CN115622770A - 一种报文加密、解密方法及装置 - Google Patents
一种报文加密、解密方法及装置 Download PDFInfo
- Publication number
- CN115622770A CN115622770A CN202211233475.6A CN202211233475A CN115622770A CN 115622770 A CN115622770 A CN 115622770A CN 202211233475 A CN202211233475 A CN 202211233475A CN 115622770 A CN115622770 A CN 115622770A
- Authority
- CN
- China
- Prior art keywords
- message
- target data
- degree value
- risk degree
- network model
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种报文加密、解密方法及装置,涉及信息安全技术领域,其中报文加密方法包括:获取待发送的目标数据;识别所述目标数据中目标对象的预定特征信息;根据目标数据中所包含的目标对象的预定特征信息确定所述目标数据的风险程度值;从预置算法库中选择与所述风险程度值对应的加密算法;采用所述加密算法对所述目标数据进行加密,得到密文;将所述密文装载形成发送至接收方的报文。本方案既能保证风险程度值较高的信息的安全性,又能减少风险程度值较低的信息的资源占用量,能够在信息安全性和计算资源占用量之间取得平衡。
Description
技术领域
本发明涉及信息安全技术领域,尤其涉及一种报文加密、解密方法及装置。
背景技术
发送方和接收方之间传输报文前,通常需要先对报文进行加密。对报文进行加密所采用的加密算法通常是发送方、接收方预先约定好的,例如,预先约定采用某一种加密算法,并约定了该加密算法的加密步骤、解密步骤所需要使用的密钥信息。为了保证报文信息的安全性,加密算法通常会设置得较为复杂。
然而,报文的内容是多种多样的,并非每个报文的内容都含有重要信息,因此,对于每个报文都采用较为复杂的加密算法进行加密的方案,容易增加计算量,造成计算资源的浪费。
发明内容
本发明书提供一种报文加密、解密的方法、装置及电子设备,以便既能保证报文信息安全又能节约计算资源。
本发明书第一方面提供一种报文加密方法,包括:获取待发送的目标数据;识别所述目标数据中目标对象的预定特征信息;根据目标数据中所包含的目标对象的预定特征信息确定所述目标数据的风险程度值;从预置算法库中选择与所述风险程度值对应的加密算法;采用所述加密算法对所述目标数据进行加密,得到密文;将所述密文装载形成发送至接收方的报文。
在一些实施例中,根据目标对象的特征信息确定所述报文的风险程度值,包括:根据目标对象的预定特征信息的数量和/或预定特征信息的重要程度值,确定风险程度值。
在一些实施例中,根据目标对象的特征信息确定所述报文的风险程度值,包括:将所述目标数据或所述目标数据中包含的目标对象的预定特征信息输入预先训练的网络模型,通过所述网络模型确定所述报文的风险程度值;其中,所述网络模型是通过以下方法训练得到的:获取多个报文样本,所述报文样本包括报文中的目标数据和风险程度值;以报文样本的目标数据作为网络模型的输入,以报文样本的风险程度值作为网络模型的输出,训练所述网络模型。
在一些实施例中,所述方法还包括:在所述报文发送至接收方后,获取接收方反馈的所述报文中目标数据的风险程度值;在达到预定条件的情况下,采用接收方反馈的多个报文的风险程度值更新所述网络模型。
本说明书第二方面提供一种报文解密方法,包括:接收报文;解析报文,得到密文和风险程度值;根据所述密文中的风险程度值,从预置算法库中选择与所述风险程度值对应的解密算法;采用所述解密算法对所述密文进行解密,得到明文。
本说明书第三方面提供一种报文加密装置,包括:第一获取单元,用于获取待发送的目标数据;识别单元,用于识别所述目标数据中目标对象的预定特征信息;确定单元,用于根据目标数据中所包含的目标对象的预定特征信息确定所述目标数据的风险程度值;第一选择单元,用于从预置算法库中选择与所述风险程度值对应的加密算法;加密单元,用于采用所述加密算法对所述目标数据进行加密,得到密文;装载单元,用于将所述密文装载形成发送至接收方的报文。
在一些实施例中,所述确定单元包括:第一确定子单元,用于根据目标对象的预定特征信息的数量和/或预定特征信息的重要程度值,确定风险程度值。
