CN114662129B - 数据分片安全评估方法、装置、存储介质及电子设备 - Google Patents
数据分片安全评估方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114662129B CN114662129B CN202210305669.6A CN202210305669A CN114662129B CN 114662129 B CN114662129 B CN 114662129B CN 202210305669 A CN202210305669 A CN 202210305669A CN 114662129 B CN114662129 B CN 114662129B
- Authority
- CN
- China
- Prior art keywords
- slicing
- data
- evaluated
- image
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 130
- 239000012634 fragment Substances 0.000 claims description 42
- 238000013507 mapping Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 27
- 238000012545 processing Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 208000009119 Giant Axonal Neuropathy Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013467 fragmentation Methods 0.000 description 4
- 238000006062 fragmentation reaction Methods 0.000 description 4
- 201000003382 giant axonal neuropathy 1 Diseases 0.000 description 4
- 230000008485 antagonism Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
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
- G06F21/60—Protecting data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种数据分片安全评估方法、装置、计算机可读存储介质及电子设备,涉及网络技术与安全技术领域。该方法包括:通过分片算法对待评估数据进行分片生成待评估数据分片;将待评估数据分片转换成待评估分片图像;将待评估分片图像输入至生成对抗网络模型生成预测分片图像;根据待评估分片图像的像素值、与预测分片图像的像素值,生成待评估数据的分片安全评估结果。本公开实施例中生成对抗网络模型生成预测分片图像与真实图像之间颜色微小波动不影响评估结果,提高了数据分片安全评估的准确性。
Description
技术领域
本公开涉及网络技术与安全技术领域,尤其涉及一种数据分片安全评估方法、装置、计算机可读存储介质及电子设备。
背景技术
大数据时代,数据加密存储对性能影响很大,明文集中存储又不安全,将明文切片分散存储能够兼顾效率和安全性,因此需要对分片后数据的安全性进行评估。
目前,可通过生成对抗网络和类别标签数据,自动生成对应标签的图像;或者将数据转化为二进制,并进行跳位读取,生成多个分片文件;但在评估过程中,生成对抗网络预测的图像与真实图像之间微小波动会影响评估结果,造成数据分片安全评估结果的准确性低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种数据分片安全评估方法、装置、计算机可读存储介质及电子设备,至少在一定程度上克服相关技术中数据分片安全评估结果准确性低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供了一种数据分片安全评估方法,包括:
通过分片算法对待评估数据进行分片生成待评估数据分片;
将所述待评估数据分片转换成待评估分片图像;
将待评估分片图像输入至生成对抗网络模型生成预测分片图像;
根据所述待评估分片图像的像素值、与所述预测分片图像的像素值,生成所述待评估数据的分片安全评估结果。
在本公开的一个实施例中,所述将所述待评估数据分片转换成待评估分片图像包括:
将所述待评估数据分片通过word2vec词向量模型生成待评估词向量;
将所述待评估词向量中相同角度的不同词向量映射到临近颜色值,生成预测待评估分片图像。
在本公开的一个实施例中,所述根据所述待评估分片图像的像素值、与所述预测分片图像的像素值,生成所述待评估数据的分片安全评估结果包括:
