联的本地医疗交互服务会话。
步骤12,在已经完成配置的第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,其中,每个所述阶段性检测线程集合中涵盖为每个本地医疗交互服务会话查询的第一阶段性检测线程。
步骤13,根据所述不少于一个阶段性检测线程集合确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程。
举例而言,智慧医疗交互服务日志中涵盖如下医疗用户互动会话:异地医疗交互服务会话Remote session_1、本地医疗交互服务会话local session_1、本地医疗交互服务会话local session_2、异地医疗交互服务会话Remote session_2、本地医疗交互服务会话local session_3、本地医疗交互服务会话local session_4、本地医疗交互服务会话localsession_5,异地医疗交互服务会话Remote session_3,…。
举例而言,若当前医疗用户互动会话为本地医疗交互服务会话local session_4,那么包含该当前医疗用户互动会话的多个存在时序先后关联的本地医疗交互服务会话(可以理解为多个连续的本地医疗交互服务会话)为:本地医疗交互服务会话local session_3、本地医疗交互服务会话local session_4、本地医疗交互服务会话local session_5。同理,若当前医疗用户互动会话为本地医疗交互服务会话local session_1,则包含该当前医疗用户互动会话的多个存在时序先后关联的本地医疗交互服务会话为本地医疗交互服务会话local session_1和本地医疗交互服务会话local session_2。
进一步地,在确定出多个存在时序先后关联的本地医疗交互服务会话之后,可以在已经完成配置的第一多元化威胁检测线程中为每个本地医疗交互服务会话查询第一阶段性检测线程。可以理解的是,通过以上所描述的方法一和/或方法二所描述的查询策略为每个本地医疗交互服务会话查询第一阶段性检测线程,本申请实施例在此不作过多描述。
在本申请实施例中,为每个本地医疗交互服务会话查询到的第一阶段性检测线程的线程架构可以相同,还可以不相同,本申请对此不作过多限定。
如此一来,通过为每个本地医疗交互服务会话查询到不一致的第一阶段性检测线程,可以实现在多个存在时序先后关联的本地医疗交互服务会话之间有效的进行算力匹配处理,从而实现应用于智慧医疗的用户信息安全处理方法的效率最大化,以提高应用于智慧医疗的用户信息安全处理方法的安全分析精确性。
在本申请实施例中,对于多个存在时序先后关联的本地医疗交互服务会话而言,要求为多个存在时序先后关联的本地医疗交互服务会话查询到的多个第一阶段性检测线程符合第一安全分析期望要求(比如,安全分析约束条件)。此时,符合第一安全分析期望要求的多个第一阶段性检测线程(子模型或者局部模型)形成一个阶段性检测线程集合。
可以理解,可以通过以下方法说明:多个第一阶段性检测线程符合第一安全分析期望要求,示例性地可以包括:每个第一阶段性检测线程符合第一安全分析期望要求;和/或,多个第一阶段性检测线程整体符合第一安全分析期望要求;和/或,形成每个第一阶段性检测线程的每个线程单元符合第一安全分析期望要求。
可以理解,可以设定任意的第一安全分析期望要求,比如:在第一安全分析期望要求中可以涵盖如下变量:信息安全分析线程中的实数运算(比如:浮点运算),信息安全分析线程的运算时效,信息安全分析线程的变量数目等。其中,实数运算用于权衡信息安全分析线程的分析评价指标。
进一步地,在确定出符合第一安全分析期望要求的不少于一个阶段性检测线程集合之后,便可以基于不少于一个阶段性检测线程集合确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程。
如此一来,通过在第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,进而根据该不少于一个阶段性检测线程集合确定每个本地医疗交互服务会话所对应的信息安全分析线程的策略,可以实现在多个存在时序先后关联的本地医疗交互服务会话所对应的信息安全分析线程符合全局化分析需求(换言之,第一安全分析期望要求)的前提下,从而实现自适应地在多个存在时序先后关联的本地医疗交互服务会话之间进行算力匹配,从而实现应用于智慧医疗的用户信息安全处理方法的效率最大化,以提高应用于智慧医疗的用户信息安全处理方法的安全分析精确性。
对于一种可独立实施的技术方案而言,步骤13所记录的根据所述不少于一个阶段性检测线程集合确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程,示例性地可以包括如下步骤131-步骤133所记录的内容。
步骤131,确定目标线程配置参考范例。
步骤132,通过所述目标线程配置参考范例对每个所述阶段性检测线程集合进行线程配置,得到不少于一个线程配置结果。
步骤133,在所述不少于一个线程配置结果中筛选目标线程配置结果所对应的目标阶段性检测线程集合,并结合所述目标阶段性检测线程集合确定所述信息安全分析线程,其中,所述目标线程配置结果为所述不少于一个线程配置结果中符合第一线程配置需求的线程配置结果。
在本申请实施例中,在确定出不少于一个阶段性检测线程集合之后,需要在符合第一安全分析期望要求的所有阶段性检测线程集合中挑选一个安全分析较全面完整的阶段性检测线程。此时,可以通过每个阶段性检测线程集合对目标线程配置参考范例进行处理,得到不少于一个线程配置结果,其中,该线程配置结果旨在表达每个阶段性检测线程集合中各个阶段性检测线程的安全分析可信度。
可以理解,每个目标线程配置参考范例(比如,测试样本)中可以涵盖多个医疗用户互动会话,且每个阶段性检测线程集合中的一个阶段性检测线程用于对一个医疗用户互动会话进行处理。在得到不少于一个线程配置结果之后,可以在不少于一个线程配置结果中筛选符合第一线程配置需求的目标线程配置结果所对应的阶段性检测线程集合作为目标阶段性检测线程集合,示例性地可以包括以下几种方法。
方法一,在得到不少于一个线程配置结果之后,可以在不少于一个线程配置结果中筛选最佳线程配置结果所对应的阶段性检测线程集合作为目标阶段性检测线程集合。