在一些实施例中,所述确定单元包括:第二确定子单元,用于将所述目标数据或所述目标数据中包含的目标对象的预定特征信息输入预先训练的网络模型,通过所述网络模型确定所述报文的风险程度值;其中,所述网络模型是通过以下装置训练得到的:获取多个报文样本,所述报文样本包括报文中的目标数据和风险程度值;以报文样本的目标数据作为网络模型的输入,以报文样本的风险程度值作为网络模型的输出,训练所述网络模型。
在一些实施例中,所述装置还包括:第二获取单元,用于在所述报文发送至接收方后,获取接收方反馈的所述报文中目标数据的风险程度值;更新单元,用于在达到预定条件的情况下,采用接收方反馈的多个报文的风险程度值更新所述网络模型。
本说明书第四方面提供一种报文解密装置,包括:接收单元,用于接收报文;解析单元,用于解析报文,得到密文和风险程度值;第二选择单元,用于根据所述密文中的风险程度值,从预置算法库中选择与所述风险程度值对应的解密算法;解密单元,用于采用所述解密算法对所述密文进行解密,得到明文。
本说明书第五方面提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面任一项或者第二方面所述的方法。
本说明书第六方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一项或者第二方面所述的方法。
本说明书第七方面提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现第一方面任一项或者第二方面所述的方法。
本说明书所提供的报文加密、解密方法及装置,根据待发送数据中目标对象的预定特征信息确定风险程度值,从预置算法库中选择与风险程度值对应的加密算法对目标数据进行加密,可以对于不同风险程度值的待发送信息自动采用不同的加密算法,使得风险程度值较低的待发送信息采用较为简单的加密算法,风险程度值较高的待发送信息采用较为复杂的加密算法,从而既能保证风险程度值较高的信息的安全性,又能减少风险程度值较低的信息的资源占用量,能够在信息安全性和计算资源占用量之间取得平衡。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。在附图中:
图1示出了本说明书提供的一种报文加密方法的流程图;
图2示出了本说明书提供的报文加密、解密方法的交互流程图;
图3示出了本说明书提供的一种报文解密方法的流程图;
图4示出了本说明书提供的一种报文加密装置的原理框图;
图5示出了本说明书提供的一种报文解密装置的原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本说明书提供一种报文加密方法,如图1和图2所示,包括如下步骤:
S110:获取待发送的目标数据。
S120:识别目标数据中目标对象的预定特征信息。
目标对象,可以包括以下至少一个:人,企业等各级组织单位,预定主题或领域。其中,人可以是指定的,组织单元可以是指定的一个或几个组织单位。
例如,目标对象可以为人,那么特征信息便是指人的信息,比如人的身份信息、联系方式、家庭住址、工作单位、家庭状况、日程安排、饮食习惯等信息。
例如,目标对象可以是AA公司,那么特征信息便是AA公司的信息,比如AA公司的股东信息、研发目标、产品信息、客户信息等。
例如,目标对象可以为预定主题或领域——导弹,那么特征信息便是导弹的信息,比如导弹的形态、控制方法、规划轨道、研发人员等信息。
目标对象的特征信息通常有很多,但并不是每个特征信息都具有风险,而且在不同场景下具有泄密风险的特征信息是不同的。例如,当需要了解一个人所研究的导弹的信息时,其饮食习惯属于无用信息、不具有导致导弹信息泄露的风险;当参加厨艺比赛时,评委的饮食习惯便是有用信息,该信息具有影响比赛公正性的风险。
预定特征信息,可以是从目标对象的众多特征信息中筛选出来的一些特征信息,这些特征信息具有泄露目标对象信息的风险。筛选的具体方法,可以根据人的经验来筛选,也可以获取多个特征信息后,采用相关性分析的方法,筛选出与风险值之间相关度达到预定相关度阈值的一些特征信息。
S130:根据目标数据中所包含的目标对象的预定特征信息确定目标数据的风险程度值。
在一些实施例中,S130可以根据目标对象的预定特征信息的数量和/或预定特征信息的重要程度值,确定风险程度值。
例如,当目标数据中所包含的目标对象的预定特征信息的数量与风险程度值的第一对应关系来确定风险程度值,该第一对应关系可以是预先确定的。
例如,可以预先确定各预定特征信息分别对应的风险程度值,然后将目标数据中所包含的各预定特征信息所对应的风险程度值中最大风险程度值。
在一些实施例中,可以参考上述两个示例,根据各预定特征信息的数量确定第一风险程度值,根据目标数据中所包含的各预定特征信息所对应的风险程度值中最大风险程度值确定第二风险程度值,然后将第一风险程度值、第二风险程度值中的较大者作为目标数据的风险程度值。