获取所述待评估分片图像与所述预测分片图像中各像素差值;
根据所述像素差值,确定像素安全值;
当所有像素安全值大于第一设定阈值,则判定所述待评估数据分片数据安全。
在本公开的一个实施例中,所述根据所述像素差值,确定像素安全值包括:
当所述像素差值小于第二设定阈值,则所述像素安全值为0;
当所述像素差值大于或等于第二设定阈值,则所述像素安全值为1。
在本公开的一个实施例中,还包括:根据目标样本图像及输入样本图像训练所述生成对抗网络模型。
在本公开的一个实施例中,还包括:
原始数据按顺序分片生成目标样本;
将所述目标样本通过word2vec词向量模型生成目标词向量;
将所述目标词向量中相同角度的不同词向量映射到临近颜色值,生成目标样本图像。
在本公开的一个实施例中,还包括:
原始数据按分片算法生成输入样本;
将所述输入样本通过word2vec词向量模型生成输入词向量;
将所述输入词向量中相同角度的不同词向量映射到临近颜色值,生成输入样本图像。
根据本公开的另一个方面,还提供了一种数据分片安全评估装置,包括:
评估数据分片生成模块,待评估数据通过分片算法分片,生成待评估数据分片;
评估分片图像生成模块,将所述待评估数据分片转换成待评估分片图像;
预测分片图像生成模块,待评估分片图像输入至生成对抗网络模型,生成预测分片图像;
分片安全评估确定模块,根据所述待评估分片图像的像素值、与所述预测分片图像的像素值,生成所述待评估数据的分片安全评估结果。
根据本公开的另一个方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述数据分片安全评估方法。
根据本公开的另一个方面,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数据分片安全评估方法。
本公开的实施例所提供的数据分片安全评估方法、装置、计算机可读存储介质及电子设备,将待评估数据分片转换成待评估分片图像;将待评估分片图像输入至生成对抗网络模型生成预测分片图像;根据待评估分片图像的像素值与预测分片图像的像素值生成待评估数据的分片安全评估结果,从而将分片明文文本数据的安全性评估,转化为图像通过生成对抗网络模型映射后图像之间的差异性比对,利用了文本的词向量相似度和图像颜色容忍度的关系,避免生成对抗网络模型生成的图像与真实图像之间颜色微小波动对评估的影响。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开实施例中一种数据分片安全评估方法流程图;
图2示出本公开实施例中一种将待评估数据分片转换成待评估分片图像方法流程图;
图3示出本公开实施例中一种生成待评估数据的分片安全评估方法流程图;
图4示出本公开实施例中一种生成目标样本图像方法流程图;
图5示出本公开实施例中一种生成输入样本图像方法流程图;
图6示出本公开实施例中一种数据分片安全评估装置示意图;
图7示出本公开实施例中又一种数据分片安全评估方法流程图;
图8示出本公开实施例中再一种数据分片安全评估方法流程图;
图9示出本公开实施例中一种数据分片安全评估系统示意图;和
图10示出本公开实施例中一种电子设备的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为了便于理解,下面首先对本公开涉及到的几个名词进行解释如下:
GAN(Generative Adversarial Nets,生成对抗网络)是一种深度学习模型,通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(DiscriminativeModel);判别模型需要输入变量,通过某种模型来预测;生成模型是给定某种隐含信息,来随机产生观测数据;通过生成模型和判别模型的互相博弈学习产生相当好的输出。
Cycle GAN(Cycle-Consistent Generative Adversarial Networks,循环一致性生成对抗网络)本质上是两个镜像对称的GAN,构成了一个环形网络。两个GAN共享两个生成器,并各自带一个判别器,即共有两个判别器和两个生成器。
pix2pixHD GAN是基于生成式对抗网络进行2048x1024分辨率的图像合成和处理的项目,它可以用于将语义标签贴图转换为逼真的图像,或者从人脸标签贴图合成肖像。
Word2vec,是一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络,用来训练以重新建构语言学之词文本。网络以词表现,并且需猜测相邻位置的输入词,在word2vec中词袋模型假设下,词的顺序是不重要的。训练完成之后,word2vec模型可用来映射每个词到一个向量,可用来表示词对词之间的关系,该向量为神经网络之隐藏层。
下面结合附图及实施例对本示例实施方式进行详细说明。
本公开实施例中提供了一种数据分片安全评估方法,该方法可以由任意具备计算处理能力的电子设备执行。
图1示出本公开实施例中一种数据分片安全评估方法流程图,如图1所示,本公开实施例中提供的数据分片安全评估方法包括如下步骤:
S102,通过分片算法对待评估数据进行分片生成待评估数据分片;
S104,将待评估数据分片转换成待评估分片图像。
在一个实施例中,将待评估数据分片中文本映射到词向量,再按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值,将待评估数据分片转换成待评估分片图像。
S106,将待评估分片图像输入至生成对抗网络模型生成预测分片图像。
在一个实施例中,对原始数据按顺序分片,并映射到词向量,再按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值,生成目标样本图像;对原始数据按待评估分片算法进行分片,并映射到词向量,再按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值,生成输入样本图像;根据目标样本图像及输入样本图像训练生成对抗网络模型。
需要说明的是,生成对抗网络模型包括但不限于pix2pixHD GAN模型、Cycle GAN模型。
S108,根据待评估分片图像的像素值、与预测分片图像的像素值,生成待评估数据的分片安全评估结果。
在一个实施例中,预测分片图像与真实的待评估分片图像的像素进行一一比对,如果两个像素颜色值之间的距离小于第二设定阈值的,则认为这两个像素对应的词相似度高,所以认为已预测出对应词,将该像素安全值计为第一数值;否则,认为未预测出目标值,将该像素安全值计为第二数值;第一数值与第二数值根据客户需要进行设置,本公开实施例以第一数值为0,第二数值为1为例进行说明。
在一个实施例中,如果两个像素颜色值之间的距离小于第二设定阈值的,则认为这两个像素对应的词相似度高,所以认为已预测出对应词,将该像素安全值计为0;否则,认为未预测出目标值,将该像素安全值计为1;最后将分片中所有像素安全值相加,如果所有像素安全值大于第一设定阈值,则认为待评估数据分片数据安全,否则,认为待评估数据分片数据不安全。
上述实施例中,通过待评估分片算法对待评估数据进行分片生成待评估数据分片,将待评估数据分片映射转换成待评估分片图像;训练生成对抗网络模型,将待评估分片图像输入至生成对抗网络模型生成预测分片图像,比对生成对抗网络模型生成的预测分片图像与真实待评估分片图像之间的差异,实现对数据分片安全性的评估。将分片明文文本数据的安全性评估,转化为图像通过生成对抗网络模型映射后图像之间的差异性比对,并利用了文本的词向量相似度和图像颜色容忍度的关系,避免生成对抗网络模型生成的图像与真实图像之间颜色微小波动对评估的影响。
图2示出本公开实施例中一种将待评估数据分片转换成待评估分片图像方法流程图,如图2所示,本公开实施例中提供的将待评估数据分片转换成待评估分片图像方法包括如下步骤:
S202,将待评估数据分片通过word2vec词向量模型生成待评估词向量。
需要说明的是,针对待保护的数据类型,准备语料库,训练word2vec词向量模型。
S204,将待评估词向量中相同角度的不同词向量映射到临近颜色值,生成预测待评估分片图像。
上述实施例中,将待评估数据分片转换成待评估词向量,再将明文文本词向量转换为颜色空间的图像,将相似的词向量映射到临近的颜色生成预测待评估分片图像,利用文本的词向量相似度和图像颜色容忍度的关系,提高数据分片安全评估的效率和准确性。
图3示出本公开实施例中一种生成待评估数据的分片安全评估方法流程图,如图3所示,本公开实施例中提供的生成待评估数据的分片安全评估方法包括如下步骤:
S302,获取待评估分片图像与预测分片图像中各像素差值;
S304,根据像素差值,确定像素安全值。
在一个实施例中,预测分片图像与真实的待评估分片图像的像素进行一一比对,如果两个像素颜色值之间的距离小于第二设定阈值的,则认为这两个像素对应的词相似度高,所以认为已预测出对应词,将该像素安全值计为第一数值;否则,认为未预测出目标值,将该像素安全值计为第二数值;第一数值与第二数值根据客户需要进行设置,例如当像素差值小于第二设定阈值,则像素安全值为0;当像素差值大于或等于第二设定阈值,则像素安全值为1。
S306,当所有像素安全值大于第一设定阈值,则判定待评估数据分片数据安全。
上述实施例中,将明文文本词向量转换为颜色空间的图像,将相似的词向量映射到临近的颜色,在评估安全性时将颜色值差异在第二设定阈值内的标记为相似的词向量,认为是预测出目标词,从而避免了生成对抗网络模型生成的预测数据的波动,且将信息熵大小作为数据安全性评估标准,即通过某种变换,检测变换后的数据包含原始数据的信息量的多少,用于评估数据分片中可能泄漏原始文本中信息的多少,提高数据分片安全评估的准确性。
图4示出本公开实施例中一种生成目标样本图像方法流程图,如图4所示,本公开实施例中提供的生成目标样本图像方法包括如下步骤:
S402,原始数据按顺序分片生成目标样本;
S404,将目标样本通过word2vec词向量模型生成目标词向量;
S406,将目标词向量中相同角度的不同词向量映射到临近颜色值,生成目标样本图像。