方法二,在得到不少于一个线程配置结果之后,还可以在不少于一个线程配置结果中筛选不小于指定线程配置量化值的线程配置结果,并将挑选出的线程配置结果所对应的阶段性检测线程集合作为目标阶段性检测线程集合。
针对每个阶段性检测线程集合的线程配置结果,在该线程配置结果中可以涵盖多个子线程配置结果,其中,每个子线程配置结果旨在表达该阶段性检测线程集合中每个第一阶段性检测线程的线程配置结果。可以理解,每个线程配置结果不小于指定线程配置量化值可以理解为:各个子线程配置结果均不小于指定线程配置量化值,和/或,各个子线程配置结果的均值不小于指定线程配置量化值。
可以理解,在确定出目标阶段性检测线程集合之后,便可以将该目标阶段性检测线程集合中的阶段性检测线程分别作为多个持续异地医疗交互服务会话所对应的信息安全分析线程,从而实现确定当前医疗用户互动会话所对应的信息安全分析线程。
如此一来,通过目标线程配置参考范例在不少于一个阶段性检测线程集合中为多个存在时序先后关联的本地医疗交互服务会话筛选安全分析可信度最佳的阶段性检测线程,能够显著提高信息安全分析的可信度,从而得到更加准确的信息安全分析记录,例如:数据入侵识别结果。
对于一种可独立实施的技术方案而言,步骤12所记录的在已经完成配置的第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,示例性地可以包括如下步骤121和步骤122所记录的内容。
步骤121,确定每个本地医疗交互服务会话的目标查询指示信息;其中,每个所述目标查询指示信息中涵盖指定查询层面中多个第一查询层面的一个查询指示信息;所述第一查询层面涵盖:旨在表达信息安全分析线程配置的架构型查询层面,以及旨在表达所述绑定分布注释和绑定策略的时效型查询层面。
例如,时效型查询层面为时间维度,架构型查询层面可以理解为空间维度或者结构维度。
步骤122,通过每个本地医疗交互服务会话的目标查询指示信息,在已经完成配置的第一多元化威胁检测线程中查询符合所述第一安全分析期望要求的阶段性检测线程,并结合查询到的阶段性检测线程确定所述阶段性检测线程集合。
举例而言,智慧医疗交互服务日志中涵盖如下医疗用户互动会话:异地医疗交互服务会话Remote session_1、本地医疗交互服务会话local session_1、本地医疗交互服务会话local session_2、异地医疗交互服务会话Remote session_2、本地医疗交互服务会话local session_3、本地医疗交互服务会话local session_4、本地医疗交互服务会话localsession_5,异地医疗交互服务会话Remote session_3,…。以本地医疗交互服务会话localsession_1和本地医疗交互服务会话local session_2为例来进行说明。
在架构型查询层面(比如,空间查询维度)和时效型查询层面(比如,时间查询维度)中为本地医疗交互服务会话local session_1确定相应的目标查询指示信息,并基于该目标查询指示信息在第一多元化威胁检测线程中查询阶段性检测线程modular_1。在架构型查询层面和时效型查询层面中为本地医疗交互服务会话local session_2确定相应的目标查询指示信息,并基于该目标查询指示信息在第一多元化威胁检测线程中查询阶段性检测线程modular_2。然后,判定阶段性检测线程modular_1和阶段性检测线程modular_2的分析评价指标统计结果是否符合第一安全分析期望要求。
在判定出符合的前提下,将阶段性检测线程modular_1和阶段性检测线程modular_2作为一个阶段性检测线程集合。在判定出不符合的前提下,则继续通过每个本地医疗交互服务会话的目标查询指示信息查询符合第一安全分析期望要求的阶段性检测线程。
如此一来,对于不同本地医疗交互服务会话可以使用相同多元化威胁检测线程进行查询,查询得到一组架构配置,以及绑定分布注释和绑定策略各不相同的阶段性检测线程。采用该分析策略,可以实现在多个持续的本地医疗交互服务会话之间有效的进行算力匹配处理,从而能够显著提高信息安全分析的可信度,得到更加准确的信息安全分析记录。
在本申请实施例中,指定查询层面(比如,设定查询维度)可以包括:架构型查询层面和时效型查询层面,所述架构型查询层面可以包括以下不少于一种变量:线程配置状态变量(模型结构参数)、滑动平均处理单元变量(卷积层参数)、局部聚焦处理单元变量(注意力模块参数);所述时效型查询层面可以包括:绑定变量。线程配置状态变量旨在表达待查询的信息安全分析线程在多元化威胁检测线程中所需要的线程单元的数目。若待查询的信息安全分析线程为上述当前医疗用户互动会话的信息安全分析线程,则该多元化威胁检测线程为第一多元化威胁检测线程。
可以理解,线程配置状态变量可以包含:线程复杂性变量(模型深度参数),其中,线程复杂性变量旨在表达待查询的信息安全分析线程在多元化威胁检测线程的每个线程单元中所需要的线程单元的数目。
举例而言,以下为任意一个线程中基于线程复杂性变量进行查询的示例。比如,在该线程中包含线程单元1(unit1)、线程单元2(unit2)、线程单元3(unit3)和线程单元4(unit4)以及导出单元。当线程复杂性变量为2时,表示通过线程单元1(unit1)和线程单元2(unit2)对导入信息进行处理,并忽略线程单元3(unit3)和线程单元4(unit4),直接将线程单元2处理之后的信息加载到导出单元。
由此可得,本申请实施例公开的技术内容可以根据线程复杂性变量在每个线程单元中查询指定数目的线程单元进行处理。例如:查询前J个线程单元对导入信息进行处理,对于该线程单元中的剩余线程单元,则不对该导入信息进行任何的信息处理,换言之,直接忽略该剩余线程单元。
在本申请实施例中,对于以上所描述滑动平均处理单元变量,滑动平均处理单元变量可以涵盖如下至少之一:滑动平均处理单元状态数量、滑动平均算子尺寸变量(卷积核大小)、滑动平均处理单元的聚类处理统计变量。可以理解,滑动平均处理单元状态数量用于表待查询的信息安全分析线程在多元化威胁检测线程中所需要的线程单元导出的描述状态量化统计结果。