在一些实施例中,也可以将目标数据或目标数据中所包含的目标对象的预定特征信息输入预先训练的网络模型,通过网络模型自动确定并输出目标数据的风险程度值。
该网络模型可以是通过以下方法训练得到的:获取多个报文样本,报文样本包括报文中的目标数据和风险程度值;以报文样本的目标数据作为网络模型的输入,以风险程度值作为网络模型的输出,训练网络模型。也即,该网络模型可以自动识别报文中目标数据的预定特征信息,并自动根据目标数据中所包含的预定特征信息确定目标数据的风险程度值。
在一些实施例中,在报文发送至接收方后,还可以获取接收方所反馈的报文中目标数据的风险程度值,在达到预定条件的情况下,采用接收方反馈的多个报文的风险程度值更新网络模型。
例如,在报文发送至接收方之后,页面上弹出对话框引导接收方对报文中目标数据的有用程度进行打分,然后将打分结果发送至发送方,发送方将打分结果转换成风险程度值,并将该风险程度值与该报文中的目标数据作为一个报文样本放入更新数据集中。
在更新数据集中的报文样本的数量达到预定数值后,采用更新数据集中的报文样本对网络模型进行更新,并在更新后清空更新数据集。或者,在距离上一次更新的时间间隔达到预定时间阈值后,采用更新数据集中的报文样本对网络模型进行更新。
获取接收方对于报文中目标数据风险程度值的反馈作为报文样本,使得样本数据更为准确,基于该样本数据按照预定条件对网络模型进行更新,能够使得网络模型随人们对于信息需求的变更而更新,从而使得网络模型适应发展变化而更为准确。
S140:从预置算法库中选择与风险程度值对应的加密算法。
预置算法库中可以包括多个算法,并且对于每个风险程度值都有至少一个算法与之对应。也即,对于每个风险程度值均设置有至少一个加密算法。
S150:采用加密算法对目标数据进行加密,得到密文。
S160:将密文装载形成发送至接收方的报文。
报文通常是具有预定格式的,预定格式中包括数据段、报文头、校验位等信息。S160在装载报文时将密文信息、风险程度值作为报文的数据段。
本说明书所提供的报文加密算法,根据待发送数据中目标对象的预定特征信息确定风险程度值,从预置算法库中选择与风险程度值对应的加密算法对目标数据进行加密,可以对于不同风险程度值的待发送信息自动采用不同的加密算法,使得风险程度值较低的待发送信息采用较为简单的加密算法,风险程度值较高的待发送信息采用较为复杂的加密算法,从而既能保证风险程度值较高的信息的安全性,又能减少风险程度值较低的信息的资源占用量,能够在信息安全性和计算资源占用量之间取得平衡。
对应于图1所示的报文加密方法,本说明书提供一种报文解密方法,如图2和图3所示,该方法包括如下步骤:
S210:接收报文。
报文通常是具有预定格式的,预定格式中包括数据段、报文头、校验位等信息。S210所接收到的报文是按照预定格式组织的数据。
S220:解析报文,得到密文和风险程度值。
S220是指根据上述预定格式,解析出数据段中的内容,该数据段中包括目标数据和风险程度值,其中目标数据就是密文。
S230:根据密文中的风险程度值,从预置算法库中选择与风险程度值对应的解密算法。
预置算法库中可以包括多个算法,并且对于每个风险程度值都有至少一个算法与之对应。也即,对于每个风险程度值均设置有至少一个加密算法。
接收方和发送的预置算法库是相对应的。也即,在发送方,风险程度值X与加密算法A对应,在接收方,风险程度值X与解密算法B对应,加密算法A和解密算法B是属于同一算法,具有相应的加密参数。
S240:采用解密算法对密文进行解密,得到明文。
本说明书提供一种报文加密装置,可以用于实现图1所示的报文加密方法。如图4所示,该装置包括第一获取单元110、识别单元120、确定单元130、第一选择单元140、加密单元150和装载单元160。
第一获取单元110用于获取待发送的目标数据。
识别单元120用于识别所述目标数据中目标对象的预定特征信息。
确定单元130用于根据目标数据中所包含的目标对象的预定特征信息确定所述目标数据的风险程度值。
第一选择单元140用于从预置算法库中选择与所述风险程度值对应的加密算法。
加密单元150用于采用所述加密算法对所述目标数据进行加密,得到密文。
装载单元160用于将所述密文装载形成发送至接收方的报文。
在一些实施例中,所述确定单元包括:第一确定子单元,用于根据目标对象的预定特征信息的数量和/或预定特征信息的重要程度值,确定风险程度值。
在一些实施例中,所述确定单元包括:第二确定子单元,用于将所述目标数据或所述目标数据中包含的目标对象的预定特征信息输入预先训练的网络模型,通过所述网络模型确定所述报文的风险程度值;其中,所述网络模型是通过以下装置训练得到的:获取多个报文样本,所述报文样本包括报文中的目标数据和风险程度值;以报文样本的目标数据作为网络模型的输入,以报文样本的风险程度值作为网络模型的输出,训练所述网络模型。