上述实施例中,将明文文本词向量转换为颜色空间的图像,将相似的词向量映射到临近的颜色,并利用了文本的词向量相似度和图像颜色容忍度的关系,避免生成对抗网络模型生成的图像与真实图像之间颜色微小波动对评估的影响。
图5示出本公开实施例中一种生成输入样本图像方法流程图,如图5所示,本公开实施例中提供的生成输入样本图像方法包括如下步骤:
S502,原始数据按分片算法生成输入样本;
S504,将输入样本通过word2vec词向量模型生成输入词向量;
S506,将输入词向量中相同角度的不同词向量映射到临近颜色值,生成输入样本图像。
上述实施例中,将明文文本词向量转换为颜色空间的图像,将相似的词向量映射到临近的颜色,并利用了文本的词向量相似度和图像颜色容忍度的关系,避免生成对抗网络模型生成的图像与真实图像之间颜色微小波动对评估的影响。
基于同一发明构思,本公开实施例中还提供了一种数据分片安全评估装置,如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图6示出本公开实施例中一种数据分片安全评估装置示意图,如图6所示,该数据分片安全评估装置6包括:评估数据分片生成模块601、评估分片图像生成模块602、预测分片图像生成模块603及分片安全评估确定模块604;
评估数据分片生成模块601的输出端连接评估分片图像生成模块602的输入端,评估分片图像生成模块602的输出端连接预测分片图像生成模块603的输入端,预测分片图像生成模块603的输出端连接分片安全评估确定模块604。
评估数据分片生成模块601,待评估数据通过分片算法分片,生成待评估数据分片;
评估分片图像生成模块602,将待评估数据分片转换成待评估分片图像;
预测分片图像生成模块603,待评估分片图像输入至生成对抗网络模型,生成预测分片图像;
分片安全评估确定模块604,根据待评估分片图像的像素值、与预测分片图像的像素值,生成待评估数据的分片安全评估结果。
上述实施例中,通过待评估分片算法对待评估数据进行分片生成待评估数据分片,将待评估数据分片映射转换成待评估分片图像;训练生成对抗网络模型,将待评估分片图像输入至生成对抗网络模型生成预测分片图像,比对生成对抗网络模型生成的预测分片图像与真实待评估分片图像之间的差异,实现对数据分片安全性的评估。将分片明文文本数据的安全性评估,转化为图像通过生成对抗网络模型映射后图像之间的差异性比对,并利用了文本的词向量相似度和图像颜色容忍度的关系,避免生成对抗网络模型生成的图像与真实图像之间颜色微小波动对评估的影响;无需建立复杂的数学算法和特征工程,利用生成对抗网络实现了文本数据的信息熵大小的自动检测,用于评估数据分片中可能泄漏原始文本中信息的多少,提高数据分片安全评估的效率和准确性。
图7示出本公开实施例中又一种数据分片安全评估方法流程图,如图7所示,本公开实施例中提供的数据分片安全评估方法可以通过如下步骤来实现:
S702,采集一批原始数据,按顺序分片作为目标样本,按分片算法分片作为输入样本;
S704,通过word2vec词向量模型及图像转换模块,将目标样本转换为目标样本图像,将输入样本转换成输入样本图像。
在一个实施例中,利用word2vec训练一个词向量模型,将分片中文本映射到词向量,再通过图像转换模块将词向量空间映射到RGB颜色空间,方法是按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值。
S706,对于输入样本图像和目标样本图像,利用Cycle GAN生成对抗网络建立输入样本图像和目标样本图像的关联模型,即CycleGAN模型;
S708,对于一个新的待评估数据分片,按同样方法转换为待评估分片图像,导入Cycle GAN模型,生成预测分片图像。
需要说明的是,Cycle GAN模型本质上是两个镜像对称的GAN,构成了一个环形网络。两个GAN共享两个生成器,并各自带一个判别器,即共有两个判别器和两个生成器;Cycle GAN模型不需要成对的数据,只需要输入数据的一个集合(比如一堆马的照片)和输出数据的一个集合(比如一堆斑马的照片)就可以了。
在一个实施例中,待评估数据分片通过word2vec词向量模型,将分片中文本映射到词向量,再通过图像转换模块将词向量空间映射到RGB颜色空间,方法是按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值,转换为待评估分片图像。
S710,预测分片图像与真实的待评估分片图像的像素进行一一比对,根据两个像素颜色值之间的距离,判断待评估数据分片数据是否安全。
在一个实施例中,预测分片图像与真实的待评估分片图像的像素进行一一比对,如果两个像素颜色值之间的距离小于第二设定阈值的,则认为这两个像素对应的词相似度高,所以认为已预测出对应词,将该像素安全值计为0;否则,认为未预测出目标值,将该像素安全值计为1;最后将分片中所有像素安全值相加,如果所有像素安全值大于第一设定阈值,则认为待评估数据分片数据安全,否则,认为待评估数据分片数据不安全。