可以理解,在设定了线程尺寸变量之后,可以在线程单元所威胁分析结果的所有关键状态中筛选设定数目的关键状态,从而降低威胁分析结果的宽度,进而降低AI模型的资源消耗,例如:筛选威胁分析结果中的前J个关键状态的信息作为该线程单元的威胁分析结果。例如,线程尺寸变量为2,此时,可以在4个关键状态的特征向量中筛选前2个关键状态的内容作为该线程单元的威胁分析结果。
可以理解、滑动平均算子尺寸变量旨在表达待查询的信息安全分析线程在多元化威胁检测线程中所需要的滑动平均处理单元的滑动平均算子尺寸。
举例而言,一种可选的基于滑动平均算子尺寸变量进行查询的示例。在线程单元的滑动平均处理单元中,原始滑动平均算子的尺寸可以为8X8,在设定该滑动平均算子尺寸变量之后,可以依据滑动平均算子尺寸变量在该原始滑动平均算子中筛选尺寸为4X4的滑动平均算子作为该滑动平均处理单元的滑动平均算子。在本申请实施例中,可以在原始滑动平均算子的过渡型分布注释筛选尺寸为4X4的滑动平均算子。
可以理解、滑动平均处理单元的聚类处理统计变量旨在表达待查询的信息安全分析线程在多元化威胁检测线程中所需要的滑动平均处理单元的聚类数目。滑动平均处理单元聚类是指将导入信息分割为多组子信息,进而对每组子信息分别进行滑动平均处理(也可以理解为卷积处理)。
如此一来,通过对滑动平均处理单元进行聚类,能够降低滑动平均处理所需的变量数目,从而减少信息安全分析线程的资源浪费量,进而能够提高信息安全分析线程的处理效率。
可以理解,局部聚焦处理单元变量旨在表达是否使用每个线程单元中在先指定的局部聚焦处理单元。在本申请实施例中,可以通过局部聚焦处理单元变量确定是否使用每个线程单元是否需要设定局部聚焦处理单元。比如,当需要使用局部聚焦处理单元时,每个线程单元的威胁分析结果通过相应的局部聚焦处理单元之后,加载到下一个线程单元进行处理;当不需要使用局部聚焦处理单元,直接忽略该局部聚焦处理单元。
在本申请实施例中,绑定变量旨在表达所述前一组医疗用户互动会话的信息安全分析记录绑定至所述信息安全分析线程中的绑定分布注释和绑定策略。绑定分布注释可以筛选为信息安全分析线程深度方向的其中一个线程单元作为与前一组医疗用户互动会话的信息安全分析记录进行绑定的分布注释。该绑定策略示例性地可以包括如下其中一种:加权和处理tr1、加权乘处理tr2、上下游关联处理tr3。
如此一来,通过设定线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量和绑定变量,可以在线程查询标签中扩展AI模型的查询架构型,从而查询出安全分析可信度符合指标的简易化AI模型,从而得到最佳的信息安全分析记录。
在本申请实施例中,在依据上述所描述的策略确定出信息安全分析线程,以及绑定分布注释和绑定策略之后,可以在信息安全分析线程挖掘所述当前医疗用户互动会话的潜在信息威胁描述时,依据绑定策略将所述信息安全分析线程中处于所述绑定分布注释之前的线程单元导出的潜在信息威胁描述和所述前一组医疗用户互动会话的信息安全分析记录进行绑定,得到多维绑定内容。并在得到所述多维绑定内容之后,对所述多维绑定内容进行滑动平均处理;将滑动平均处理之后的多维绑定内容加载到所述信息安全分析线程中处于所述绑定分布注释之后的线程单元进行信息安全分析,得到当前医疗用户互动会话的信息安全分析记录。
可以理解的是,在将潜在信息威胁描述和前一组医疗用户互动会话的信息安全分析记录进行绑定之前,还可以通过另外一个滑动平均处理单元对该信息安全分析记录进行滑动平均处理,从而将滑动平均处理之后的信息安全分析记录和潜在信息威胁描述进行绑定,得到多维绑定内容。
对于一种可独立实施的技术方案而言,可以采用如下方式调优待调优的第一多元化威胁检测线程,示例性地可以包括(1)-(3)所记录的内容。
(1),确定第一调优参考范例序列,其中,所述第一调优参考范例序列中涵盖多个第一调优参考范例,每个第一调优参考范例涵盖多个本地医疗交互服务会话。
(2),在待调优的第一多元化威胁检测线程中挖掘多组待调优局部线程;每组待调优局部线程中局部线程的数目与每个第一调优参考范例中本地医疗交互服务会话的数目相同,且一个待调优局部线程对应处理该调优参考范例中的一个本地医疗交互服务会话。
(3),通过所述第一调优参考范例序列对每组待调优局部线程进行调优,调优之后得到所述第一多元化威胁检测线程。
在本申请实施例中,在对待调优的第一多元化威胁检测线程进行调优时,可以确定第一调优参考范例序列,在该第一调优参考范例序列中涵盖多个第一调优参考范例,每个第一调优参考范例中涵盖多个本地医疗交互服务会话。可以理解,第一调优参考范例序列的每个第一调优参考范例中所涵盖本地医疗交互服务会话的数目可以根据实际情况进行设置。
可以理解的是,在本申请实施例中,可以生成多个第一调优参考范例序列,不同第一调优参考范例序列的第一调优参考范例中所涵盖本地医疗交互服务会话的数目不同。通过该设定策略,可以符合多个存在时序先后关联的本地医疗交互服务会话的不同数目要求;同时还可以提高第一多元化威胁检测线程中各个条件下的阶段性检测线程的安全分析可信度。
在本申请实施例中,针对每个第一调优参考范例,可以在待调优的第一多元化威胁检测线程中挖掘H个待调优局部线程,分别为:为该第一调优参考范例中的每个本地医疗交互服务会话挖掘的待调优的第一多元化威胁检测线程中优先级最大的阶段性检测线程,为该第一调优参考范例中每个本地医疗交互服务会话挖掘的待调优的第一多元化威胁检测线程中优先级最小的阶段性检测线程,以及为该第一调优参考范例中的每个本地医疗交互服务会话任意挖掘的H-2个阶段性检测线程。其中,任意定位的H-2个阶段性检测线程为每个本地医疗交互服务会话分别任意定位,在任意定位H-2个阶段性检测线程时,架构型查询层面参数和时效型查询层面参数均可各不相同。之后,基于挖掘到的H个待调优局部线程进行调优,每组待调优局部线程中的每个待调优局部线程用于处理一个本地医疗交互服务会话。
如此,在通过每个第一调优参考范例对定位到的阶段性检测线程进行调优时,可以使用优先级最大的阶段性检测线程对该第一调优参考范例的调试结果作为该组待调优局部线程中其他待调优局部线程的调优标识,以对其他待调优局部线程进行标签附加型调优(监督训练)。
