CN115391810A - 一种基于大数据的数据分级加密方法及ai系统 - Google Patents

一种基于大数据的数据分级加密方法及ai系统 Download PDF

Info

Publication number
CN115391810A
CN115391810A CN202211165240.8A CN202211165240A CN115391810A CN 115391810 A CN115391810 A CN 115391810A CN 202211165240 A CN202211165240 A CN 202211165240A CN 115391810 A CN115391810 A CN 115391810A
Authority
CN
China
Prior art keywords
data
cleaning
encrypted
interaction data
service interaction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211165240.8A
Other languages
English (en)
Other versions
CN115391810B (zh
Inventor
高印
孙小梅
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.)
Chengdu Zuolinian Zhicheng Technology Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202211165240.8A priority Critical patent/CN115391810B/zh
Publication of CN115391810A publication Critical patent/CN115391810A/zh
Application granted granted Critical
Publication of CN115391810B publication Critical patent/CN115391810B/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
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供的一种基于大数据的数据分级加密方法及AI系统，获得针对第一对象收集的业务互动数据；对所述业务互动数据进行识别处理；利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据；结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理，从而能够提高数据加密的准确性，因此，能够有效的保障数据的安全性和可靠性。

Description

一种基于大数据的数据分级加密方法及AI系统
技术领域
本申请涉及数据加密技术领域，具体而言，涉及一种基于大数据的数据分级加密方法及AI系统。
背景技术
随着物联网与人工智能大数据的发展，在大数据时代，数据信息安全已经成为时下人们最为关注的问题。数据加密仍是计算机AI系统对信息进行保护的一种最可靠的办法。它利用密码技术对信息进行加密，实现信息隐蔽，从而起到保护信息的安全的作用。
在实际操作过程中，在对数据加密的过程中，可能存在数据安全等级不同，而导致数据加密不到位或者数据加密错误的问题，因此难以保障数据的安全性和可靠性。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种基于大数据的数据分级加密方法及AI系统。
第一方面，提供一种基于大数据的数据分级加密方法，该方法至少包括：获得针对第一对象收集的业务互动数据；对所述业务互动数据进行识别处理；利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；其中，所述若干个数据清洗线程中不同数据清洗线程的数据清洗块的清洗区域不同；将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据；结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，所述第二对象与所述第一对象的数据安全等级不同；所述第二待加密数据是通过对指定的样本数据进行清洗处理所得；在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理。
在一种独立实施的实施例中，所述结合所述第一待加密数据和第二待加密数据的相似度，确定识别所述业务互动数据中是否携带有第二对象之前，还包括：通过所述若干个数据清洗线程，逐一对指定的样本数据进行清洗处理，得到若干个第二清洗结果；将所述若干个第二清洗结果进行加权处理，得到所述样本数据对应的第二待加密数据。
在一种独立实施的实施例中，所述对所述业务互动数据进行识别处理，包括：利用指定的异常许可变量，以及所述第一对象的业务互动数据的平均安全向量，对所述业务互动数据中各事件进行异常许可处理。