上述实施例中,利用Cycle GAN模型来评估数据分片信息熵大小的方法,即通过某种变换,检测变换后的数据包含原始数据的信息量的多少,并将信息熵大小作为数据分片安全性评估标准;无需建立复杂的数学算法和特征工程,利用Cycle GAN模型实现了文本数据的信息熵大小的自动检测,用于评估数据分片中可能泄漏原始文本中信息的多少,且将明文文本词向量转换为颜色空间的图像,将相似的词向量映射到临近的颜色,在评估安全性时根据颜色值差异确定是否是相似的词向量,从而避免了Cycle GAN模型生成的预测数据的波动。
图8示出本公开实施例中再一种数据分片安全评估方法流程图,如图8所示,本公开实施例中提供的数据分片安全评估方法可以通过如下步骤来实现:
S802,对原始数据进行分片,生成目标样本及输入样本。
在一个实施例中,采集训练原始数据,按顺序分片,作为目标样本;采集训练原始数据,按待评估的分片算法进行分片,作为输入样本。
S804,训练word2vec词向量模型,将输入样本进行词向量计算转化为输入词向量样本,将目标样本进行词向量计算转化为目标词向量样本。
在一个实施例中,针对待保护的数据类型,准备语料库,训练word2vec词向量模型;将目标样本输入至word2vec词向量模型转化为目标词向量样本;将输入样本输入至word2vec词向量模型转化为输入词向量样本。
S806,将输入词向量样本转换成输入样本图像;将目标词向量样本转换成目标样本图像。
在一个实施例中,将语料库的词向量样本映射到RGB颜色空间,方法是按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值,将输入词向量样本转换成输入样本图像;将目标词向量样本转换成目标样本图像。
S808,将输入样本图像及目标样本图像分别作为输入和输出,训练pix2pixHD GAN模型。
需要说明的是,pix2pixHD GAN是基于生成式对抗网络进行2048x1024分辨率的图像合成和处理的项目,它可以用于将语义标签贴图转换为逼真的图像,或者从人脸标签贴图合成肖像;pix2pixHD GAN模型必须使用成对的数据进行训练。
S810,对于一个新的待评估数据分片,按同样方法转换为待评估分片图像,导入pix2pixHD GAN模型,生成预测分片图像,并比对预测分片图像与待评估分片图像。
在一个实施例中,待评估数据分片通过word2vec词向量模型,将分片中文本映射到词向量,再通过图像转换模块将词向量空间映射到RGB颜色空间,方法是按每个词向量的余弦角度顺序映射,相同角度的不同词向量映射到临近颜色值,转换为待评估分片图像,输入pix2pixHD GAN模型,得到预测分片图像,与真实的待评估分片图像比对。
S812,预测分片图像与待评估分片图像的像素颜色值之间的距离,判断待评估数据分片数据是否安全。
在一个实施例中,如果两个像素颜色值之间的距离小于第二设定阈值的,则认为这两个像素对应的词相似度高,所以认为已预测出对应词,将该像素安全值计为0;否则,认为未预测出目标值,将该像素安全值计为1;最后将分片中所有像素安全值相加,如果所有像素安全值大于第一设定阈值,则认为待评估数据分片数据安全,否则,认为待评估数据分片数据不安全。
上述实施例中,利用pix2pixHD GAN模型来评估数据分片信息熵大小的方法,即通过某种变换,检测变换后的数据包含原始数据的信息量的多少,并将信息熵大小作为数据安全性评估标准,无需建立复杂的数学算法和特征工程,利用pix2pixHD GAN模型实现了文本数据的信息熵大小的自动检测,用于评估数据分片中可能泄漏原始文本中信息的多少;将分片明文文本数据的安全性评估,转化为图像通过pix2pixHD GAN模型映射后图像之间的差异性比对,并利用了文本的词向量相似度和图像颜色容忍度的关系,避免生成对抗网络模型生成的图像与真实图像之间颜色微小波动对评估的影响。
图9示出本公开实施例中一种数据分片安全评估系统示意图,如图9所示,数据分片安全评估系统9包括:数据分片模块901、词向量生成模块902、图像转换模块903、GAN模型训练模块904及安全评估模块905;数据分片模块901的输出端连接词向量生成模块902的输入端,词向量生成模块902的输出端连接图像转换模块903的输入端;图像转换模块903的输出端连接GAN模型训练模块904的输入端;安全评估模块905的输入端均与数据分片模块901、词向量生成模块902、图像转换模块903及GAN模型训练模块904连接。
数据分片模块901:按顺序分片和按分片算法对原始数据进行分片;
词向量生成模块902:针对要保护数据的语料库,训练word2vec词向量模型,将分片数据转换为词向量;
图像转换模块903:将词向量按余弦夹角转换为RGB颜色空间的颜色值,将词向量转换为图像;
GAN模型训练模块904:利用分片算法生成的图像和顺序分片图像作为输入和输出,训练pix2pixHD GAN模型;
安全评估模块905:对新的数据分片,调用词向量生成模块902和图像转换模块903,生成输入图像,调用pix2pixHD GAN模型,生成目标图像,比对图像计算像素安全值。