在本申请实施例中,在任意挖掘多组待调优局部线程时,可以依据上述所描述的多个第一查询层面在待调优的第一多元化威胁检测线程中任意挖掘多组待调优局部线程。在实际实施时,可以根据线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量和绑定变量在待调优的第一多元化威胁检测线程中任意挖掘多组待调优局部线程。在确定到第一调优参考范例序列之后,便可以通过第一调优参考范例序列对每组待调优局部线程进行调优,调优之后得到所述第一多元化威胁检测线程。
如此设计,通过上述调优方法对待调优的第一多元化威胁检测线程进行调优,可以调优得到配置内容不一致,且维度可以调整的阶段性检测线程;从而能够符合不同的期望要求,并且能够匹配和适应不同的智慧医疗业务环境。
对于一种可独立实施的技术方案而言,在前一组医疗用户互动会话为异地医疗交互服务会话的前提下,可以采用如下方式确定所述前一组医疗用户互动会话所对应信息安全分析线程,示例性地可以包括以下步骤一-步骤三所记录的内容。
步骤一,在指定查询层面中确定与所述前一组医疗用户互动会话相对应的多个第二查询层面的查询指示信息;所述多个第二查询层面涵盖旨在表达所述前一组医疗用户互动会话所对应的信息安全分析线程的配置参数的架构型查询层面。
步骤二,通过每个第二查询层面的查询指示信息对已经完成配置的第二多元化威胁检测线程进行查询,得到符合第二安全分析期望要求的不少于一个第二阶段性检测线程;其中,所述第二安全分析期望要求旨在表达对异地医疗交互服务会话进行信息安全分析的评价指标。
步骤三,根据所述不少于一个第二阶段性检测线程确定所述前一组医疗用户互动会话所对应信息安全分析线程。
在本申请实施例中,指定查询层面可以包括:架构型查询层面和时效型查询层面,所述架构型查询层面包括以下不少于一种变量:线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量。
可以理解,多个第二查询层面包括以下不少于一种变量:线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量。针对线程配置状态变量、滑动平均处理单元变量和局部聚焦处理单元变量的介绍如上述内容所述,本申请实施例在此不作过多描述。
在本申请实施例中,在确定出多个第二查询层面之后,可以针对每个第二查询层面确定一个查询指示信息,此时,多个第二查询层面对应多个查询指示信息。比如,可以针对线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量中的每个层面的变量,确定一个查询指示信息。在确定出每个第二查询层面的查询指示信息之后,便可以基于确定出的多个查询指示信息在第二多元化威胁检测线程中进行查询,得到符合第二安全分析期望要求的不少于一个第二阶段性检测线程。之后,基于符合第二安全分析期望要求的不少于一个第二阶段性检测线程确定前一组医疗用户互动会话所对应信息安全分析线程。
如此,通过设定第二查询层面,并而根据第二查询层面在第二多元化威胁检测线程中为异地医疗交互服务会话查询相应的阶段性检测线程作为信息安全分析线程的策略,能够智能化的在第二多元化威胁检测线程中确定符合指标的信息安全分析线程。
在本申请实施例中,由于前一组医疗用户互动会话所对应的信息安全分析线程为简易化线程单元,因此,通过上述所描述的方法可以在确保信息安全分析线程的安全分析可信度的前提下,提高该信息安全分析线程的处理效率,从而符合实际需求较高的业务环境。
对于一种可独立实施的技术方案而言,上述步骤三所记录的根据所述不少于一个第二阶段性检测线程确定所述前一组医疗用户互动会话所对应信息安全分析线程,示例性地可以包括如下内容。
首先,通过每个第二阶段性检测线程对指定线程配置序列进行处理,得到多个线程配置结果;其中,所述线程配置结果旨在表达对应第二阶段性检测线程的检测性能量化评价。
然后,在所述多个线程配置结果中确定目标线程配置结果所对应的第二阶段性检测线程为所述前一组医疗用户互动会话所对应信息安全分析线程,其中,所述目标线程配置结果为多个线程配置结果中符合第二线程配置需求的线程配置结果。
在本申请实施例中,在查询出符合第二安全分析期望要求的不少于一个第二阶段性检测线程之后,可以在不少于一个第二阶段性检测线程中确定安全分析可信度符合指标的第二阶段性检测线程作为前一组医疗用户互动会话所对应信息安全分析线程。
在实际实施时,可以确定指定线程配置序列,然后,效仿本申请实施例中应用于智慧医疗的用户信息安全处理方法的运行场景,通过每个第二阶段性检测线程对指定线程配置序列中的每个线程配置参考范例进行处理,得到相应的线程配置结果,其中,每个第二阶段性检测线程对应一个线程配置结果。
可以理解,符合第二线程配置需求可以理解为:在多个线程配置结果中筛选最佳线程配置结果所对应的第二阶段性检测线程作为前一组医疗用户互动会话所对应信息安全分析线程;和/或,在多个线程配置结果中筛选不小于指定线程配置量化值的目标线程配置结果所对应的第二阶段性检测线程作为前一组医疗用户互动会话所对应信息安全分析线程。
如此,通过指定线程配置序列对挑选出的符合第二安全分析期望要求的不少于一个第二阶段性检测线程进行线程配置的策略,可以得到安全分析可信度最佳的第二阶段性检测线程,从而可以在确保信息安全分析线程的安全分析可信度的同时,挑选出符合实际需求较高的真实应用程序的信息安全分析线程。
在本申请实施例中,在所述不少于一个第二阶段性检测线程的线程配置结果中没有确定出所述目标线程配置结果的前提下,可以优化每个第二查询层面所对应的查询指示信息。之后根据完成优化的查询指示信息对第二多元化威胁检测线程进行查询,直到在查询到符合所述第二安全分析期望要求的不少于一个第二阶段性检测线程的线程配置结果中确定出目标线程配置结果的前提下,基于该目标线程配置结果所对应的第二阶段性检测线程确定所述前一组医疗用户互动会话所对应信息安全分析线程。
在优化查询指示信息之后,可以基于完成优化的查询指示信息进行查询得到给定第二安全分析期望要求下的不少于一个第二阶段性检测线程。针对查询到的每个第二阶段性检测线程,可以通过以上所描述的策略对每个第二阶段性检测线程进行线程配置,得到多个线程配置结果。在多个线程配置结果符合指定精度要求的前提下,例如,多个线程配置结果中包含大于指定线程配置量化值的目标线程配置结果,则根据该目标线程配置结果所对应的第二阶段性检测线程确定前一组医疗用户互动会话所对应信息安全分析线程。