在一种独立实施的实施例中，所述利用指定的异常许可变量，以及所述第一对象的业务互动数据的平均安全向量，对所述业务互动数据中各事件点进行异常许可处理，包括：针对所述第一对象的业务互动数据的各个事件：通过所述第一对象的业务互动数据的平均安全向量和该事件的特征向量的比较结果，确定第一变量；通过所述异常许可变量对所述第一变量进行处理，得到第二变量；结合所述各个事件的第二变量，得到进行异常许可处理后的数据。
在一种独立实施的实施例中，结合所述各个事件的第二变量，得到进行异常许可处理后的数据，包括：针对所述各个事件：将该事件的第二变量和指定向量的融合结果，确定为该事件的第三变量；将所述指定向量和所述第三变量的比较结果，确定为该事件衍生后的特征向量；结合所述各个事件衍生后的特征向量，得到进行异常许可处理后的数据。
在一种独立实施的实施例中，进行所述异常许可处理之前，该方法还包括利用如下方式对所述第一对象的业务互动数据进行去极化向量清洗：针对所述第一对象的业务互动数据中的各个事件：通过指定的数据清洗块确定该事件对应的数据集合，该数据集合中包括若干个事件，将所述若干个事件的特征向量的去极化向量视为该事件的特征向量。
在一种独立实施的实施例中，所述识别处理还包括：在进行所述异常许可处理之后，将所述异常许可处理后的数据进行优化。
在一种独立实施的实施例中，将所述异常许可处理后的数据进行优化，具体包括：对所述异常许可处理后的数据进行无量纲简化处理：对所述无量纲简化处理后的数据进行优化；对优化后的数据进行挖掘处理。
在一种独立实施的实施例中，在所述识别处理之后，所述清洗处理之前，所述方法还包括：对所述优化后的数据进行数据反馈操作。
在一种独立实施的实施例中，结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象之后，所述方法还包括：响应于所述业务互动数据中涵盖所述第二对象，对所述业务互动数据中所述第二对象的数据向量区间进行区间放大处理
第二方面，提供一种基于大数据的数据分级加密AI系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述所述的方法。
本申请实施例所提供的一种基于大数据的数据分级加密方法及AI系统，获得针对第一对象收集的业务互动数据；对所述业务互动数据进行识别处理；利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；其中，所述若干个数据清洗线程中不同数据清洗线程的数据清洗块的清洗区域不同；将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据；结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，所述第二对象与所述第一对象的数据安全等级不同；所述第二待加密数据是通过对指定的样本数据进行清洗处理所得；在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理，从而能够提高数据加密的准确性，因此，能够有效的保障数据的安全性和可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于大数据的数据分级加密方法的流程图。
图2为本申请实施例所提供的一种基于大数据的数据分级加密装置的框图。
图3为本申请实施例所提供的一种基于大数据的数据分级加密AI系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于大数据的数据分级加密方法，该方法可以包括以下步骤S101-S105所描述的技术方案。
S101、获得针对第一对象收集的业务互动数据。
其中，所述第一对象，可以是任何数据采集端。
S102、对所述业务互动数据进行识别处理。
S103、利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；其中，所述若干个数据清洗线程中不同数据清洗线程的数据清洗块的清洗区域不同。
S104、将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据。
S105、结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，所述第二对象与所述第一对象的数据安全等级不同；所述第二待加密数据是通过对指定的样本数据进行清洗处理所得；在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理。
通过步骤S102中的识别处理可以过滤掉业务互动数据中绝大部分不重要的内容，这样一来，可以降低数据加密的工作量。
对于一些可能实施的实施例而言，所述结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象之前，还包括：通过所述若干个数据清洗线程，逐一对指定的样本数据进行清洗处理，得到若干个第二清洗结果；将所述若干个第二清洗结果进行加权处理，得到所述样本数据对应的第二待加密数据。
对于一些可能实施的实施例而言，所述对所述业务互动数据进行识别处理，包括：利用指定的异常许可变量，以及所述第一对象的业务互动数据的平均安全向量，对所述业务互动数据中各事件进行异常许可处理。