上述实施例中,将分片明文文本数据的安全性评估,转化为图像通过pix2pixHDGAN模型映射后图像之间的差异性比对,并利用了文本的词向量相似度和图像颜色容忍度的关系,避免pix2pixHD GAN模型生成的图像与真实图像之间颜色微小波动对评估的影响;无需建立复杂的数学算法和特征工程,利用pix2pixHD GAN模型实现了文本数据的信息熵大小的自动检测,用于评估数据分片中可能泄漏原始文本中信息的多少,提高数据分片安全评估的效率和准确性。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
例如,所述处理单元1010可以执行上述方法实施例的如下步骤:
通过分片算法对待评估数据进行分片生成待评估数据分片;将待评估数据分片转换成待评估分片图像;将待评估分片图像输入至生成对抗网络模型生成预测分片图像;根据待评估分片图像的像素值、与预测分片图像的像素值,生成待评估数据的分片安全评估结果。
所述处理单元1010可以执行上述方法实施例的如下步骤:
采集一批原始数据,按顺序分片作为目标样本,按分片算法分片作为输入样本;通过word2vec词向量模型及图像转换模块,将目标样本转换为目标样本图像,将输入样本转换成输入样本图像;对于输入样本图像和目标样本图像,利用Cycle GAN生成对抗网络建立输入样本图像和目标样本图像的关联模型,即CycleGAN模型;对于一个新的待评估数据分片,按同样方法转换为待评估分片图像,导入Cycle GAN模型,生成预测分片图像;预测分片图像与真实的待评估分片图像的像素进行一一比对,根据两个像素颜色值之间的距离,判断待评估数据分片数据是否安全。
所述处理单元1010可以执行上述方法实施例的如下步骤:
对原始数据进行分片,生成目标样本及输入样本;训练word2vec词向量模型,将输入样本进行词向量计算转化为输入词向量样本,将目标样本进行词向量计算转化为目标词向量样本;将输入词向量样本转换成输入样本图像;将目标词向量样本转换成目标样本图像;将输入样本图像及目标样本图像分别作为输入和输出,训练pix2pixHD GAN模型;对于一个新的待评估数据分片,按同样方法转换为待评估分片图像,导入pix2pixHD GAN模型,生成预测分片图像,并比对预测分片图像与待评估分片图像;预测分片图像与待评估分片图像的像素颜色值之间的距离,判断待评估数据分片数据是否安全。
所述处理单元1010可以执行上述方法实施例的如下步骤:
将待评估数据分片通过word2vec词向量模型生成待评估词向量;将待评估词向量中相同角度的不同词向量映射到临近颜色值,生成预测待评估分片图像。
所述处理单元1010可以执行上述方法实施例的如下步骤:
获取待评估分片图像与预测分片图像中各像素差值;根据像素差值,确定像素安全值;当所有像素安全值大于第一设定阈值,则判定待评估数据分片数据安全。
所述处理单元1010可以执行上述方法实施例的如下步骤:
原始数据按顺序分片生成目标样本;将目标样本通过word2vec词向量模型生成目标词向量;将目标词向量中相同角度的不同词向量映射到临近颜色值,生成目标样本图像。
存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202,还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204,这样的程序模块10205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1040(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。
并且,电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1000使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
本公开中的计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可选地,计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
在具体实施时,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种数据分片安全评估方法,其特征在于,包括:
通过分片算法对待评估数据进行分片生成待评估数据分片;
将所述待评估数据分片转换成待评估分片图像;
将待评估分片图像输入至生成对抗网络模型生成预测分片图像;
根据所述待评估分片图像的像素值、与所述预测分片图像的像素值,生成所述待评估数据的分片安全评估结果。
2.根据权利要求1所述的数据分片安全评估方法,其特征在于,所述将所述待评估数据分片转换成待评估分片图像包括:
将所述待评估数据分片通过word2vec词向量模型生成待评估词向量;
将所述待评估词向量中相同角度的不同词向量映射到临近颜色值,生成预测待评估分片图像。
3.根据权利要求1所述的数据分片安全评估方法,其特征在于,所述根据所述待评估分片图像的像素值、与所述预测分片图像的像素值,生成所述待评估数据的分片安全评估结果包括:
获取所述待评估分片图像与所述预测分片图像中各像素差值;
根据所述像素差值,确定像素安全值;
当所有像素安全值大于第一设定阈值,则判定所述待评估数据分片数据安全。
4.根据权利要求3所述的数据分片安全评估方法,其特征在于,所述根据所述像素差值,确定像素安全值包括:
当所述像素差值小于第二设定阈值,则所述像素安全值为0;
当所述像素差值大于或等于第二设定阈值,则所述像素安全值为1。
5.根据权利要求1所述的数据分片安全评估方法,其特征在于,还包括:根据目标样本图像及输入样本图像训练所述生成对抗网络模型。
6.根据权利要求5所述的数据分片安全评估方法,其特征在于,还包括:
原始数据按顺序分片生成目标样本;
将所述目标样本通过word2vec词向量模型生成目标词向量;
将所述目标词向量中相同角度的不同词向量映射到临近颜色值,生成目标样本图像。
7.根据权利要求5所述的数据分片安全评估方法,其特征在于,还包括:
原始数据按分片算法生成输入样本;
将所述输入样本通过word2vec词向量模型生成输入词向量;
将所述输入词向量中相同角度的不同词向量映射到临近颜色值,生成输入样本图像。
8.一种数据分片安全评估装置,其特征在于,包括:
评估数据分片生成模块,待评估数据通过分片算法分片,生成待评估数据分片;
评估分片图像生成模块,将所述待评估数据分片转换成待评估分片图像;
预测分片图像生成模块,待评估分片图像输入至生成对抗网络模型,生成预测分片图像;
分片安全评估确定模块,根据所述待评估分片图像的像素值、与所述预测分片图像的像素值,生成所述待评估数据的分片安全评估结果。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7中任意一项所述数据分片安全评估方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7中任意一项所述的数据分片安全评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210305669.6A CN114662129B (zh) | 2022-03-25 | 2022-03-25 | 数据分片安全评估方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210305669.6A CN114662129B (zh) | 2022-03-25 | 2022-03-25 | 数据分片安全评估方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662129A CN114662129A (zh) | 2022-06-24 |
CN114662129B true CN114662129B (zh) | 2023-11-14 |
Family
ID=82032328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210305669.6A Active CN114662129B (zh) | 2022-03-25 | 2022-03-25 | 数据分片安全评估方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662129B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179172A (zh) * | 2019-12-24 | 2020-05-19 | 浙江大学 | 基于无人机航拍数据的遥感卫星超分辨率实现方法、装置、电子设备及存储介质 |
WO2021098270A1 (zh) * | 2019-11-22 | 2021-05-27 | 支付宝(杭州)信息技术有限公司 | 基于对抗样本的隐私信息保护方法、装置及电子设备 |
CN113160085A (zh) * | 2021-04-22 | 2021-07-23 | 上海大学 | 一种基于生成对抗网络的水花遮挡图像数据集采集方法 |
WO2021242956A1 (en) * | 2020-05-27 | 2021-12-02 | Rutgers, The State University Of New Jersey | Distributed generative adversarial networks suitable for privacy-restricted data |
CN113886001A (zh) * | 2020-07-02 | 2022-01-04 | 瞻博网络公司 | 用于关于网络的预测的机器学习流水线 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210406673A1 (en) * | 2020-06-26 | 2021-12-30 | Nvidia Corporation | Interface translation using one or more neural networks |
-
2022
- 2022-03-25 CN CN202210305669.6A patent/CN114662129B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021098270A1 (zh) * | 2019-11-22 | 2021-05-27 | 支付宝(杭州)信息技术有限公司 | 基于对抗样本的隐私信息保护方法、装置及电子设备 |
CN111179172A (zh) * | 2019-12-24 | 2020-05-19 | 浙江大学 | 基于无人机航拍数据的遥感卫星超分辨率实现方法、装置、电子设备及存储介质 |
WO2021242956A1 (en) * | 2020-05-27 | 2021-12-02 | Rutgers, The State University Of New Jersey | Distributed generative adversarial networks suitable for privacy-restricted data |
CN113886001A (zh) * | 2020-07-02 | 2022-01-04 | 瞻博网络公司 | 用于关于网络的预测的机器学习流水线 |
CN113160085A (zh) * | 2021-04-22 | 2021-07-23 | 上海大学 | 一种基于生成对抗网络的水花遮挡图像数据集采集方法 |
Non-Patent Citations (1)
Title |
---|
基于多网闸的安全数据交换系统设计与实现;连礼泉 等;电脑知识与技术;第14卷(第16期);第34-36页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114662129A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898696B (zh) | 伪标签及标签预测模型的生成方法、装置、介质及设备 | |
CN110234018B (zh) | 多媒体内容描述生成方法、训练方法、装置、设备及介质 | |
KR20220122566A (ko) | 텍스트 인식 모델의 트레이닝 방법, 텍스트 인식 방법 및 장치 | |
WO2019200810A1 (zh) | 用户数据真实性分析方法及装置、存储介质、电子设备 | |
CN110738323B (zh) | 基于数据共享建立机器学习模型的方法和装置 | |
CN114820871B (zh) | 字体生成方法、模型的训练方法、装置、设备和介质 | |
CN111915086A (zh) | 异常用户预测方法和设备 | |
CN110704597B (zh) | 对话系统可靠性校验方法、模型生成方法及装置 | |
CN109145164A (zh) | 数据处理方法、装置、设备和介质 | |
CN113254716A (zh) | 视频片段检索方法、装置、电子设备和可读存储介质 | |
CN112819848B (zh) | 抠图方法、抠图装置和电子设备 | |
CN113420295A (zh) | 恶意软件的检测方法及装置 | |
CN117312535A (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
CN114662129B (zh) | 数据分片安全评估方法、装置、存储介质及电子设备 | |
CN117176417A (zh) | 网络流量异常确定方法、装置、电子设备和可读存储介质 | |
CN111753996A (zh) | 一种方案确定模型的优化方法、装置、设备及存储介质 | |
CN115268799B (zh) | 一种基于云服务的存储方法和装置 | |
CN114937277B (zh) | 基于图像的文本获取方法、装置、电子设备及存储介质 | |
CN116451700A (zh) | 目标语句生成方法、装置、设备及存储介质 | |
CN115328753A (zh) | 一种故障预测方法及装置、电子设备、存储介质 | |
CN115205089A (zh) | 图像加密方法、网络模型的训练方法、装置及电子设备 | |
CN114741697A (zh) | 恶意代码分类方法、装置、电子设备和介质 | |
CN111435452B (zh) | 模型训练方法、装置、设备和介质 | |
CN112149140A (zh) | 预测方法、装置、设备及存储介质 | |
CN115238805B (zh) | 异常数据识别模型的训练方法及相关设备 |
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 |