对于一种可独立实施的技术方案而言,采用如下方式调优待调优的第二多元化威胁检测线程,示例性地可以包括如下步骤a-步骤c所记录的内容。
步骤a,确定第二调优参考范例序列;所述第二调优参考范例序列中涵盖多个第二调优参考范例。
步骤b,在所述待调优的第二多元化威胁检测线程中为每个第二调优参考范例定位多个阶段性检测线程。
步骤c,根据所述第二调优参考范例序列中的多个第二调优参考范例对定位到的所述多个阶段性检测线程进行调优,调优之后得到所述第二多元化威胁检测线程。
在本申请实施例中,针对第二调优参考范例序列中的每个第二调优参考范例,根据上述所描述的多个第二查询层面,在待调优的第二多元化威胁检测线程中定位了H个阶段性检测线程,分别为:待调优的第二多元化威胁检测线程中优先级最大的阶段性检测线程,待调优的多元化威胁检测线程中优先级最小的阶段性检测线程,以及H-2个任意定位的阶段性检测线程。然后,在第二调优参考范例序列中包含J个第二调优参考范例的前提下,便可以基于第二调优参考范例序列对定位到的J*H个阶段性检测线程进行调优,得到调优之后的第二多元化威胁检测线程。
在本申请实施例中,每个第二调优参考范例所对应的参考范例标识为定位到的不少于一个阶段性检测线程中优先级最大的阶段性检测线程对该第二调优参考范例的调试结果。
可以理解,在通过每个第二调优参考范例对定位到的阶段性检测线程进行调优时,可以使用优先级最大的阶段性检测线程对该第二调优参考范例的调试结果作为其他阶段性检测线程的调优标识,以对其他阶段性检测线程进行标签附加型调优。
如此,通过任意定位不少于一个阶段性检测线程,并对定位到的每个阶段性检测线程进行调优的策略,可以实现通过对多元化威胁检测线程的一次调优过程得到符合不同第二安全分析期望要求的阶段性检测线程,从而使得该多元化威胁检测线程能够匹配更为广泛的医疗业务环境,从而降低线程配置查询时的资源消耗量。
进一步地,在上述实施策略中,通过优先级最大的阶段性检测线程对该调优参考范例的调试结果作为其他阶段性检测线程的调优标识,以对其他阶段性检测线程进行标签附加型调优的策略,可以使得定位到的每个阶段性检测线程都具有较高的预测精度,从而能够实现在确保AI模型的调试精度的前提下,挑选出能够符合实际需求的简易化AI模型对信息安全进行分析。
对于一些可选的实施例而言,在得到所述当前医疗用户互动会话的信息安全分析记录之后,该方法还可以包括以下内容:通过所述信息安全分析记录确定所述当前医疗用户互动会话的威胁事项;基于所述威胁事项确定信息防护机制并激活。
在本申请实施例中,同样可以借助人工智能技术从信息安全分析记录中挖掘出尽可能丰富完整的威胁事项,然后从预设的威胁-应对匹配列表中确定对应的信息防护机制并投入使用。如果威胁事项是数据篡改,则信息防护机制可以是权限认证,如果威胁事项是隐私窃取,则信息防护机制可以是数据匿名化。如此,可以针对性地实现信息防护处理,以提高智慧医疗运行过程中的安全性和可靠性。
对于一些可选的实施例而言,通过所述信息安全分析记录确定所述当前医疗用户互动会话的威胁事项,可以通过以下实施方式实现:基于所述信息安全分析记录确定待进行威胁事项汇总的目标记录消息列表;对所述目标记录消息列表中的多个阶段性记录消息分别进行本地就诊需求解析和异地就诊需求解析,得到本地就诊需求解析内容集合和异地就诊需求解析内容集合;基于第一指定校正模型,对所述本地就诊需求解析内容集合进行第一校正操作,得到包括有本地就诊需求的第一记录消息集;基于第二指定校正模型,对所述异地就诊需求解析内容集合进行第二校正操作,得到包括有异地就诊需求的第二记录消息集;基于所述第一记录消息集和所述第二记录消息集进行噪声优化处理,得到所述目标记录消息列表中与异常需求相关联的辅助威胁检测消息集;所述异常需求包括本地就诊需求和异地就诊需求中的至少一种,所述辅助威胁检测消息集用于对所述目标记录消息列表进行威胁事项汇总;基于所述辅助威胁检测消息集中的每一辅助威胁检测消息的威胁主题对所述目标记录消息列表进行威胁事项总结,得到至少一个威胁事项。
在本申请实施例中,指定校正模型可以是机器学习模型,不同的指定校正模型的模型结构可以存在差异,所关注的噪声优化维度也可以相异,如此设计,能够考虑不同类型的就诊需求,从而准确完整地得到辅助威胁检测消息集,这样能够保障挖掘出的威胁事项的精度和可信度。
对于一些可选的实施例而言,所述对所述目标记录消息列表中的多个阶段性记录消息分别进行本地就诊需求解析和异地就诊需求解析,得到本地就诊需求解析内容集合和异地就诊需求解析内容集合,包括:对所述目标记录消息列表中的多个阶段性记录消息分别进行本地就诊需求解析,得到各个阶段性记录消息中的本地就诊需求解析标签、以及各本地就诊需求解析标签所对应的基础需求语义;基于各阶段性记录消息中的本地就诊需求解析标签和相应的基础需求语义,确定本地就诊需求解析内容集合;对所述目标记录消息列表中的多个阶段性记录消息分别进行异地就诊需求解析,得到异地就诊需求解析内容集合。如此设计,可以尽可能确保异地就诊需求解析内容集合的丰富程度。
基于上述同样的发明构思,还提供了一种应用于智慧医疗的用户信息安全处理装置20,所述装置包括:互动会话获取模块,用于:确定当前医疗用户互动会话,并确定当前医疗用户互动会话的前一组医疗用户互动会话的信息安全分析记录;分析线程确定模块,用于:确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程,并确定所述信息安全分析线程中的绑定分布注释和绑定策略;安全记录绑定模块,用于:在所述信息安全分析线程挖掘所述当前医疗用户互动会话的潜在信息威胁描述时,依据所述绑定策略将所述信息安全分析线程中处于所述绑定分布注释之前的线程单元导出的潜在信息威胁描述和所述前一组医疗用户互动会话的信息安全分析记录进行绑定,得到多维绑定内容;信息安全分析模块,用于:将所述多维绑定内容加载到所述信息安全分析线程中处于所述绑定分布注释之后的线程单元进行信息安全分析,得到所述当前医疗用户互动会话的信息安全分析记录。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (7)