在一些实施例中,所述装置还包括:第二获取单元,用于在所述报文发送至接收方后,获取接收方反馈的所述报文中目标数据的风险程度值;更新单元,用于在达到预定条件的情况下,采用接收方反馈的多个报文的风险程度值更新所述网络模型。
本说明书提供一种报文解密装置,可用于实现图3所示的报文解密方法。如图5所示,该装置包括接收单元210、解析单元220、第二选择单元230和解密单元240。
接收单元210用于接收报文。
解析单元220用于解析报文,得到密文和风险程度值。
第二选择单元230用于根据所述密文中的风险程度值,从预置算法库中选择与所述风险程度值对应的解密算法。
解密单元240用于采用所述解密算法对所述密文进行解密,得到明文。
上述报文加密、解密装置的描述及有益效果请参阅对应方法的描述及有益效果。
“本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定”。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述报文加密方法或报文解密方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述报文加密方法或报文解密方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述报文加密方法或报文解密方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种报文加密方法,其特征在于,包括:
获取待发送的目标数据;
识别所述目标数据中目标对象的预定特征信息;
根据目标数据中所包含的目标对象的预定特征信息确定所述目标数据的风险程度值;
从预置算法库中选择与所述风险程度值对应的加密算法;
采用所述加密算法对所述目标数据进行加密,得到密文;
将所述密文装载形成发送至接收方的报文。
2.根据权利要求1所述的方法,其特征在于,根据目标对象的特征信息确定所述报文的风险程度值,包括:
根据目标对象的预定特征信息的数量和/或预定特征信息的重要程度值,确定风险程度值。
3.根据权利要求1所述的方法,其特征在于,根据目标对象的特征信息确定所述报文的风险程度值,包括:
将所述目标数据或所述目标数据中包含的目标对象的预定特征信息输入预先训练的网络模型,通过所述网络模型确定所述报文的风险程度值;其中,所述网络模型是通过以下方法训练得到的:
获取多个报文样本,所述报文样本包括报文中的目标数据和风险程度值;
以报文样本的目标数据作为网络模型的输入,以报文样本的风险程度值作为网络模型的输出,训练所述网络模型。
4.根据权利要求3所述的方法,其特征在于,还包括:
在所述报文发送至接收方后,获取接收方反馈的所述报文中目标数据的风险程度值;
在达到预定条件的情况下,采用接收方反馈的多个报文的风险程度值更新所述网络模型。
5.一种报文解密方法,其特征在于,包括:
接收报文;
解析报文,得到密文和风险程度值;
根据所述密文中的风险程度值,从预置算法库中选择与所述风险程度值对应的解密算法;
采用所述解密算法对所述密文进行解密,得到明文。
6.一种报文加密装置,其特征在于,包括:
第一获取单元,用于获取待发送的目标数据;
识别单元,用于识别所述目标数据中目标对象的预定特征信息;
确定单元,用于根据目标数据中所包含的目标对象的预定特征信息确定所述目标数据的风险程度值;
第一选择单元,用于从预置算法库中选择与所述风险程度值对应的加密算法;
加密单元,用于采用所述加密算法对所述目标数据进行加密,得到密文;
装载单元,用于将所述密文装载形成发送至接收方的报文。
7.根据权利要求6所述的装置,其特征在于,所述确定单元包括:
第一确定子单元,用于根据目标对象的预定特征信息的数量和/或预定特征信息的重要程度值,确定风险程度值。
8.根据权利要求6所述的装置,其特征在于,所述确定单元包括:
第二确定子单元,用于将所述目标数据或所述目标数据中包含的目标对象的预定特征信息输入预先训练的网络模型,通过所述网络模型确定所述报文的风险程度值;其中,所述网络模型是通过以下装置训练得到的:
获取多个报文样本,所述报文样本包括报文中的目标数据和风险程度值;
以报文样本的目标数据作为网络模型的输入,以报文样本的风险程度值作为网络模型的输出,训练所述网络模型。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第二获取单元,用于在所述报文发送至接收方后,获取接收方反馈的所述报文中目标数据的风险程度值;
更新单元,用于在达到预定条件的情况下,采用接收方反馈的多个报文的风险程度值更新所述网络模型。
10.一种报文解密装置,其特征在于,包括:
接收单元,用于接收报文;
解析单元,用于解析报文,得到密文和风险程度值;
第二选择单元,用于根据所述密文中的风险程度值,从预置算法库中选择与所述风险程度值对应的解密算法;
解密单元,用于采用所述解密算法对所述密文进行解密,得到明文。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
13.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211233475.6A CN115622770A (zh) | 2022-10-10 | 2022-10-10 | 一种报文加密、解密方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211233475.6A CN115622770A (zh) | 2022-10-10 | 2022-10-10 | 一种报文加密、解密方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115622770A true CN115622770A (zh) | 2023-01-17 |
Family
ID=84861517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211233475.6A Pending CN115622770A (zh) | 2022-10-10 | 2022-10-10 | 一种报文加密、解密方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115622770A (zh) |
-
2022
- 2022-10-10 CN CN202211233475.6A patent/CN115622770A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2819351B1 (en) | Information processing method, apparatus, and system | |
CN109242405B (zh) | 政务处理方法及装置、计算机设备与可读存储介质 | |
CN109379445A (zh) | 一种推送消息的发送方法及装置 | |
CN111835790B (zh) | 一种风险识别方法、装置及系统 | |
CN109597800B (zh) | 一种日志分发方法及装置 | |
CN112860756A (zh) | 基于习题测试的学习资源推荐方法、装置及计算机设备 | |
CN115622770A (zh) | 一种报文加密、解密方法及装置 | |
CN112860549A (zh) | 一种测试样本的获取方法及装置 | |
CN111209577B (zh) | 添加水印数据的方法、装置、存储介质及电子设备 | |
CN112619156B (zh) | 游戏账号的绑定方法、装置及设备 | |
CN109255016A (zh) | 基于深度学习的应答方法、装置及计算机可读存储介质 | |
CN113056024B (zh) | 基于云存储的金融大数据信息保存方法及系统 | |
CN111786938B (zh) | 防止恶意获取资源的方法、系统和电子设备 | |
CN114745181A (zh) | 数据处理方法和装置 | |
CN105095202A (zh) | 消息推荐方法及装置 | |
CN113762976A (zh) | 诈骗短信的识别方法、装置、电子设备及计算机存储介质 | |
CN109901931B (zh) | 一种归约函数数量确定方法、装置及系统 | |
JP6710716B2 (ja) | 脅威情報評価装置、脅威情報評価方法およびプログラム | |
CN109033189B (zh) | 链路结构日志的压缩方法、装置、服务器及可读存储介质 | |
CN112651820A (zh) | 一种案件信息处理方法、装置、服务器及存储介质 | |
CN112668889A (zh) | 风险用户探测方法、设备及存储介质 | |
CN113992616B (zh) | 微信公众号的消息发送方法及装置 | |
CN111562982B (zh) | 请求数据的处理方法及装置、计算机可读存储介质、电子设备 | |
CN107465744A (zh) | 数据下载控制方法及系统 | |
CN108650167B (zh) | 消息发送的方法、装置、电子设备和可读存储介质 |
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 |