一种结合人工智能的共享数据隐私处理方法及服务器
技术领域
本发明属于信息安全技术领域,具体的,涉及一种结合人工智能的共享数据隐私处理方法及服务器。
背景技术
互联网的快速发展为人们的工作生活带来便利,但是同时,由于互联网信息交互的特性,导致人们的隐私数据容易出现泄露并被不法者恶意利用的情况,因此保护好用户隐私是互联网时代需要解决的重要问题之一。
现有技术中,在用户节点对服务商节点的数据共享请求进行授权后,服务商可以在授权时间范围内对用户节点生成的对应共享数据进行获取而无需目标网络节点进行重复授权,这样提升了提供服务的效率,但是也可能导致用户节点的数据被对应服务商节点过度采集,为共享节点无序获取目标网络节点的数据留下了安全隐患,为了解决上述问题,及时的发现服务商节点存在的异常采集数据的情况,本发明提供了以下技术方案。
发明内容
本发明的目的在于提供一种结合人工智能的共享数据隐私处理方法及服务器,解决现有技术中服务商节点过度采集用户节点数据而无法及时发现导致的信息安全问题。
本发明的目的可以通过以下技术方案实现:
一种结合人工智能的共享数据隐私处理方法,包括如下步骤:
S1、网络节点生成数据后,对生成的数据按照所属分类领域分别进行标记,加数据发送至存储模块中进行存储,将该生成数据的网络节点标记为目标网络节点;
S2、当其他网络节点对存储模块发出数据共享请求信号时,对该数据共享请求信号进行安全验证,并对通过安全验证的发出数据共享请求信号的网络节点进行数据共享;
将所述发出数据共享请求信号的网络节点标记为共享节点;
所述数据共享请求信号包括需要获取的分类领域数据以及生成数据的目标网络节点;
S3、判断对应的分类领域为对应共享节点的必要数据类还是非必要数据类;
S4、对于一种非必要数据类,获取共享节点与样本节点数据共享的过程中,包括该非必要数据类的各样本节点与对应共享节点建立数据共享的时间t1j;
获取共享节点与样本节点数据共享的过程中,该非必要数据类与对应共享节点第一次建立数据共享的时间t2j,其中1≤j≤m,m为包括对应非必要数据类的样本节点的数量;
计算该非必要数据在所有样本节点中对应的|t1j-t2j|值,计算平均值后得到|t1j-t2j|p;
根据公式μ=B1/B计算得到对应非必要数据类的激活比例μ;
其中B为在预设的T2时间内,该非必要数据类与对应共享节点建立数据共享的一个样本节点接收到对应共享节点的数据共享请求的次数;
B1为对应样本节点中该非必要数据类与对应共享节点建立数据共享的次数;
根据公式计算得到对应非必要数据类对于对应共享节点的共享指数Q;其中β为预设系数;
S5、对于一个共享节点,计算获取其对应的所有非必要数据类的共享指数Q;
S6、当共享节点对其对应的一个样本节点发出数据共享请求时,获取数据共享请求中所包括的需要获取的分类领域数据;
若该样本节点未对该分类领域数据进行授权,则不进行后续处理;
若该样本节点已对该分类领域数据进行授权,则获取在过去的预设T3时间内,该共享节点向该样本节点发出对应分类领域数据的数据共享请求的次数R1,获取在过去的预设T3时间内,该共享节点向该样本节点发出数据共享请求的次数R;
根据公式λ=R1(1+R1/R)计算得到该次数据共享请求的合理系数λ;
在R1≥Ry,且λ大于等于预设值λ1成立时,发出提示消息,所述Ry为预设值;
所述λ1=Rp(1+Rp/Rz)*ωQ,其中ω为大于1,小于等于1.1的预设值;
Rp为共享节点向所有包括该分类领域数据的样本节点中对应分类领域数据发出数据共享请求的次数的平均值;
Rz为共享节点向所有包括该分类领域数据的样本节点发出数据共享请求的次数的平均值。
作为本发明的进一步方案,所述安全验证的方法为:
所述共享节点发出数据共享请求;
根据共享请求内容将对应的共享请求发送至对应的目标网络节点;
目标网络节点根据需要对部分或所有共享请求进行授权;
共享节点再次发出数据共享请求时,若检测到对应的目标网络节点已经完成授权,则共享节点直接与对应目标节点建立数据共享,并进行对应分类领域数据的数据共享;
若检测到对应的目标网络节点未完成授权,则拒绝共享节点与对应目标节点之间进行对应分类领域数据的数据共享。
作为本发明的进一步方案,步骤S3中判断对应的分类领域为对应共享节点的必要数据类还是非必要数据类的方法包括如下步骤:
对于一个共享节点,获取在过去的T1时间内与其建立数据共享的所有目标网络节点,将这些目标网络节点标记为样本节点;T1为预设值;
获取各样本节点中与对应共享节点建立数据共享的数据的分类领域;
对于一种分类领域的数据,获取所有样本节点中与对应共享节点建立该数据的数据共享的样本节点数量gi;
其中1≤i≤n,n为共享节点对应的所有样本节点中与共享节点进行数据共享的数据的分类领域数量;
当gi≥γ*k成立,则认为对应的分类领域为对应共享节点的必要数据类;
若gi<γ*k,则认为对应的分类领域为对应共享节点的非必要数据类;
其中k为共享节点对应的样本节点的数量,γ为预设的系数。
作为本发明的进一步方案,所述提示消息为提醒对应样本节点对应数据存在被异常获取的情况。
作为本发明的进一步方案,所述Ry取值为200。
作为本发明的进一步方案,在发出提示消息时,同时将对应的共享节点标记为一次异常节点,当同一共享节点在预设的T4时间内被标记为异常节点的次数超过预设阈值ρ时,则提示对应工作人员对应获共享节点存在过度数据采集的嫌疑。
作为本发明的进一步方案,所述ω取值为1.01。
本发明还公开有一种服务器,该服务器通过上述的一种结合人工智能的共享数据隐私处理方法来进行共享数据的隐私处理。
本发明的有益效果:
1、本发明通过对共享节点与目标网络节点进行数据共享的过程中的授权数据以及时间数据等进行分析,在共享节点对一个目标网络节点的非必要数据类进行数据共享的频率与比例存在异常时,及时的进行提示,避免对应目标网络用户的非必要数据类被过度采集;
2、本发明能够对异常采集目标网络节点的非必要数据类的共享节点,及时的进行发现,并对对应共享节点进行后续的检查等工作,避免数据滥用危害的扩大,降低数据过度采集造成的损失。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
一种结合人工智能的共享数据隐私处理方法,包括如下步骤:
S1、网络节点生成数据后,对生成的数据按照所属分类领域分别进行标记,然后按照分类领域不同分别对生成的数据进行加密,并将加密好的数据以及对应的密文发送至存储模块中进行存储,将该生成数据的网络节点标记为目标网络节点;
所述分类领域包括图片数据、定位数据、浏览记录数据、检索记录数据等;
S2、当其他网络节点对存储模块发出数据共享请求信号时,对该数据共享请求信号进行安全验证,并对通过安全验证的发出数据共享请求信号的网络节点进行数据共享;
将所述发出数据共享请求信号的网络节点标记为共享节点;
所述数据共享请求信号包括需要获取的分类领域数据以及生成数据的目标网络节点;
在本发明的一个实施例中,所述安全验证的方法为:
所述共享节点发出数据共享请求;
根据共享请求内容将对应的共享请求发送至对应的目标网络节点;
目标网络节点根据需要对部分或所有共享请求进行授权;
共享节点再次发出数据共享请求时,若检测到对应的目标网络节点已经完成授权,则共享节点直接与对应目标节点建立数据共享,并进行对应分类领域数据的数据共享;
若检测到对应的目标网络节点未完成授权,则拒绝共享节点与对应目标节点之间进行对应分类领域数据的数据共享。
S3、对于一个共享节点,获取在过去的T1时间内与其建立数据共享的所有目标网络节点,将这些目标网络节点标记为样本节点;T1为预设值;
获取各样本节点中与对应共享节点建立数据共享的数据的分类领域;
对于一种分类领域的数据,获取所有样本节点中与对应共享节点建立该数据的数据共享的样本节点数量gi;
其中1≤i≤n,n为共享节点对应的所有样本节点中与共享节点进行数据共享的数据的分类领域数量;
同一共享节点可以与其对应的样本节点之间建立一种或者一种以上的分类领域的数据共享;
当gi≥γ*k成立时,则认为对应的分类领域为对应共享节点的必要数据类;
若gi<γ*k,则认为对应的分类领域为对应共享节点的非必要数据类;
其中k为共享节点对应的样本节点的数量,γ为预设的系数,在本发明的一个实施例中,所述γ取值为0.95;
S4、对于一种非必要数据类,获取共享节点与样本节点数据共享的过程中,包括该非必要数据类的各样本节点与对应共享节点建立数据共享的时间t1j;
获取共享节点与样本节点数据共享的过程中,该非必要数据类与对应共享节点第一次建立数据共享的时间t2j,其中1≤j≤m,m为包括对应非必要数据类的样本节点的数量;
计算该非必要数据在所有样本节点中对应的|t1j-t2j|值,计算平均值后得到|t1j-t2j|p;
根据公式μ=B1/B计算得到对应非必要数据类的激活比例;
其中B为在预设的T2时间内,该非必要数据类与对应共享节点建立数据共享的一个样本节点接收到对应共享节点的数据共享请求的次数;
B1为对应样本节点中该非必要数据类与对应共享节点建立数据共享的次数;
根据公式计算得到对应非必要数据类对于对应共享节点的共享指数Q;
其中β为预设系数;
S5、对于一个共享节点,计算获取其对应的所有非必要数据类的共享指数Q;
S6、当共享节点对其对应的一个样本节点发出数据共享请求时,获取数据共享请求中所包括的需要获取的分类领域数据;
若该样本节点未对该分类领域数据进行授权,则不进行后续处理;
若该样本节点已对该分类领域数据进行授权,则获取在过去的预设T3时间内,该共享节点向该样本节点发出对应分类领域数据的数据共享请求的次数R1,获取在过去的预设T3时间内,该共享节点向该样本节点发出数据共享请求的次数R;
根据公式λ=R1(1+R1/R)计算得到该次数据共享请求的合理系数λ;
在R1≥Ry,且λ大于等于预设值λ1成立时,发出提示消息,提醒对应样本节点对应数据存在被异常获取的情况,同时将对应的共享节点标记为一次异常节点;
所述Ry为预设值,在本发明的一个实施例中,所述Ry取值为200;
所述λ1=Rp(1+Rp/Rz)*ωQ,其中ω为大于1,小于等于1.1的预设值,在本发明的一个实施例中,所述ω取值为1.01;
Rp为共享节点向所有包括该分类领域数据的样本节点中对应分类领域数据发出数据共享请求的次数的平均值;
Rz为共享节点向所有包括该分类领域数据的样本节点发出数据共享请求的次数的平均值;
当同一共享节点在预设的T4时间内被标记为异常节点的次数超过预设阈值ρ时,则发出提示消息,提示对应工作人员对应获共享节点存在过度数据采集的嫌疑,并及时的进行处理。
现有技术中在目标网络节点对对应的共享节点的数据共享请求进行授权后,共享节点在授权时间范围内对对应目标网络节点的共享数据进行获取时,就无需目标网络节点进行重复授权,这样提升了共享节点提供服务的效率,但是也可能导致目标网络节点的数据被对应共享节点过度采集,为共享节点无序获取目标网络节点的数据留下了安全隐患,因此本发明通过对共享节点与目标网络节点进行数据共享的过程中的授权数据以及时间数据等进行分析,在共享节点对一个目标网络节点的非必要数据类进行数据共享的频率与比例存在异常时,及时的进行提示,避免对应目标网络用户的非必要数据类被过度采集,同时,对异常采集目标网络节点的非必要数据类的共享节点,及时的进行发现,避免数据滥用危害的扩大,降低数据过度采集造成的损失。
本发明还公开了一种服务器,该服务器通过上述的一种结合人工智能的共享数据隐私处理方法来进行共享数据的隐私处理。
在说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。