1.一种应用于智慧医疗的用户信息安全处理方法,其特征在于,应用于用户信息安防系统,所述方法至少包括:
确定当前医疗用户互动会话,并确定当前医疗用户互动会话的前一组医疗用户互动会话的信息安全分析记录;确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程,并确定所述信息安全分析线程中的绑定分布注释和绑定策略;
在所述信息安全分析线程挖掘所述当前医疗用户互动会话的潜在信息威胁描述时,依据所述绑定策略将所述信息安全分析线程中处于所述绑定分布注释之前的线程单元导出的潜在信息威胁描述和所述前一组医疗用户互动会话的信息安全分析记录进行绑定,得到多维绑定内容;将所述多维绑定内容加载到所述信息安全分析线程中处于所述绑定分布注释之后的线程单元进行信息安全分析,得到所述当前医疗用户互动会话的信息安全分析记录;
其中:
所述信息安全分析线程为神经网络模型;
在所述信息安全分析线程为数据入侵识别线程的前提下,所述信息安全分析记录旨在表达当前医疗用户互动会话中所涵盖目标会话行为的数据入侵识别结果;在所述信息安全分析线程为信息伪造判别线程的前提下,所述信息安全分析记录旨在表达当前医疗用户互动会话中所涵盖目标医疗患者用户的信息伪造判别结果;
所述绑定分布注释为整合位置,用于表示为将前一组医疗用户互动会话的信息安全分析记录绑定至查询到的信息安全分析线程中的分布位置标签;
所述绑定策略为将前一组医疗用户互动会话的信息安全分析记录和当前医疗用户互动会话的潜在信息威胁描述进行绑定的融合算法,包括以下任一种:加权和处理、加权乘处理以及上下游关联处理;
所述潜在信息威胁描述包括会话特征,所述会话特征的表现形式包括特征图或者特征向量;
其中,当前医疗用户互动会话的前一组医疗用户互动会话的信息安全分析记录为与所述前一组医疗用户互动会话对应的信息安全分析线程的威胁分析结果;且,至少部分医疗用户互动会话所对应的信息安全分析线程的线程配置存在差异,且至少部分医疗用户互动会话所对应的信息安全分析线程中用于进行多维元素绑定的绑定分布注释和绑定策略存在差异;
其中,所述确定用于对当前医疗用户互动会话进行信息安全分析的信息安全分析线程,包括:
在所述当前医疗用户互动会话所对应的智慧医疗交互服务日志中确定涵盖所述当前医疗用户互动会话的多个存在时序先后关联的本地医疗交互服务会话;
在已经完成配置的第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,其中,每个所述阶段性检测线程集合中涵盖为每个本地医疗交互服务会话查询的第一阶段性检测线程;其中,所述查询涵盖:通过多个第一查询层面的查询指示信息对第一多元化威胁检测线程中的线程单元的配置参数进行调整;
根据所述不少于一个阶段性检测线程集合确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程;
其中:
所述多元化威胁检测线程为超网络,所述超网络为事先设定的涵盖多个线程单元的AI模型;
所述查询层面为查询维度;
所述查询指示信息为查询区域或者查询范围;
其中,所述在已经完成配置的第一多元化威胁检测线程中查询符合第一安全分析期望要求的不少于一个阶段性检测线程集合,包括:
确定每个本地医疗交互服务会话的目标查询指示信息;其中,每个所述目标查询指示信息中涵盖指定查询层面中多个第一查询层面的一个查询指示信息;
所述第一查询层面涵盖:旨在表达信息安全分析线程配置的架构型查询层面,以及旨在表达所述绑定分布注释和绑定策略的时效型查询层面;
通过每个本地医疗交互服务会话的目标查询指示信息,在已经完成配置的第一多元化威胁检测线程中查询符合所述第一安全分析期望要求的阶段性检测线程,并结合查询到的阶段性检测线程确定所述阶段性检测线程集合;其中,所述指定查询层面包括:架构型查询层面和时效型查询层面,所述架构型查询层面包括以下不少于一种变量:线程配置状态变量、滑动平均处理单元变量、局部聚焦处理单元变量;所述时效型查询层面包括:绑定变量;所述线程配置状态变量为模型结构参数;
所述滑动平均处理单元变量旨在表达以下至少之一:待查询的信息安全分析线程在多元化威胁检测线程中所需要的线程单元导出的描述状态量化统计结果、待查询的信息安全分析线程在多元化威胁检测线程中所需要的滑动平均处理单元的滑动平均算子尺寸、旨在表达待查询的信息安全分析线程在多元化威胁检测线程中所需要的滑动平均处理单元的聚类数目;
所述局部聚焦处理单元变量旨在表达是否使用每个线程单元中在先指定的局部聚焦处理单元;其中:所述局部聚焦处理单元为注意力模块参数;
所述绑定变量旨在表达所述前一组医疗用户互动会话的信息安全分析记录绑定至所述信息安全分析线程中的绑定分布注释和绑定策略。