对于一些可能实施的实施例而言，利用指定的异常许可变量，以及所述第一对象的业务互动数据的平均安全向量，对所述业务互动数据中各事件点进行异常许可处理，包括：针对所述第一对象的业务互动数据的各个事件：通过所述第一对象的业务互动数据的平均安全向量m和该事件的特征向量的比较结果，确定第一变量，即；通过所述异常许可变量E对所述第一变量进行处理，得到第二变量，即；结合所述各个事件的第二变量，得到进行异常许可处理后的数据。
对于一些可能实施的实施例而言，结合所述各个事件的第二变量，得到进行异常许可处理后的数据，包括：针对所述各个事件：将该事件的第二变量和指定向量的融合结果，确定为该事件的第三变量，即；将所述指定向量和所述第三变量的比较结果，确定为该事件衍生后的特征向量，即；结合所述各个事件衍生后的特征向量，得到进行异常许可处理后的数据。
业务互动数据中通常会存在大量的非重要数据，需要对业务互动数据进行筛选处理，因此对于一些可能实施的实施例而言，进行所述异常许可处理之前，该方法还包括利用如下步骤对所述第一对象的业务互动数据进行去极化向量清洗：针对所述第一对象的业务互动数据中的各个事件：通过指定的数据清洗块确定该事件对应的数据集合，该数据集合中包括若干个事件，对所述若干个事件的特征向量的去极化向量视为该事件的特征向量。
对于一些可能实施的实施例而言，所述识别处理还包括：在进行所述异常许可处理之后，将所述异常许可处理后的数据进行优化。
对于一些可能实施的实施例而言，将所述异常许可处理后的数据进行优化，具体包括：对所述异常许可处理后的数据进行无量纲简化处理。
对于一些可能实施的实施例而言，在所述识别处理之后，所述清洗处理之前，为了使得第二对象的数据向量区间为全局数据中的最重要的数据，需要对所述优化后的数据进行数据反馈操作，因此所述方法还包括：对所述优化后的数据进行数据反馈操作，从而使得第二对象的数据向量区间为全局数据中的最重要的数据，便于更加精确地识别第二对象。
在上述基础上，请结合参阅图2，提供了一种基于大数据的数据分级加密装置200，应用于基于大数据的数据分级加密AI系统，所述装置包括：
结果清洗模块210，用于获得针对第一对象收集的业务互动数据；对所述业务互动数据进行识别处理；利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；其中，所述若干个数据清洗线程中不同数据清洗线程的数据清洗块的清洗区域不同；
数据处理模块220，用于将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据；
数据加密模块230，用于结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，所述第二对象与所述第一对象的数据安全等级不同；所述第二待加密数据是通过对指定的样本数据进行清洗处理所得；在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理。
在上述基础上，请结合参阅图3，示出了一种基于大数据的数据分级加密AI系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，获得针对第一对象收集的业务互动数据；对所述业务互动数据进行识别处理；利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；其中，所述若干个数据清洗线程中不同数据清洗线程的数据清洗块的清洗区域不同；将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据；结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，所述第二对象与所述第一对象的数据安全等级不同；所述第二待加密数据是通过对指定的样本数据进行清洗处理所得；在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理，从而能够提高数据加密的准确性，因此，能够有效的保障数据的安全性和可靠性。
应当理解，上述所示的AI系统及其模块可以利用各种方式来实现。例如，在一些实施例中，AI系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行AI系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和AI系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的AI系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“AI系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行AI系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的AI系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的AI系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (10)

