CN116702220A - 基于加密特征分析的数据比对方法及系统 - Google Patents
基于加密特征分析的数据比对方法及系统 Download PDFInfo
- Publication number
- CN116702220A CN116702220A CN202310083097.6A CN202310083097A CN116702220A CN 116702220 A CN116702220 A CN 116702220A CN 202310083097 A CN202310083097 A CN 202310083097A CN 116702220 A CN116702220 A CN 116702220A
- Authority
- CN
- China
- Prior art keywords
- feature
- behavior
- representation
- information
- current
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000005065 mining Methods 0.000 claims abstract description 55
- 230000006399 behavior Effects 0.000 claims description 525
- 238000013507 mapping Methods 0.000 claims description 43
- 238000011156 evaluation Methods 0.000 claims description 38
- 230000002776 aggregation Effects 0.000 claims description 29
- 238000004220 aggregation Methods 0.000 claims description 29
- 230000003542 behavioural effect Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 239000012634 fragment Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000005284 excitation Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000017105 transposition 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
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
-
- 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
-
- 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)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Social Psychology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的基于加密特征分析的数据比对方法及系统,涉及人工智能技术领域。在本发明中,对第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息;对第一行为特征信息进行代表信息的挖掘处理,以挖掘出第一行为特征信息对应的第一行为代表信息;对第二行为特征信息进行代表信息的挖掘处理,以挖掘出第二行为特征信息对应的第二行为代表信息;对第一行为代表信息和第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果。基于上述内容,可以在一定程度上提高数据对比分析的可靠度。
Description
技术领域
本发明涉及人工智能技术领域,具体而言,涉及一种基于加密特征分析的数据比对方法及系统。
背景技术
将不同用户行为特征数据进行对比分析,以确定出不同用户之间在行为维度的相关性或差异性,在诸多领域中都有应用。因此,需要提供一种可靠地对不同用户行为特征数据进行对比分析的方案,但是,在现有技术中,一般是直接对表征用户行为特征的行为特征信息进行相似度计算或差异性分析,使得存在数据对比分析的可靠度不佳的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于加密特征分析的数据比对方法及系统,以在一定程度上提高数据对比分析的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于加密特征分析的数据比对方法,包括:
获取到第一对比用户对应的第一加密行为特征信息,并获取到第二对比用户对应的第二加密行为特征信息,以及,对所述第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对所述第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息,所述第一行为特征信息用于反映所述第一对比用户当前的行为信息,所述第二行为特征信息用于反映所述第二对比用户当前的行为信息,所述第一行为特征信息和所述第二行为特征信息的数据形式一致,都属于图像数据或语音数据;
对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息,所述第一行为代表信息用于概述所述第一对比用户当前的行为信息;
对所述第二行为特征信息进行代表信息的挖掘处理,以挖掘出所述第二行为特征信息对应的第二行为代表信息,所述第二行为代表信息用于概述所述第二对比用户当前的行为信息;
对所述第一行为代表信息和所述第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果,所述目标对比分析结果用于反映所述第一对比用户和所述第二对比用户在行为维度的相关性或差异性。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息的步骤,包括:
确定出所述第一行为特征信息对应的历史行为特征信息,所述历史行为特征信息用于反映所述第一对比用户历史的行为信息;
将所述第一行为特征信息进行特征挖掘处理,以挖掘出所述第一行为特征信息对应的当前行为特征表示,以及,将所述历史行为特征信息进行特征挖掘处理,以挖掘出所述历史行为特征信息对应的历史行为特征表示;
基于所述当前行为特征表示和所述历史行为特征表示,分析出所述当前行为特征表示包括的每一个当前特征表示参数和所述历史行为特征表示包括的每一个历史特征表示参数之间的匹配关系;
基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,输出依据所述历史行为特征表示来反映所述当前行为特征表示的当前语义特征表示,以及,输出依据所述当前行为特征表示来反映所述历史行为特征表示的历史语义特征表示;
依据所述当前语义特征表示和所述历史语义特征表示,分析出所述当前行为特征表示和所述历史行为特征表示之间的匹配特征表示;