2.如权利要求1所述的方法,其特征在于,所述根据所述不少于一个阶段性检测线程集合确定用于对所述当前医疗用户互动会话进行信息安全分析的信息安全分析线程,包括:
确定目标线程配置参考范例;通过所述目标线程配置参考范例对每个所述阶段性检测线程集合进行线程配置,得到不少于一个线程配置结果;其中:所述线程配置结果旨在表达每个阶段性检测线程集合中各个阶段性检测线程的安全分析可信度;
通过所述不少于一个线程配置结果筛选目标线程配置结果所对应的目标阶段性检测线程集合,并结合所述目标阶段性检测线程集合确定所述信息安全分析线程,其中,所述目标线程配置结果为所述不少于一个线程配置结果中符合第一线程配置需求的线程配置结果;
其中:
所述参考范例为测试样本。
3.如权利要求1所述的方法,其特征在于,采用如下方式调优待调优的第一多元化威胁检测线程:
确定第一调优参考范例序列,其中,所述第一调优参考范例序列中涵盖多个第一调优参考范例,每个第一调优参考范例涵盖多个本地医疗交互服务会话;
在待调优的第一多元化威胁检测线程中挖掘多组待调优局部线程;每组待调优局部线程中局部线程的数目与每个第一调优参考范例中本地医疗交互服务会话的数目相同,且一个待调优局部线程对应处理该调优参考范例中的一个本地医疗交互服务会话;
通过所述第一调优参考范例序列对每组待调优局部线程进行调优,调优之后得到所述第一多元化威胁检测线程;
其中:
所述参考范例为测试样本。
4.如权利要求1所述的方法,其特征在于,在所述前一组医疗用户互动会话为异地医疗交互服务会话的前提下,采用如下方式确定所述前一组医疗用户互动会话所对应的信息安全分析线程:
在指定查询层面中确定与所述前一组医疗用户互动会话相对应的多个第二查询层面的查询指示信息;所述多个第二查询层面涵盖旨在表达所述前一组医疗用户互动会话所对应的信息安全分析线程配置的架构型查询层面;
通过每个第二查询层面的查询指示信息对已经完成配置的第二多元化威胁检测线程进行查询,得到符合第二安全分析期望要求的不少于一个第二阶段性检测线程;其中,所述第二安全分析期望要求旨在表达对异地医疗交互服务会话进行信息安全分析的评价指标;
根据所述不少于一个第二阶段性检测线程确定所述前一组医疗用户互动会话所对应的信息安全分析线程;
其中,采用如下方式调优待调优的第二多元化威胁检测线程:确定第二调优参考范例序列;所述第二调优参考范例序列中涵盖多个第二调优参考范例;在所述待调优的第二多元化威胁检测线程中为每个第二调优参考范例定位多个阶段性检测线程;根据所述第二调优参考范例序列中的多个第二调优参考范例对定位到的所述多个阶段性检测线程进行调优,调优之后得到所述第二多元化威胁检测线程;
其中,所述参考范例为测试样本。
5.如权利要求4所述的方法,其特征在于,所述根据所述不少于一个第二阶段性检测线程确定所述前一组医疗用户互动会话所对应的信息安全分析线程,包括:
通过每个第二阶段性检测线程对指定线程配置序列进行处理,得到多个线程配置结果;其中,所述线程配置结果旨在表达对应第二阶段性检测线程的检测性能量化评价;
基于所述多个线程配置结果确定目标线程配置结果所对应的第二阶段性检测线程为所述前一组医疗用户互动会话所对应的信息安全分析线程,其中,所述目标线程配置结果为多个线程配置结果中符合第二线程配置需求的线程配置结果。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
在所述不少于一个第二阶段性检测线程的线程配置结果中没有确定出所述目标线程配置结果的前提下,优化每个第二查询层面所对应的查询指示信息;
根据完成优化的查询指示信息对第二多元化威胁检测线程进行查询,直到在查询到符合所述第二安全分析期望要求的不少于一个第二阶段性检测线程的线程配置结果中确定出目标线程配置结果的前提下,基于该目标线程配置结果所对应的第二阶段性检测线程确定所述前一组医疗用户互动会话所对应的信息安全分析线程。
7.一种用户信息安防系统,其特征在于,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行权利要求1-6任一项所述的方法。
CN202210027475.4A 2022-01-11 2022-01-11 一种应用于智慧医疗的用户信息安全处理方法及系统 Active CN114300146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210027475.4A CN114300146B (zh) 2022-01-11 2022-01-11 一种应用于智慧医疗的用户信息安全处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210027475.4A CN114300146B (zh) 2022-01-11 2022-01-11 一种应用于智慧医疗的用户信息安全处理方法及系统

Publications (2)

Publication Number Publication Date
CN114300146A CN114300146A (zh) 2022-04-08
CN114300146B true CN114300146B (zh) 2023-03-31

Family

ID=80977504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210027475.4A Active CN114300146B (zh) 2022-01-11 2022-01-11 一种应用于智慧医疗的用户信息安全处理方法及系统

Country Status (1)

Country Link
CN (1) CN114300146B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114785791B (zh) * 2022-05-25 2022-12-13 北京环球国广媒体科技有限公司 一种基于云计算的云边端交互数据优化方法及服务器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10332035B1 (en) * 2018-08-29 2019-06-25 Capital One Services, Llc Systems and methods for accelerating model training in machine learning
WO2021196911A1 (zh) * 2020-03-30 2021-10-07 腾讯科技(深圳)有限公司 基于人工智能的网络安全防护方法、装置、电子设备
WO2021211203A1 (en) * 2020-04-16 2021-10-21 Microsoft Technology Licensing, Llc Using a multi-task-trained neural network to guide interaction with a query-processing system via useful suggestions

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10685355B2 (en) * 2016-12-04 2020-06-16 Biocatch Ltd. Method, device, and system of detecting mule accounts and accounts used for money laundering
US11961624B2 (en) * 2013-03-15 2024-04-16 James Paul Smurro Augmenting clinical intelligence with federated learning, imaging analytics and outcomes decision support
US20140324552A1 (en) * 2013-04-25 2014-10-30 International Business Machines Corporation Analysis and annotation of interactions obtained from network traffic
US20180248902A1 (en) * 2015-08-28 2018-08-30 Mircea DÃNILÃ-DUMITRESCU Malicious activity detection on a computer network and network metadata normalisation
US10699009B2 (en) * 2018-02-28 2020-06-30 Microsoft Technology Licensing, Llc Automatic malicious session detection
US11362910B2 (en) * 2018-07-17 2022-06-14 International Business Machines Corporation Distributed machine learning for anomaly detection
US10943407B1 (en) * 2019-01-25 2021-03-09 Wellovate, LLC XR health platform, system and method
US11106789B2 (en) * 2019-03-05 2021-08-31 Microsoft Technology Licensing, Llc Dynamic cybersecurity detection of sequence anomalies
CN110046297B (zh) * 2019-03-28 2023-04-07 广州视源电子科技股份有限公司 运维违规操作的识别方法、装置和存储介质
CN115398860A (zh) * 2020-06-04 2022-11-25 深圳市欢太科技有限公司 一种会话检测方法、装置、检测设备及计算机存储介质
CN112907255A (zh) * 2021-03-31 2021-06-04 腾讯科技(深圳)有限公司 一种用户分析方法和相关装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10332035B1 (en) * 2018-08-29 2019-06-25 Capital One Services, Llc Systems and methods for accelerating model training in machine learning
WO2021196911A1 (zh) * 2020-03-30 2021-10-07 腾讯科技(深圳)有限公司 基于人工智能的网络安全防护方法、装置、电子设备
WO2021211203A1 (en) * 2020-04-16 2021-10-21 Microsoft Technology Licensing, Llc Using a multi-task-trained neural network to guide interaction with a query-processing system via useful suggestions

Also Published As

Publication number Publication date
CN114300146A (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
Wang et al. Privacy-aware traffic flow prediction based on multi-party sensor data with zero trust in smart city
US10909241B2 (en) Event anomaly analysis and prediction
Chen et al. Towards graph containment search and indexing
CN108182515B (zh) 智能规则引擎规则输出方法、设备及计算机可读存储介质
CN114139210B (zh) 一种基于智慧业务的大数据安全威胁处理方法及系统
Tan et al. Toward smart security enhancement of federated learning networks
WO2019209231A2 (en) System and method for creating recommendation of splitting and merging microservice
CN113918621A (zh) 一种基于互联网金融的大数据防护处理方法及服务器
CN114300146B (zh) 一种应用于智慧医疗的用户信息安全处理方法及系统
Qian et al. Rationalism with a dose of empiricism: combining goal reasoning and case-based reasoning for self-adaptive software systems
CN113449011A (zh) 基于大数据预测的信息推送更新方法及大数据预测系统
Dai et al. What will it take to generate fairness-preserving explanations?
Kumar et al. Development of a cloud-assisted classification technique for the preservation of secure data storage in smart cities
Abid et al. Real-time data fusion for intrusion detection in industrial control systems based on cloud computing and big data techniques
Lal et al. IOT-based cyber security identification model through machine learning technique
CN114422225B (zh) 一种基于网络信息安全的云游戏大数据分析方法及系统
CN114329116B (zh) 基于人工智能的智慧园区资源匹配度分析方法及系统
Morariu et al. A systematic mapping study on edge computing and analytics
CN111475380A (zh) 一种日志分析方法和装置
CN114338814B (zh) 基于区块链的数据共享处理方法及系统
Schäfer et al. Clustering-Based Subgroup Detection for Automated Fairness Analysis
US20240098106A1 (en) Generating models for detection of anomalous patterns
Malik et al. Big Data: Risk Management & Software Testing
Di Penta et al. Knowledge-based library re-factoring for an open source project
US20240106848A1 (en) Visualization technology for finding anomalous patterns

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220615

Address after: 546500 No. 9, hehe mining zone 1, Heshan Mining Bureau, Heshan City, Laibin City, Guangxi Zhuang Autonomous Region

Applicant after: LAN Lijing

Address before: 671000 No. 83 Dajing Lane, Taihe street, Dali City, Dali Bai Autonomous Prefecture, Yunnan Province

Applicant before: Dali nannuo Internet Technology Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230303

Address after: Room B218, standard workshop auxiliary room, Jinyang Science and Technology Industrial Park, Guiyang National High-tech Industrial Development Zone, Guiyang City, Guizhou Province, 550000

Applicant after: Guizhou top medical technology management Co.,Ltd.

Address before: 546500 No. 9, hehe mining zone 1, Heshan Mining Bureau, Heshan City, Laibin City, Guangxi Zhuang Autonomous Region

Applicant before: Lan Lijing

GR01 Patent grant
GR01 Patent grant