1.一种基于大数据的数据分级加密方法，其特征在于，该方法至少包括：
获得针对所述第一对象收集的业务互动数据；对所述业务互动数据进行识别处理；利用若干个数据清洗线程，对进行识别处理后的业务互动数据进行清洗处理，得到若干个第一清洗结果；其中，所述若干个数据清洗线程中不同数据清洗线程的数据清洗块的清洗区域不同；
将所述若干个第一清洗结果进行加权处理，得到与所述业务互动数据向量相同的第一待加密数据；
结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象，所述第二对象与所述第一对象的数据安全等级不同；所述第二待加密数据是通过对指定的样本数据进行清洗处理所得；在确定所述业务互动数据中携带有所述第二对象时，对所述业务互动数据进行加密处理。
2.根据权利要求1所述的方法，其特征在于，所述结合所述第一待加密数据和第二待加密数据的相似度，确定识别所述业务互动数据中是否携带有第二对象之前，还包括：通过所述若干个数据清洗线程，逐一对指定的样本数据进行清洗处理，得到若干个第二清洗结果；将所述若干个第二清洗结果进行加权处理，得到所述样本数据对应的第二待加密数据。
3.根据权利要求1所述的方法，其特征在于，所述对所述业务互动数据进行识别处理，包括：利用指定的异常许可变量，以及所述第一对象的业务互动数据的平均安全向量，对所述业务互动数据中各事件进行异常许可处理。
4.根据权利要求3所述的方法，其特征在于，所述利用指定的异常许可变量，以及所述第一对象的业务互动数据的平均安全向量，对所述业务互动数据中各事件点进行异常许可处理，包括：
针对所述第一对象的业务互动数据的各个事件：通过所述第一对象的业务互动数据的平均安全向量和该事件的特征向量的比较结果，确定第一变量；通过所述异常许可变量对所述第一变量进行处理，得到第二变量；结合所述各个事件的第二变量，得到进行异常许可处理后的数据。
5.根据权利要求4所述的方法，其特征在于，结合所述各个事件的第二变量，得到进行异常许可处理后的数据，包括：针对所述各个事件：将该事件的第二变量和指定向量的融合结果，确定为该事件的第三变量；将所述指定向量和所述第三变量的比较结果，确定为该事件衍生后的特征向量；结合所述各个事件衍生后的特征向量，得到进行异常许可处理后的数据。
6.根据权利要求3所述的方法，其特征在于，进行所述异常许可处理之前，该方法还包括利用如下方式对所述第一对象的业务互动数据进行去极化向量清洗：针对所述第一对象的业务互动数据中的各个事件：通过指定的数据清洗块确定该事件对应的数据集合，该数据集合中包括若干个事件，将所述若干个事件的特征向量的去极化向量视为该事件的特征向量。
7.根据权利要求3所述的方法，其特征在于，所述识别处理还包括：在进行所述异常许可处理之后，将所述异常许可处理后的数据进行优化。
8.根据权利要求7所述的方法，其特征在于，将所述异常许可处理后的数据进行优化，具体包括：对所述异常许可处理后的数据进行无量纲简化处理：对所述无量纲简化处理后的数据进行优化；对优化后的数据进行挖掘处理；
其中，在所述识别处理之后，所述清洗处理之前，所述方法还包括：对所述优化后的数据进行数据反馈操作。
9.根据权利要求1所述的方法，其特征在于，结合所述第一待加密数据和第二待加密数据的相似度，确定所述业务互动数据中是否携带有第二对象之后，所述方法还包括：响应于所述业务互动数据中涵盖所述第二对象，对所述业务互动数据中所述第二对象的数据向量区间进行区间放大处理。
10.一种基于大数据的数据分级加密AI系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的AI系统。
CN202211165240.8A 2022-09-23 2022-09-23 一种基于大数据的数据分级加密方法及ai系统 Active CN115391810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211165240.8A CN115391810B (zh) 2022-09-23 2022-09-23 一种基于大数据的数据分级加密方法及ai系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211165240.8A CN115391810B (zh) 2022-09-23 2022-09-23 一种基于大数据的数据分级加密方法及ai系统