依据所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,分析出所述第一行为特征信息对应的第一行为代表信息。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述将所述第一行为特征信息进行特征挖掘处理,以挖掘出所述第一行为特征信息对应的当前行为特征表示,以及,将所述历史行为特征信息进行特征挖掘处理,以挖掘出所述历史行为特征信息对应的历史行为特征表示的步骤,包括:
利用第一特征挖掘网络,将所述第一行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述第一行为特征信息对应的当前行为特征表示,该行为空间映射结果通过将所述第一行为特征信息中的一个当前用户行为进行特征空间的映射形成;
利用第二特征挖掘网络,将所述历史行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述历史行为特征信息对应的历史行为特征表示,该行为空间映射结果通过将所述历史行为特征信息中的一个历史用户行为进行特征空间的映射形成。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,输出依据所述历史行为特征表示来反映所述当前行为特征表示的当前语义特征表示,以及,输出依据所述当前行为特征表示来反映所述历史行为特征表示的历史语义特征表示的步骤,包括:
基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,分析出每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,并分析出每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数;
基于每一个所述历史特征表示参数和每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,分析输出对应的当前语义特征表示;
基于每一个所述当前特征表示参数和每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数,分析输出对应的历史语义特征表示。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,分析出每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数的步骤,包括:
第一历史特征表示参数为任意一个历史特征表示参数,第一当前特征表示参数为任意一个当前特征表示参数,对于所述第一历史特征表示参数相对于所述第一当前特征表示参数具有的影响力评估参数,该影响力评估参数的计算过程,包括:
对所述第一当前特征表示参数和所述第一历史特征表示参数之间的匹配关系表征的匹配值进行指数运算,以输出第一指数值;
对于每一个所述当前特征表示参数,对该当前特征表示参数和所述第一历史特征表示参数之间的匹配关系表征的匹配值进行指数运算,以输出该当前特征表示参数对应的第二指数值;
对每一个所述当前特征表示参数对应的第二指数值进行叠加运算,以输出总的第二指数值,以及,基于所述第一指数值和所述总的第二指数值,确定出所述第一历史特征表示参数相对于所述第一当前特征表示参数具有的影响力评估参数,所述影响力评估参数和所述第一指数值之间具有正相关的对应关系,所述影响力评估参数和所述总的第二指数值之间具有负相关的对应关系。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述依据所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,分析出所述第一行为特征信息对应的第一行为代表信息的步骤,包括:
基于所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,融合输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示;
基于所述目标代表特征表示,分析出所述第一行为特征信息对应的第一行为代表信息。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述基于所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,融合输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示的步骤,包括:
对所述当前行为特征表示和所述当前语义特征表示进行特征表示的聚合操作,以输出对应的当前维度聚合特征表示,以及,对所述历史行为特征表示和所述历史语义特征表示进行特征表示的聚合操作,以输出对应的历史维度聚合特征表示,所述匹配特征表示包括所述当前语义特征表示和所述历史语义特征表示;
将所述当前维度聚合特征表示和所述历史维度聚合特征表示进行级联操作,以输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述对所述当前行为特征表示和所述当前语义特征表示进行特征表示的聚合操作,以输出对应的当前维度聚合特征表示,以及,对所述历史行为特征表示和所述历史语义特征表示进行特征表示的聚合操作,以输出对应的历史维度聚合特征表示的步骤,包括:
对所述当前行为特征表示和所述当前语义特征表示进行级联操作,以输出对应的当前维度级联特征表示;
基于预先确定的第一加权参数分布,对所述当前维度级联特征表示进行加权处理,以输出对应的当前维度加权特征表示,以及,基于预先确定的第一偏置参数分布,对所述当前维度加权特征表示进行偏置处理,以输出对应的当前维度偏置特征表示,并基于所述当前维度偏置特征表示,确定出对应的当前维度聚合特征表示;
对所述历史行为特征表示和所述历史语义特征表示进行级联操作,以输出对应的历史维度级联特征表示;
基于预先确定的第二加权参数分布,对所述历史维度级联特征表示进行加权处理,以输出对应的历史维度加权特征表示,以及,基于预先确定的第二偏置参数分布,对所述历史维度加权特征表示进行偏置处理,以输出对应的历史维度偏置特征表示,并基于所述历史维度偏置特征表示,确定出对应的历史维度聚合特征表示。
在一些优选的实施例中,在上述基于加密特征分析的数据比对方法中,所述基于所述目标代表特征表示,分析出所述第一行为特征信息对应的第一行为代表信息的步骤,包括:
将所述目标代表特征表示进行代表信息的预测操作,以预测出每一个行为代表片段的可能性参数;以及,基于每一个所述行为代表片段的可能性参数,确定出至少一个行为代表片段,以形成所述第一行为特征信息对应的第一行为代表信息;
其中,所述将所述目标代表特征表示进行代表信息的预测操作,以预测出每一个行为代表片段的可能性参数的步骤,包括:
利用特征预测网络,将所述目标代表特征表示进行特征还原操作,以输出对应的还原特征表示;分析出所述目标代表特征表示包括的每一个特征表示和所述还原特征表示包括的每一个还原特征表示参数之间的匹配关系;基于所述目标代表特征表示包括的每一个特征表示和每一个所述还原特征表示参数之间的匹配关系,分析出所述目标代表特征表示包括的每一个特征表示相对于每一个所述还原特征表示参数具有的影响力评估参数;基于所述目标代表特征表示包括的每一个特征表示和所述目标代表特征表示包括的每一个特征表示相对于每一个所述还原特征表示参数具有的影响力评估参数,确定出目标代表语义特征表示;基于所述还原特征表示和所述目标代表语义特征表示,确定出每一个行为代表片段对应的可能性参数。
本发明实施例还提供一种基于加密特征分析的数据比对系统,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以实现上述的基于加密特征分析的数据比对方法。
本发明实施例提供的基于加密特征分析的数据比对方法及系统,可以先对第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息;对第一行为特征信息进行代表信息的挖掘处理,以挖掘出第一行为特征信息对应的第一行为代表信息;对第二行为特征信息进行代表信息的挖掘处理,以挖掘出第二行为特征信息对应的第二行为代表信息;对第一行为代表信息和第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果。基于此,由于在进行信息对比分析之前,先分别对第一行为特征信息和第二行为特征信息进行了代表信息的挖掘处理,使得在进行信息对比分析时,可以对挖掘出的行为代表信息进行信息对比分析,如此,可以在一定程度上降低原始的行为特征信息中的无效信息在信息对比分析过程中产生的干扰程度,从而可以在一定程度上提高数据对比分析的可靠度,进而改善现有技术中关于数据对比分析的可靠度不佳的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的基于加密特征分析的数据比对系统的结构框图。
图2为本发明实施例提供的基于加密特征分析的数据比对方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于加密特征分析的数据比对装置包括的各模块的示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于加密特征分析的数据比对系统。其中,所述基于加密特征分析的数据比对系统可以包括存储器和处理器,还可以包括通信单元等其它器件。
详细地,所述存储器和处理器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,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的基于加密特征分析的数据比对方法。
可以理解的是,在一些可行的实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解的是,在一些可行的实施方式中,所述基于加密特征分析的数据比对系统可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种基于加密特征分析的数据比对方法,可应用于上述基于加密特征分析的数据比对系统。其中,所述基于加密特征分析的数据比对方法有关的流程所定义的方法步骤,可以由所述基于加密特征分析的数据比对系统实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,获取到第一对比用户对应的第一加密行为特征信息,并获取到第二对比用户对应的第二加密行为特征信息,以及,对所述第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对所述第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息。
在本发明实施例中,所述基于加密特征分析的数据比对系统可以获取到第一对比用户对应的第一加密行为特征信息,并获取到第二对比用户对应的第二加密行为特征信息,以及,对所述第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对所述第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息。所述第一行为特征信息用于反映所述第一对比用户当前的行为信息,所述第二行为特征信息用于反映所述第二对比用户当前的行为信息,所述第一行为特征信息和所述第二行为特征信息的数据形式一致,都属于图像数据或语音数据,例如,对第一对比用户的行为和第二对比用户的行为进行图像采集,以形成对应的图像数据,或者,可以通过其它用户对第一对比用户的行为和第二对比用户的行为进行语音描述,以形成对应的语音数据。
步骤S120,对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息。
在本发明实施例中,所述基于加密特征分析的数据比对系统可以对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息。所述第一行为代表信息用于概述所述第一对比用户当前的行为信息,即对该行为信息进行概括性的描述。
步骤S130,对所述第二行为特征信息进行代表信息的挖掘处理,以挖掘出所述第二行为特征信息对应的第二行为代表信息。
在本发明实施例中,所述基于加密特征分析的数据比对系统可以对所述第二行为特征信息进行代表信息的挖掘处理,以挖掘出所述第二行为特征信息对应的第二行为代表信息。所述第二行为代表信息用于概述所述第二对比用户当前的行为信息,即对该行为信息进行概括性的描述。另外,对所述第二行为特征信息进行代表信息的挖掘处理可以与对所述第一行为特征信息进行代表信息的挖掘处理的方式一致。
步骤S140,对所述第一行为代表信息和所述第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果。
在本发明实施例中,所述基于加密特征分析的数据比对系统可以对所述第一行为代表信息和所述第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果。所述目标对比分析结果用于反映所述第一对比用户和所述第二对比用户在行为维度的相关性或差异性。示例性地,可以对所述第一行为代表信息和所述第二行为代表信息进行信息相似的计算,另外,基于所述第一行为代表信息和所述第二行为代表信息的数据形式不同,可以具有不同的计算方式,可以参照相关形式的数据相似度计算的现有技术,在此不做具体的限定,或者,也可以对所述第一行为代表信息和所述第二行为代表信息分别进行特征空间的映射,使得可以对得到的映射特征表示进行相似度的计算,如余弦相似度的计算等。
基于此,由于在进行信息对比分析之前,先分别对第一行为特征信息和第二行为特征信息进行了代表信息的挖掘处理,使得在进行信息对比分析时,可以对挖掘出的行为代表信息进行信息对比分析,如此,可以在一定程度上降低原始的行为特征信息中的无效信息在信息对比分析过程中产生的干扰程度,从而可以在一定程度上提高数据对比分析的可靠度,进而改善现有技术中关于数据对比分析的可靠度不佳的问题。
可以理解的是,在一些可行的实施方式中,上述描述中的步骤S120,可以进一步包括以下内容:
确定出所述第一行为特征信息对应的历史行为特征信息,所述历史行为特征信息用于反映所述第一对比用户历史的行为信息;
将所述第一行为特征信息进行特征挖掘处理,以挖掘出所述第一行为特征信息对应的当前行为特征表示,以及,将所述历史行为特征信息进行特征挖掘处理,以挖掘出所述历史行为特征信息对应的历史行为特征表示;
基于所述当前行为特征表示和所述历史行为特征表示,分析出所述当前行为特征表示包括的每一个当前特征表示参数和所述历史行为特征表示包括的每一个历史特征表示参数之间的匹配关系;示例性地,可以对所述当前特征表示参数和所述历史特征表示参数进行乘积计算,以输出所述当前特征表示参数和所述历史特征表示参数之间的匹配关系;
基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,输出依据所述历史行为特征表示来反映所述当前行为特征表示的当前语义特征表示,以及,输出依据所述当前行为特征表示来反映所述历史行为特征表示的历史语义特征表示;
依据所述当前语义特征表示和所述历史语义特征表示,分析出所述当前行为特征表示和所述历史行为特征表示之间的匹配特征表示,示例性地,可以直接将所述当前语义特征表示和所述历史语义特征表示作为所述当前行为特征表示和所述历史行为特征表示之间的匹配特征表示,也可以对所述当前行为特征表示和所述历史行为特征表示之间的匹配特征表示进行特征表示参数的筛选,如卷积运算或滤波处理,得到所述当前行为特征表示和所述历史行为特征表示之间的匹配特征表示;
依据所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,分析出所述第一行为特征信息对应的第一行为代表信息。
可以理解的是,在一些可行的实施方式中,所述将所述第一行为特征信息进行特征挖掘处理,以挖掘出所述第一行为特征信息对应的当前行为特征表示,以及,将所述历史行为特征信息进行特征挖掘处理,以挖掘出所述历史行为特征信息对应的历史行为特征表示的步骤,可以进一步包括以下内容:
利用第一特征挖掘网络,将所述第一行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述第一行为特征信息对应的当前行为特征表示,该行为空间映射结果通过将所述第一行为特征信息中的一个当前用户行为进行特征空间的映射形成,示例性地,所述第一行为特征信息可以包括多个当前用户行为,可以预先将每一个当前用户行为映射到特征空间中,以输出对应的行为空间映射结果,然后,可以利用所述第一特征挖掘网络,将所述第一行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述第一行为特征信息对应的当前行为特征表示,所述第一特征挖掘网络可以是一种神经网络;另外,一个当前用户行为可以对应于一帧或多帧连续的图像或一帧或多帧连续的音频帧;
利用第二特征挖掘网络,将所述历史行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述历史行为特征信息对应的历史行为特征表示,该行为空间映射结果通过将所述历史行为特征信息中的一个历史用户行为进行特征空间的映射形成,示例性地,所述历史行为特征信息可以包括多个历史用户行为,可以预先将每一个历史用户行为映射到特征空间中,以输出对应的行为空间映射结果,然后,可以利用所述第二特征挖掘网络,将所述历史行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述历史行为特征信息对应的历史行为特征表示,所述第二特征挖掘网络可以是一种神经网络;另外,一个历史用户行为可以对应于一帧或多帧连续的图像或一帧或多帧连续的音频帧。
其中,可以理解的是,在一些可行的实施方式中,所述利用第一特征挖掘网络,将所述第一行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述第一行为特征信息对应的当前行为特征表示的步骤,可以进一步包括以下内容:
提取到所述第一行为特征信息包括的多个当前用户行为,并基于每一个所述当前用户行为对应的行为时间,确定出所述多个当前用户行为之间的行为时间先后关系,所述第一行为特征信息包括的多个当前用户行为可以是一个行为组合,即连续的多个用户行为;
对所述第一行为特征信息进行加载处理,以加载到通过进行网络优化处理形成的用户行为关系分析网络中,利用所述用户行为关系分析网络对所述第一行为特征信息进行关系分析处理,以输出所述第一行为特征信息包括的多个当前用户行为的行为逻辑先后关系,所述用户行为关系分析网络的网络优化处理的数据包括多个典型行为特征信息和每一个所述典型行为特征信息对应的实际行为逻辑先后关系,所述实际行为逻辑先后关系可以是基于相应用户的配置形成,或者是,基于多个行为数据库中存在的各种行为的实际时间先后关系确定;
对于所述多个当前用户行为中的每一个当前用户行为,基于所述行为时间先后关系,在其它当前用户行为中,确定出该当前用户行为的第一相邻用户行为,如前一个和后一个,以及,基于所述行为逻辑先后关系,在其它当前用户行为中,确定出该当前用户行为的第二相邻用户行为;
对于所述多个当前用户行为中的每一个当前用户行为,对该当前用户行为对应的每一个第一相邻用户行为对应的行为空间映射结果和每一个第二相邻用户行为对应的行为空间映射结果进行均值计算,以输出该当前用户行为对应的相关行为空间映射结果,以及,对该相关行为空间映射结果进行转置处理,以输出对应的转置行为空间映射结果,然后,可以对该装置行为空间映射结果和该当前用户行为对应的行为空间映射结果进行相乘,再对相乘结果进行加权处理,加权处理的加权系数与该行为空间映射结果的维度负相关,以输出对应的加权行为空间映射结果,基于此,可以在对所述加权行为空间映射结果进行激励映射处理之后,将该相关行为空间映射结果和得到的激励映射处理结果进行相乘,如此,可以得到该当前用户行为对应的当前行为子特征表示;
将所述多个当前用户行为中的每一个当前用户行为对应的当前行为子特征表示进行级联操作,可以按照对应的所述行为时间先后关系进行级联操作,输出所述第一行为特征信息对应的当前行为特征表示。
可以理解的是,在一些可行的实施方式中,所述基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,输出依据所述历史行为特征表示来反映所述当前行为特征表示的当前语义特征表示,以及,输出依据所述当前行为特征表示来反映所述历史行为特征表示的历史语义特征表示的步骤,可以进一步包括以下内容:
基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,分析出每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,并分析出每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数;
基于每一个所述历史特征表示参数和每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,分析输出对应的当前语义特征表示,示例性地,所述当前语义特征表示是基于所述历史行为特征表示反映所述当前行为特征表示形成的,因此,具有所述历史行为特征表示中与所述当前行为特征表示的一些关联的信息;
基于每一个所述当前特征表示参数和每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数,分析输出对应的历史语义特征表示,示例性地,所述历史语义特征表示是基于所述当前行为特征表示反映所述历史行为特征表示形成的,因此,具有所述当前行为特征表示中与所述历史行为特征表示的一些关联的信息。
可以理解的是,在一些可行的实施方式中,所述基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,分析出每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数的步骤,可以进一步包括以下内容:
确定出第一历史特征表示参数和第一当前特征表示参数,所述第一历史特征表示参数为任意一个历史特征表示参数,所述第一当前特征表示参数为任意一个当前特征表示参数,基于此,对于所述第一历史特征表示参数相对于所述第一当前特征表示参数具有的影响力评估参数,该影响力评估参数的计算过程,包括:
对所述第一当前特征表示参数和所述第一历史特征表示参数之间的匹配关系表征的匹配值进行指数运算,以输出第一指数值;
对于每一个所述当前特征表示参数,对该当前特征表示参数和所述第一历史特征表示参数之间的匹配关系表征的匹配值进行指数运算,以输出该当前特征表示参数对应的第二指数值;
对每一个所述当前特征表示参数对应的第二指数值进行叠加运算,以输出总的第二指数值,以及,基于所述第一指数值和所述总的第二指数值,确定出所述第一历史特征表示参数相对于所述第一当前特征表示参数具有的影响力评估参数,所述影响力评估参数和所述第一指数值之间具有正相关的对应关系,所述影响力评估参数和所述总的第二指数值之间具有负相关的对应关系,示例性地,可以对所述第一指数值和所述总的第二指数值进行比值计算,以得到对应的影响力评估参数。
其中,可以理解的是,在一些可行的实施方式中,所述基于每一个所述历史特征表示参数和每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,分析输出对应的当前语义特征表示的步骤,可以进一步包括以下内容:
对于每一个所述当前特征表示参数,将该当前特征表示参数确定为待处理当前特征表示参数,对于每一个所述历史特征表示参数,将该历史特征表示参数相对于所述待处理当前特征表示参数具有的影响力评估参数和该历史特征表示参数进行相乘计算,以输出该历史特征表示参数对应的相乘计算参数,以及,对每一个所述历史特征表示参数对应的相乘计算参数进行求和计算,以得到所述待处理当前特征表示参数对应的当前语义特征表示参数,如此,可以得到每一个所述当前特征表示参数对应的当前语义特征表示参数,最后,将每一个所述当前特征表示参数对应的当前语义特征表示参数组合在一起,形成对应的当前语义特征表示。
其中,可以理解的是,在一些可行的实施方式中,所述基于每一个所述当前特征表示参数和每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数,分析输出对应的历史语义特征表示的步骤,可以进一步包括以下内容:
对于每一个所述历史特征表示参数,将该历史特征表示参数确定为待处理历史特征表示参数,对于每一个所述当前特征表示参数,将该当前特征表示参数相对于所述待处理历史特征表示参数具有的影响力评估参数和该当前特征表示参数进行相乘计算,以输出该当前特征表示参数对应的相乘计算参数,以及,对每一个所述当前特征表示参数对应的相乘计算参数进行求和计算,以得到所述待处理历史特征表示参数对应的历史语义特征表示参数,如此,可以得到每一个所述历史特征表示参数对应的历史语义特征表示参数,最后,将每一个所述历史特征表示参数对应的当历史语义特征表示参数组合在一起,形成对应的历史语义特征表示。
可以理解的是,在一些可行的实施方式中,所述依据所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,分析出所述第一行为特征信息对应的第一行为代表信息的步骤,可以进一步包括以下内容:
基于所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,融合输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示;以及,基于所述目标代表特征表示,分析出所述第一行为特征信息对应的第一行为代表信息。
可以理解的是,在一些可行的实施方式中,所述基于所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,融合输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示的步骤,可以进一步包括以下内容:
对所述当前行为特征表示和所述当前语义特征表示进行特征表示的聚合操作,以输出对应的当前维度聚合特征表示,以及,对所述历史行为特征表示和所述历史语义特征表示进行特征表示的聚合操作,以输出对应的历史维度聚合特征表示,所述匹配特征表示包括所述当前语义特征表示和所述历史语义特征表示,如前所述,可以直接将述当前语义特征表示和所述历史语义特征表示作为所述匹配特征表示;
将所述当前维度聚合特征表示和所述历史维度聚合特征表示进行级联操作,以输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示,例如,在进行级联操作的过程中,所述当前维度聚合特征表示可以在前,所述历史维度聚合特征表示可以在后,如所述目标代表特征表示可以为“当前维度聚合特征表示-历史维度聚合特征表示”。
可以理解的是,在一些可行的实施方式中,所述对所述当前行为特征表示和所述当前语义特征表示进行特征表示的聚合操作,以输出对应的当前维度聚合特征表示,以及,对所述历史行为特征表示和所述历史语义特征表示进行特征表示的聚合操作,以输出对应的历史维度聚合特征表示的步骤,可以进一步包括以下内容:
对所述当前行为特征表示和所述当前语义特征表示进行级联操作,如前所述,以输出对应的当前维度级联特征表示;
基于预先确定的第一加权参数分布,对所述当前维度级联特征表示进行加权处理,如进行相乘处理,以输出对应的当前维度加权特征表示,以及,基于预先确定的第一偏置参数分布,对所述当前维度加权特征表示进行偏置处理,如进行叠加处理,以输出对应的当前维度偏置特征表示,并基于所述当前维度偏置特征表示,确定出对应的当前维度聚合特征表示,所述第一加权参数分布和所述第一偏置参数分布可以是作为对应神经网络的网络参数,且在神经网络的优化过程中,通过不断的更新形成;
对所述历史行为特征表示和所述历史语义特征表示进行级联操作,如前所述,以输出对应的历史维度级联特征表示;
基于预先确定的第二加权参数分布,对所述历史维度级联特征表示进行加权处理,以输出对应的历史维度加权特征表示,以及,基于预先确定的第二偏置参数分布,对所述历史维度加权特征表示进行偏置处理,以输出对应的历史维度偏置特征表示,并基于所述历史维度偏置特征表示,确定出对应的历史维度聚合特征表示,所述第二加权参数分布和所述第二偏置参数分布可以是作为对应神经网络的网络参数,且在神经网络的优化过程中,通过不断的更新形成。
其中,可以理解的是,在一些可行的实施方式中,所述基于所述当前维度偏置特征表示,确定出对应的当前维度聚合特征表示的步骤,可以进一步包括以下内容:对所述当前维度偏置特征表示进行非线性的激励映射处理,以得到对应的当前维度聚合特征表示,示例性地,所述非线性的激励映射处理可以通过配置的非线性的激励映射函数实现。
其中,可以理解的是,在一些可行的实施方式中,所述基于所述历史维度偏置特征表示,确定出对应的历史维度聚合特征表示的步骤,可以进一步包括以下内容:对所述历史维度偏置特征表示进行非线性的激励映射处理,以得到对应的历史维度聚合特征表示,示例性地,所述非线性的激励映射处理可以通过配置的非线性的激励映射函数实现。
可以理解的是,在一些可行的实施方式中,所述基于所述目标代表特征表示,分析出所述第一行为特征信息对应的第一行为代表信息的步骤,可以进一步包括以下内容:
将所述目标代表特征表示进行代表信息的预测操作,以预测出每一个行为代表片段的可能性参数,示例性地,每一个行为代表片段可以是在对应的神经网络在网络优化的过程中依据的样本数据的数据标签,所述样本数据可以是样本行为特征信息,所述数据标签可以是样本行为代表信息;
基于每一个所述行为代表片段的可能性参数,确定出至少一个行为代表片段,以形成所述第一行为特征信息对应的第一行为代表信息,示例性地,可以将对应的可能性参数最大的一个或多个行为代表片段,作为所述第一行为特征信息对应的第一行为代表信息。
可以理解的是,在一些可行的实施方式中,所述将所述目标代表特征表示进行代表信息的预测操作,以预测出每一个行为代表片段的可能性参数的步骤,可以进一步包括以下内容:
利用特征预测网络,将所述目标代表特征表示进行特征还原操作,以输出对应的还原特征表示,示例性地,所述特征还原操作可以包括上采样;
分析出所述目标代表特征表示包括的每一个特征表示和所述还原特征表示包括的每一个还原特征表示参数之间的匹配关系;基于所述目标代表特征表示包括的每一个特征表示和每一个所述还原特征表示参数之间的匹配关系,分析出所述目标代表特征表示包括的每一个特征表示相对于每一个所述还原特征表示参数具有的影响力评估参数;基于所述目标代表特征表示包括的每一个特征表示和所述目标代表特征表示包括的每一个特征表示相对于每一个所述还原特征表示参数具有的影响力评估参数,确定出目标代表语义特征表示,如前参照前文的相关描述;
基于所述还原特征表示和所述目标代表语义特征表示,确定出每一个行为代表片段对应的可能性参数。
其中,可以理解的是,在一些可行的实施方式中,所述基于所述还原特征表示和所述目标代表语义特征表示,确定出每一个行为代表片段对应的可能性参数的步骤,可以进一步包括以下内容:
将所述还原特征表示和所述目标代表语义特征表示进行特征表示的聚合操作,以输出对应的目标级联特征表示,如前相关描述;
将所述目标级联特征表示进行特征表示参数的映射操作,以输出每一个行为代表片段对应的可能性参数,示例性地,在特征空间中,可以具有每一个行为代表片段对应的中心特征表示,所述中心特征表示基于对应的行为代表片段对应的各样本行为特征信息对应的特征表示确定,然后,可以计算所述目标级联特征表示与每一个行为代表片段对应的中心特征表示之间的相似度,如此,可以得到每一个行为代表片段对应的可能性参数。
其中,可以理解的是,在一些可行的实施方式中,上述描述中的步骤S130,可以进一步包括以下内容:
确定出所述第二行为特征信息对应的第二历史行为特征信息,所述第二历史行为特征信息用于反映所述第二对比用户历史的行为信息;将所述第二行为特征信息进行特征挖掘处理,以挖掘出所述第二行为特征信息对应的第二当前行为特征表示,以及,将所述第二历史行为特征信息进行特征挖掘处理,以挖掘出所述第二历史行为特征信息对应的第二历史行为特征表示;基于所述第二当前行为特征表示和所述第二历史行为特征表示,分析出所述第二当前行为特征表示包括的每一个当前特征表示参数和所述第二历史行为特征表示包括的每一个历史特征表示参数之间的匹配关系;基于每一个当前特征表示参数和每一个历史特征表示参数之间的匹配关系,输出依据所述第二历史行为特征表示来反映所述第二当前行为特征表示的第二当前语义特征表示,以及,输出依据所述第二当前行为特征表示来反映所述第二历史行为特征表示的第二历史语义特征表示;依据所述第二当前语义特征表示和所述第二历史语义特征表示,分析出所述第二当前行为特征表示和所述第二历史行为特征表示之间的第二匹配特征表示;依据所述第二当前行为特征表示、所述第二历史行为特征表示和所述第二匹配特征表示,分析出所述第二行为特征信息对应的第二行为代表信息。
结合图3,本发明实施例还提供一种基于加密特征分析的数据比对装置,可应用于上述基于加密特征分析的数据比对系统。其中,所述基于加密特征分析的数据比对装置可以包括:
行为特征信息确定模块,用于获取到第一对比用户对应的第一加密行为特征信息,并获取到第二对比用户对应的第二加密行为特征信息,以及,对所述第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对所述第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息,所述第一行为特征信息用于反映所述第一对比用户当前的行为信息,所述第二行为特征信息用于反映所述第二对比用户当前的行为信息,所述第一行为特征信息和所述第二行为特征信息的数据形式一致,都属于图像数据或语音数据;
第一代表信息挖掘模块,用于对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息,所述第一行为代表信息用于概述所述第一对比用户当前的行为信息;
第二代表信息挖掘模块,用于对所述第二行为特征信息进行代表信息的挖掘处理,以挖掘出所述第二行为特征信息对应的第二行为代表信息,所述第二行为代表信息用于概述所述第二对比用户当前的行为信息;
信息对比分析模块,用于对所述第一行为代表信息和所述第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果,所述目标对比分析结果用于反映所述第一对比用户和所述第二对比用户在行为维度的相关性或差异性,如相关程度和差异程度。
综上所述,本发明提供的基于加密特征分析的数据比对方法及系统,可以先对第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息;对第一行为特征信息进行代表信息的挖掘处理,以挖掘出第一行为特征信息对应的第一行为代表信息;对第二行为特征信息进行代表信息的挖掘处理,以挖掘出第二行为特征信息对应的第二行为代表信息;对第一行为代表信息和第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果。基于此,由于在进行信息对比分析之前,先分别对第一行为特征信息和第二行为特征信息进行了代表信息的挖掘处理,使得在进行信息对比分析时,可以对挖掘出的行为代表信息进行信息对比分析,如此,可以在一定程度上降低原始的行为特征信息中的无效信息在信息对比分析过程中产生的干扰程度,从而可以在一定程度上提高数据对比分析的可靠度,进而改善现有技术中关于数据对比分析的可靠度不佳的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于加密特征分析的数据比对方法,其特征在于,包括:
获取到第一对比用户对应的第一加密行为特征信息,并获取到第二对比用户对应的第二加密行为特征信息,以及,对所述第一加密行为特征信息进行解密处理,以输出对应的第一行为特征信息,并对所述第二加密行为特征信息进行解密处理,以输出对应的第二行为特征信息,所述第一行为特征信息用于反映所述第一对比用户当前的行为信息,所述第二行为特征信息用于反映所述第二对比用户当前的行为信息,所述第一行为特征信息和所述第二行为特征信息的数据形式一致,都属于图像数据或语音数据;
对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息,所述第一行为代表信息用于概述所述第一对比用户当前的行为信息;
对所述第二行为特征信息进行代表信息的挖掘处理,以挖掘出所述第二行为特征信息对应的第二行为代表信息,所述第二行为代表信息用于概述所述第二对比用户当前的行为信息;
对所述第一行为代表信息和所述第二行为代表信息进行信息对比分析,以输出对应的目标对比分析结果,所述目标对比分析结果用于反映所述第一对比用户和所述第二对比用户在行为维度的相关性或差异性。
2.如权利要求1所述的基于加密特征分析的数据比对方法,其特征在于,所述对所述第一行为特征信息进行代表信息的挖掘处理,以挖掘出所述第一行为特征信息对应的第一行为代表信息的步骤,包括:
确定出所述第一行为特征信息对应的历史行为特征信息,所述历史行为特征信息用于反映所述第一对比用户历史的行为信息;
将所述第一行为特征信息进行特征挖掘处理,以挖掘出所述第一行为特征信息对应的当前行为特征表示,以及,将所述历史行为特征信息进行特征挖掘处理,以挖掘出所述历史行为特征信息对应的历史行为特征表示;
基于所述当前行为特征表示和所述历史行为特征表示,分析出所述当前行为特征表示包括的每一个当前特征表示参数和所述历史行为特征表示包括的每一个历史特征表示参数之间的匹配关系;
基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,输出依据所述历史行为特征表示来反映所述当前行为特征表示的当前语义特征表示,以及,输出依据所述当前行为特征表示来反映所述历史行为特征表示的历史语义特征表示;
依据所述当前语义特征表示和所述历史语义特征表示,分析出所述当前行为特征表示和所述历史行为特征表示之间的匹配特征表示;
依据所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,分析出所述第一行为特征信息对应的第一行为代表信息。
3.如权利要求2所述的基于加密特征分析的数据比对方法,其特征在于,所述将所述第一行为特征信息进行特征挖掘处理,以挖掘出所述第一行为特征信息对应的当前行为特征表示,以及,将所述历史行为特征信息进行特征挖掘处理,以挖掘出所述历史行为特征信息对应的历史行为特征表示的步骤,包括:
利用第一特征挖掘网络,将所述第一行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述第一行为特征信息对应的当前行为特征表示,该行为空间映射结果通过将所述第一行为特征信息中的一个当前用户行为进行特征空间的映射形成;
利用第二特征挖掘网络,将所述历史行为特征信息对应的每一个行为空间映射结果进行特征挖掘,以输出所述历史行为特征信息对应的历史行为特征表示,该行为空间映射结果通过将所述历史行为特征信息中的一个历史用户行为进行特征空间的映射形成。
4.如权利要求2所述的基于加密特征分析的数据比对方法,其特征在于,所述基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,输出依据所述历史行为特征表示来反映所述当前行为特征表示的当前语义特征表示,以及,输出依据所述当前行为特征表示来反映所述历史行为特征表示的历史语义特征表示的步骤,包括:
基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,分析出每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,并分析出每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数;
基于每一个所述历史特征表示参数和每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数,分析输出对应的当前语义特征表示;
基于每一个所述当前特征表示参数和每一个所述当前特征表示参数相对于每一个所述历史特征表示参数具有的影响力评估参数,分析输出对应的历史语义特征表示。
5.如权利要求4所述的基于加密特征分析的数据比对方法,其特征在于,所述基于每一个所述当前特征表示参数和每一个所述历史特征表示参数之间的匹配关系,分析出每一个所述历史特征表示参数相对于每一个所述当前特征表示参数具有的影响力评估参数的步骤,包括:
第一历史特征表示参数为任意一个历史特征表示参数,第一当前特征表示参数为任意一个当前特征表示参数,对于所述第一历史特征表示参数相对于所述第一当前特征表示参数具有的影响力评估参数,该影响力评估参数的计算过程,包括:
对所述第一当前特征表示参数和所述第一历史特征表示参数之间的匹配关系表征的匹配值进行指数运算,以输出第一指数值;
对于每一个所述当前特征表示参数,对该当前特征表示参数和所述第一历史特征表示参数之间的匹配关系表征的匹配值进行指数运算,以输出该当前特征表示参数对应的第二指数值;
对每一个所述当前特征表示参数对应的第二指数值进行叠加运算,以输出总的第二指数值,以及,基于所述第一指数值和所述总的第二指数值,确定出所述第一历史特征表示参数相对于所述第一当前特征表示参数具有的影响力评估参数,所述影响力评估参数和所述第一指数值之间具有正相关的对应关系,所述影响力评估参数和所述总的第二指数值之间具有负相关的对应关系。
6.如权利要求2所述的基于加密特征分析的数据比对方法,其特征在于,所述依据所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,分析出所述第一行为特征信息对应的第一行为代表信息的步骤,包括:
基于所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,融合输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示;
基于所述目标代表特征表示,分析出所述第一行为特征信息对应的第一行为代表信息。
7.如权利要求6所述的基于加密特征分析的数据比对方法,其特征在于,所述基于所述当前行为特征表示、所述历史行为特征表示和所述匹配特征表示,融合输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示的步骤,包括:
对所述当前行为特征表示和所述当前语义特征表示进行特征表示的聚合操作,以输出对应的当前维度聚合特征表示,以及,对所述历史行为特征表示和所述历史语义特征表示进行特征表示的聚合操作,以输出对应的历史维度聚合特征表示,所述匹配特征表示包括所述当前语义特征表示和所述历史语义特征表示;
将所述当前维度聚合特征表示和所述历史维度聚合特征表示进行级联操作,以输出所述第一行为特征信息和所述历史行为特征信息对应的目标代表特征表示。
8.如权利要求7所述的基于加密特征分析的数据比对方法,其特征在于,所述对所述当前行为特征表示和所述当前语义特征表示进行特征表示的聚合操作,以输出对应的当前维度聚合特征表示,以及,对所述历史行为特征表示和所述历史语义特征表示进行特征表示的聚合操作,以输出对应的历史维度聚合特征表示的步骤,包括:
对所述当前行为特征表示和所述当前语义特征表示进行级联操作,以输出对应的当前维度级联特征表示;
基于预先确定的第一加权参数分布,对所述当前维度级联特征表示进行加权处理,以输出对应的当前维度加权特征表示,以及,基于预先确定的第一偏置参数分布,对所述当前维度加权特征表示进行偏置处理,以输出对应的当前维度偏置特征表示,并基于所述当前维度偏置特征表示,确定出对应的当前维度聚合特征表示;
对所述历史行为特征表示和所述历史语义特征表示进行级联操作,以输出对应的历史维度级联特征表示;
基于预先确定的第二加权参数分布,对所述历史维度级联特征表示进行加权处理,以输出对应的历史维度加权特征表示,以及,基于预先确定的第二偏置参数分布,对所述历史维度加权特征表示进行偏置处理,以输出对应的历史维度偏置特征表示,并基于所述历史维度偏置特征表示,确定出对应的历史维度聚合特征表示。
9.如权利要求6所述的基于加密特征分析的数据比对方法,其特征在于,所述基于所述目标代表特征表示,分析出所述第一行为特征信息对应的第一行为代表信息的步骤,包括:
将所述目标代表特征表示进行代表信息的预测操作,以预测出每一个行为代表片段的可能性参数;以及,基于每一个所述行为代表片段的可能性参数,确定出至少一个行为代表片段,以形成所述第一行为特征信息对应的第一行为代表信息;
其中,所述将所述目标代表特征表示进行代表信息的预测操作,以预测出每一个行为代表片段的可能性参数的步骤,包括:
利用特征预测网络,将所述目标代表特征表示进行特征还原操作,以输出对应的还原特征表示;分析出所述目标代表特征表示包括的每一个特征表示和所述还原特征表示包括的每一个还原特征表示参数之间的匹配关系;基于所述目标代表特征表示包括的每一个特征表示和每一个所述还原特征表示参数之间的匹配关系,分析出所述目标代表特征表示包括的每一个特征表示相对于每一个所述还原特征表示参数具有的影响力评估参数;基于所述目标代表特征表示包括的每一个特征表示和所述目标代表特征表示包括的每一个特征表示相对于每一个所述还原特征表示参数具有的影响力评估参数,确定出目标代表语义特征表示;基于所述还原特征表示和所述目标代表语义特征表示,确定出每一个行为代表片段对应的可能性参数。
10.一种基于加密特征分析的数据比对系统,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以实现权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310083097.6A CN116702220A (zh) | 2023-02-08 | 2023-02-08 | 基于加密特征分析的数据比对方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310083097.6A CN116702220A (zh) | 2023-02-08 | 2023-02-08 | 基于加密特征分析的数据比对方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116702220A true CN116702220A (zh) | 2023-09-05 |
Family
ID=87839864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310083097.6A Pending CN116702220A (zh) | 2023-02-08 | 2023-02-08 | 基于加密特征分析的数据比对方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116702220A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150271A (zh) * | 2023-09-08 | 2023-12-01 | 南京栖西科技有限公司 | 一种通信路径的匹配方法及系统 |
-
2023
- 2023-02-08 CN CN202310083097.6A patent/CN116702220A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150271A (zh) * | 2023-09-08 | 2023-12-01 | 南京栖西科技有限公司 | 一种通信路径的匹配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220327409A1 (en) | Real Time Detection of Cyber Threats Using Self-Referential Entity Data | |
US20200389495A1 (en) | Secure policy-controlled processing and auditing on regulated data sets | |
CN109558748B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN110457912B (zh) | 数据处理方法、装置和电子设备 | |
CN113240505B (zh) | 图数据的处理方法、装置、设备、存储介质及程序产品 | |
CN112685799B (zh) | 设备指纹生成方法、装置、电子设备和计算机可读介质 | |
CN115603973B (zh) | 基于政务信息网络的异构安全监测方法及系统 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN115412370B (zh) | 车辆通信数据检测方法、装置、电子设备和可读介质 | |
CN116702220A (zh) | 基于加密特征分析的数据比对方法及系统 | |
CN117729027A (zh) | 异常行为检测方法、装置、电子设备及存储介质 | |
CN115314268B (zh) | 基于流量指纹和行为的恶意加密流量检测方法和系统 | |
CN112688897A (zh) | 一种流量识别的方法、装置、存储介质及电子设备 | |
CN111245815A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
Thomas et al. | Comparative analysis of dimensionality reduction techniques on datasets for zero-day attack vulnerability | |
CN111815442B (zh) | 一种链接预测的方法、装置和电子设备 | |
CN112087448A (zh) | 安全日志提取方法、装置和计算机设备 | |
CN115631448B (zh) | 一种音视频质检处理方法及系统 | |
CN117194525A (zh) | 针对多源业务数据的数据分析方法及系统 | |
CN117236617B (zh) | 一种企业业务管理方法及系统 | |
CN117593096B (zh) | 产品信息智能推送方法、装置、电子设备和计算机介质 | |
CN116708023B (zh) | 流量异常检测方法、装置、电子设备和可读存储介质 | |
US20240195841A1 (en) | System and method for manipulation of secure data | |
CN114944962B (zh) | 一种数据安全防护方法及系统 | |
CN117201183A (zh) | 一种互联网设备的安全访问方法及系统 |
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 |