Publications (2)

Publication Number Publication Date
CN115391810A true CN115391810A (zh) 2022-11-25
CN115391810B CN115391810B (zh) 2023-06-30

Family

ID=84128782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211165240.8A Active CN115391810B (zh) 2022-09-23 2022-09-23 一种基于大数据的数据分级加密方法及ai系统

Country Status (1)

Country Link
CN (1) CN115391810B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115858418A (zh) * 2023-02-09 2023-03-28 成都有为财商教育科技有限公司 一种数据缓存的方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282715A1 (en) * 2010-05-12 2011-11-17 International Business Machines Corporation Business activity monitoring anomaly detection
CN106302428A (zh) * 2016-08-09 2017-01-04 杭州华三通信技术有限公司 一种加密级别的自动部署方法和装置
CN107346511A (zh) * 2017-07-04 2017-11-14 贵州数据宝网络科技有限公司 一种大数据安全交易方法
US20170364794A1 (en) * 2016-06-20 2017-12-21 Telefonaktiebolaget Lm Ericsson (Publ) Method for classifying the payload of encrypted traffic flows
CN111581209A (zh) * 2020-04-27 2020-08-25 佛山科学技术学院 一种计算机大数据存储系统、方法及存储介质
CN112738080A (zh) * 2020-12-28 2021-04-30 中科恒运股份有限公司 行政数据传输加密方法及终端设备
CN112860675A (zh) * 2021-02-06 2021-05-28 高云 在线云服务环境下的大数据处理方法及云计算服务器
CN113886468A (zh) * 2021-10-26 2022-01-04 大白熊大数据科技(常熟)有限公司 基于互联网的在线互动数据挖掘方法及系统
US20220083531A1 (en) * 2020-09-15 2022-03-17 International Business Machines Corporation Abnormal event analysis
CN114883005A (zh) * 2022-05-25 2022-08-09 杭州锘崴信息科技有限公司 一种数据分类分级方法、装置、电子设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282715A1 (en) * 2010-05-12 2011-11-17 International Business Machines Corporation Business activity monitoring anomaly detection
US20170364794A1 (en) * 2016-06-20 2017-12-21 Telefonaktiebolaget Lm Ericsson (Publ) Method for classifying the payload of encrypted traffic flows
CN106302428A (zh) * 2016-08-09 2017-01-04 杭州华三通信技术有限公司 一种加密级别的自动部署方法和装置
CN107346511A (zh) * 2017-07-04 2017-11-14 贵州数据宝网络科技有限公司 一种大数据安全交易方法
CN111581209A (zh) * 2020-04-27 2020-08-25 佛山科学技术学院 一种计算机大数据存储系统、方法及存储介质
US20220083531A1 (en) * 2020-09-15 2022-03-17 International Business Machines Corporation Abnormal event analysis
CN112738080A (zh) * 2020-12-28 2021-04-30 中科恒运股份有限公司 行政数据传输加密方法及终端设备
CN112860675A (zh) * 2021-02-06 2021-05-28 高云 在线云服务环境下的大数据处理方法及云计算服务器
CN113886468A (zh) * 2021-10-26 2022-01-04 大白熊大数据科技(常熟)有限公司 基于互联网的在线互动数据挖掘方法及系统
CN114883005A (zh) * 2022-05-25 2022-08-09 杭州锘崴信息科技有限公司 一种数据分类分级方法、装置、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XUEJIAO CHEN等: "A Hierarchical Approach to Encrypted Data Packet Classification in Smart Home Gateways" *
沈志宏等: "探析大数据技术的发展及其在安防领域的作用" *
王雅峰;: "计算机网络信息安全中的数据加密技术研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115858418A (zh) * 2023-02-09 2023-03-28 成都有为财商教育科技有限公司 一种数据缓存的方法及系统

Also Published As

Publication number Publication date
CN115391810B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN113886468A (zh) 基于互联网的在线互动数据挖掘方法及系统
CN115391810A (zh) 一种基于大数据的数据分级加密方法及ai系统
CN113903473A (zh) 基于人工智能的医疗信息智能交互的方法及系统
CN115641176A (zh) 一种数据分析方法及ai系统
CN115757370A (zh) 基于物联网的用户信息通信方法及系统
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
CN115481197A (zh) 一种分布式数据处理方法、系统及云平台
CN115373688A (zh) 一种软件开发线程的优化方法、系统及云平台
CN113947709A (zh) 基于人工智能的图像处理方法及系统
CN114417076A (zh) 基于人工智能的生产线智能预警方法及系统
CN115514564B (zh) 基于数据共享的数据安全处理方法及系统
CN114168999A (zh) 基于数据中心的综合安保方法及系统
CN115357925B (zh) 一种加密处理方法、系统及云平台
CN115371848A (zh) 一种热能信息监控方法及系统
CN115374368A (zh) 基于互联网的网签数据处理方法及系统
CN115357924A (zh) 基于动态调节的数据加密方法、系统及云平台
CN115345226A (zh) 结合云计算的能耗统计方法及系统
CN115292301B (zh) 基于人工智能的任务数据异常监测处理方法及系统
CN115455406A (zh) 一种网络信息的风险检测方法及系统
CN116094752A (zh) 一种安全管理策略生成方法及系统
CN115455803A (zh) 一种室内能耗信息分析方法及系统
CN115474094A (zh) 一种广告播放方法、系统及云平台
CN115529592A (zh) 基于数字孪生的蓝牙身份确定方法及系统
CN115563153A (zh) 基于人工智能的任务批量处理方法、系统及服务器
CN114691830A (zh) 一种基于大数据的网络安全分析方法及系统

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

Effective date of registration: 20230608

Address after: No. 1103, 11th Floor, Building 9, No. 48 Shuxi Road, Jinniu High tech Industrial Park, Chengdu City, Sichuan Province, 610037

Applicant after: Chengdu Zuolinian Zhicheng Technology Co.,Ltd.

Address before: 561000 No. 13, Zhonghua East Road, Xixiu District, Anshun, Guizhou

Applicant before: Gao Yin

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant