CN116796371B - 一种客户数据安全信息分级处理系统 - Google Patents
一种客户数据安全信息分级处理系统 Download PDFInfo
- Publication number
- CN116796371B CN116796371B CN202311071648.3A CN202311071648A CN116796371B CN 116796371 B CN116796371 B CN 116796371B CN 202311071648 A CN202311071648 A CN 202311071648A CN 116796371 B CN116796371 B CN 116796371B
- Authority
- CN
- China
- Prior art keywords
- data
- preset
- client
- analysis
- complexity
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 76
- 238000004458 analytical method Methods 0.000 claims abstract description 114
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims description 43
- 235000019580 granularity Nutrition 0.000 claims description 32
- 230000002452 interceptive effect Effects 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- Computer And Data Communications (AREA)
Abstract
本发明涉及信息安全技术领域,尤其涉及一种客户数据安全信息分级处理系统,该分级处理系统包括数据规则库模块、客户数据收集模块、客户数据处理模块和客户数据分析模块,客户数据分析模块包括用以根据所述客户数据的数据复杂度确定对所述客户数据的分析方式的分析确定单元,用以根据相应分析方式分析得到的数据结果与所述数据规则库模块中的预设数据规则进行匹配的匹配度确定单元,用以根据预设历史周期内的客户交易往来确定是否调整分级处理过程的调整单元,以及用以对所述客户数据进行分级的分级处理单元;本发明解决了现有技术在数据安全信息分级处理过程中数据处理过程精度难以控制的问题。
Description
技术领域
本发明涉及信息安全技术领域,尤其涉及一种客户数据安全信息分级处理系统。
背景技术
客户数据作为企业进行客户管理重点环节,其对于企业和关联客户尤其重要,需要企业对客户数据进行精益管理,其中就包括客户数据的安全信息管理,为了实现精益管理,企业必须对客户数据进行分级分类处理以使能够更好的管理,互联网作为现代企业和客户沟通交流的主要通道,在沟通交流过程中数据传输均是通过互联网进行,而互联网的安全性则是企业管理客户数据的重中之重,为了能够使企业能够安全便捷的对客户数据进行管理,则需要对客户数据进行精细化的分析处理以对客户数据进行分级管理。
中国专利公开号:CN115829712A公开了一种数据信息安全分级方法及装置,应用于人工智能技术领域,其中该方法包括:获取系统中所有数据项字段在词典中的释义;根据所述释义,得到每个数据项字段对应的特征向量;从全部数据项字段中采样,得到样本数据项字段;对样本数据项字段进行交叉标注,获得样本数据项字段的分值,并根据所述分值获得样本数据项字段的分级结果;将每个样本数据项字段的特征向量和分级结果,组成数据集;通过数据集中的数据训练获得安全级别分类模型,所述安全级别分类模型用于对数据项进行安全级别分类;将所有数据项字段输入所述安全级别分类模型,获得所有数据项字段的分类结果。本发明可以保证信息安全,保证银行系统的稳定可靠运行;由此可见,现有技术的数据安全信息分级处理过程复杂,在数据安全信息分级处理过程中数据处理过程精度难以控制,导致数据的安全性低的问题。
发明内容
为此,本发明提供一种客户数据安全信息分级处理系统,用以克服现有技术中数据安全信息分级处理过程复杂,在数据安全信息分级处理过程中数据处理过程精度难以控制,导致数据的安全性低的问题。
为实现上述目的,本发明提供一种客户数据安全信息分级处理系统,包括:
数据规则库模块,其内存储有对客户数据的进行分级的若干预设数据规则;
客户数据收集模块,其用以采集与客户交易往来的客户端中的若干往来数据;
客户数据处理模块,其与所述客户数据收集模块连接,所述客户数据处理模块包括用以将所述客户数据进行整合的数据整合单元和用以将整合完成的所述客户数据进行重点数据提取的数据提取单元;
客户数据分析模块,其分别与所述数据规则库模块和所述数据处理模块连接,所述客户数据分析模块包括用以根据所述客户数据的数据复杂度确定对所述客户数据的分析方式的分析确定单元,用以根据相应分析方式分析得到的数据结果与所述数据规则库模块中的预设数据规则进行匹配的匹配度确定单元,用以根据预设历史周期内的客户交易往来确定是否调整分级处理过程的调整单元,以及用以对所述客户数据进行分级的分级处理单元;
其中,所述匹配度确定对应分析方式下,将所述客户数据的分析结果中敏感数据比例和需加密的数据比例与所述数据规则库模块中的若干所述预设数据规则进行匹配,以确定所述客户数据与若干所述预设数据规则的数据匹配度,以使所述分级处理单元根据所述数据匹配度确定对所述客户数据进行分级处理。
进一步地,所述分析确定单元在预设触发条件下,根据所述客户数据的复杂度和预设复杂度的比对结果确定对所述客户数据的若干分析方式,其中若干所述分析方式包括在所述复杂度小于等于预设复杂度条件下的第一分析方式和在所述复杂度大于预设复杂度条件下的第二分析方式;
其中,预设触发条件为所述客户端的客户交易往来达到单个数据处理周期,所述第一分析方式为确定对所述客户数据分析时的字符间隔,所述第二分析方式为确定对所述客户数据分析时的数据粒度。
进一步地,所述分析确定单元在第一分析方式下,根据当前客户交易往来的交互数据量与若干次历史交易的数据量均值的交互数据量比值和预设交互数据量比值的比对结果确定对所述客户数据分析时提取所述客户数据的若干字符间隔,其中若干所述字符间隔包括在所述交互数据量比值小于等于预设交互数据量比值条件下的第一字符间隔和在所述交互数据量比值大于预设交互数据量比值条件下的第一字符间隔。
进一步地,所述分析确定单元在第二分析方式下,计算所述复杂度与预设复杂度的复杂度差值,以根据该复杂度差值和预设复杂度差值的比对结果确定对所述客户数据分析时的若干数据粒度,其中若干所述数据粒度包括在所述复杂度差值小于等于预设复杂度差值条件下的第一数据粒度和在所述复杂度差值大于预设复杂度差值条件下的第二数据粒度。
进一步地,所述匹配度确定单元在对应分析方式下,将所述客户数据的分析结果与若干预设数据规则进行匹配;其中,若干预设数据规则包括第一预设数据规则和第二预设数据规则,且所述第一预设数据规则为确定相应分析方式下得到的所述客户数据中敏感数据比例大于第一预设比例且需要加密的数据比例大于第一预设比例;所述第一预设数据规则为确定相应分析方式下得到的所述客户数据中敏感数据比例大于第二预设比例且需要加密的数据比例大于第二预设比例。
进一步地,所述匹配度确定单元在对应分析方式下,根据所述客户数据的分析结果与所述第一预设数据规则和所述第二预设数据规则的比对结果确定所述客户数据的分析结果与各所述预设数据规则下的数据匹配度。
进一步地,所述调整单元在对应分析方式下根据若干历史周期内客户交易往来的往来信息的平均频次与若干历史周期内往来总次数的比值和往来信息关联节点数与节点总数的比值之和确定客户的密切程度评价值,以在所述密切程度评价值大于预设密切程度评价值条件下确定是否对当前分级处理过程进行调整。
进一步地,所述调整单元在确定对相应分析方式调整条件下,计算所述密切程度评价值和预设密切程度评价值的密切程度差异值,以根据该密切程度差异值和预设密切程度差异值的比对结果确定对当前分级处理过程的若干调整方式,其中若干调整方式包括对匹配度系数进行调整的第一调整方式和对字符间隔或数据粒度进行调整的第二调整方式,其中匹配度系数为设置在预设数据规则库中用以计算所述客户数据与预设数据规则的数据匹配度。
进一步地,所述调整单元在第一调整方式下,根据当前客户交易往来周期与前一客户交易往来周期的密切度评价值的变化确定对各所述预设数据规则中的匹配度系数进行调整,并在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值小于预设比值条件下根据调节系数对所述匹配度系数进行调整,或在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值大于等于预设比值条件下根据补偿系数对所述匹配度系数进行调整。
进一步地,所述调整单元在第二调整方式下,根据当前客户交易往来周期与前一客户交易往来周期的密切度评价值的变化确定对相应分析方式进行调整,并在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值小于预设比值条件下以第一调整值对相应分析方式下的字符间隔或数据粒度进行调整,或在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值大于等于预设比值条件下以第二调整值对相应分析方式下的字符间隔或数据粒度进行调整。
与现有技术相比,本发明的有益效果在于,本发明通过对企业与客户交易往来的客户端的数据进行整合并进行重点数据提取,以使客户数据分析模块对整合的客户数据和提取的重点数据进行分析,从而根据分析得到的数据结果与数据规则库模块中的若干预设数据规则进行匹配,以根据匹配结果确定对客户交易往来的客户数据进行分级处理,降低了数据安全信息分级处理过程的复杂程度,以使提高数据的安全性。
进一步地,本发明通过对客户数据复杂度进行确定,以使分析确定单元根据客户数据的复杂度确定对应的分析方式进行分析,并在对应分析方式下分别以字符间隔作为分析基准或以数据粒度作为分析基准,实现对客户数据的灵活分析,以使提高对数据安全信息分级处理过程中的数据处理精度,提高数据的安全性。
进一步地,本发明通过在相应分析方式下,根据当前客户交易往来的交互数据量与若干次历史交易的数据量均值的交互数据量比值与预设比值进行比较,以确定提取客户数据时的字符间隔,通过间隔提取数据能在保证数据分析的准确性的同时提高数据处理的效率,通过不同的比对结果确定不同的字符间隔,以使精准控制数据分析时提取的数据量,从而提高数据分析处理的效率;或根据数据的复杂度差值与预设差值进行比较,以确定截取客户数据时的数据粒度,通过精细化的截取数据提高对客户数据进行分析时的分析精度,通过不同的比对结果确定不同的数据粒度,以使精准控制数据分析时截取的客户数据,从而提高数据分析处理的效率。
附图说明
图1为本发明实施例客户数据安全信息分级处理系统的结构示意图;
图2为本发明实施例客户数据安全信息分级处理系统中客户数据分析模块的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2所示,图1为本发明实施例客户数据安全信息分级处理系统的结构示意图;图2为本发明实施例客户数据安全信息分级处理系统中客户数据分析模块的结构示意图。
本发明实施例客户数据安全信息分级处理系统,包括:
数据规则库模块,其内存储有对客户数据的进行分级的若干预设数据规则;
客户数据收集模块,其用以采集与客户交易往来的客户端中的若干往来数据;
客户数据处理模块,其与所述客户数据收集模块连接,所述客户数据处理模块包括用以将所述客户数据进行整合的数据整合单元和用以将整合完成的所述客户数据进行重点数据提取的数据提取单元;
客户数据分析模块,其分别与所述数据规则库模块和所述数据处理模块连接,所述客户数据分析模块包括用以根据所述客户数据的数据复杂度确定对所述客户数据的分析方式的分析确定单元,用以根据相应分析方式分析得到的数据结果与所述数据规则库模块中的预设数据规则进行匹配的匹配度确定单元,用以根据预设历史周期内的客户交易往来确定是否调整分级处理过程的调整单元,以及用以对所述客户数据进行分级的分级处理单元。
本发明实施例中,重点数据包括敏感数据和需加密数据;客户交易往来的客户端包括但不限于邮箱、文件传输软件及聊天工具。
具体而言,本发明通过对企业与客户交易往来的客户端的数据进行整合并进行重点数据提取,以使客户数据分析模块对整合的客户数据和提取的重点数据进行分析,从而根据分析得到的数据结果与数据规则库模块中的若干预设数据规则进行匹配,以根据匹配结果确定对客户交易往来的客户数据进行分级处理,降低了数据安全信息分级处理过程的复杂程度,以使提高数据的安全性。
具体而言,所述分析确定单元在预设触发条件下,根据所述客户数据的复杂度F和预设复杂度F0的比对结果确定对所述客户数据的分析方式;
若F≤F0,所述分析确定单元确定以第一分析方式对所述客户数据进行分析;
若F>F0,所述分析确定单元确定以第二分析方式对所述客户数据进行分析;
其中,预设触发条件为所述客户端的客户交易往来达到单个数据处理周期,所述第一分析方式为确定对所述客户数据分析时的字符间隔,所述第二分析方式为确定对所述客户数据分析时的数据粒度。
本发明实施例中,单个数据处理周期为7d,但该周期并不限于此,本领域技术人员也可根据实际需要设置。
本发明实施例中,所述客户数据的复杂度由所述客户数据中的信息种类和对应信息种类下的数据类型确定,所述信息种类包括文字信息、图像信息、音频信息和视频信息,所述数据类型包括文字、数字、公式、语种、编译语言、编码语言、音视频解码方式、音视频格式和图像格式;
本发明实施例的一种实施方式中,所述复杂度通过所述信息种类的数量×信息种类权重系数与所述数据类型的数量×数据类型权重系数之和,预设复杂度的取值为3,即上述信息种类的数量×信息种类权重系数与数据类型的数量×数据类型权重系数之和的二分之一;但复杂度和对应预设复杂度的确定方式并不限于此,本领域技术人员也可根据具体情况进行设定。
具体而言,本发明通过对客户数据复杂度进行确定,以使分析确定单元根据客户数据的复杂度确定对应的分析方式进行分析,并在对应分析方式下分别以字符间隔作为分析基准或以数据粒度作为分析基准,实现对客户数据的灵活分析,以使提高对数据安全信息分级处理过程中的数据处理精度,提高数据的安全性。
具体而言,所述分析确定单元在第一分析方式下,根据当前客户交易往来的交互数据量与若干次历史交易的数据量均值的交互数据量比值U和预设交互数据量比值U0的比对结果确定对所述客户数据分析时提取所述客户数据的字符间隔;
若U≤U0,所述分析确定单元确定以第一字符间隔对所述客户数据进行分析;
若U>U0,所述分析确定单元确定以第二字符间隔对所述客户数据进行分析。
本发明实施例中,预设交互数据量比值的取值为1,第一字符间隔为5个字符,第二字符间隔为3,可以理解的是,本实时例中的字符间隔的取值并不限于次,本领域技术人员可根据实际情况对该字符间隔进行设定,本发明对此不作限定。
具体而言,本发明通过在第一分析方式下,根据当前客户交易往来的交互数据量与若干次历史交易的数据量均值的交互数据量比值与预设比值进行比较,以确定提取客户数据时的字符间隔,通过间隔提取数据能在保证数据分析的准确性的同时提高数据处理的效率,通过不同的比对结果确定不同的字符间隔,以使精准控制数据分析时提取的数据量,从而提高数据分析处理的效率。
具体而言,所述分析确定单元在第二分析方式下,计算所述复杂度F与预设复杂度F0的差值ΔF,设定ΔF=F-F0,以根据该复杂度差值ΔF和预设复杂度差值ΔF0的比对结果确定对所述客户数据分析时的数据粒度;
若ΔF≤ΔF0,所述分析确定单元确定以第一数据粒度对所述客户数据进行分析;
若ΔF>ΔF0,所述分析确定单元确定以第一数据粒度对所述客户数据进行分析。
本发明实施例中,预设复杂度差值的取值为1.5,所述第一数据粒度下,将对应客户数据中的以每行数据截取比例为50%进行截取且以每个数据类型中截取比例为50%进行数据截取;所述第二数据粒度下,将对应客户数据中的以每行数据截取比例为70%进行截取且以每个数据类型中截取比例为70%进行数据截取。
具体而言,本发明通过在第二分析方式下,根据数据的复杂度差值与预设差值进行比较,以确定截取客户数据时的数据粒度,通过精细化的截取数据提高对客户数据进行分析时的分析精度,通过不同的比对结果确定不同的数据粒度,以使精准控制数据分析时截取的客户数据,从而提高数据分析处理的效率。
具体而言,所述匹配度确定单元在对应分析方式下,将所述客户数据的分析结果与若干预设数据规则进行匹配;
其中,若干预设数据规则包括第一预设数据规则和第二预设数据规则,且所述第一预设数据规则为确定相应分析方式下得到的所述客户数据中敏感数据比例大于第一预设比例且需要加密的数据比例大于第一预设比例;所述第一预设数据规则为确定相应分析方式下得到的所述客户数据中敏感数据比例大于第二预设比例且需要加密的数据比例大于第二预设比例。
本发明实施例中,第一预设比例的取值为0.2,第二预设比例的取值为0.5。
具体而言,所述匹配度确定单元在对应分析方式下,根据所述客户数据的分析结果与所述第一预设数据规则和所述第二预设数据规则的比对结果确定所述客户数据的分析结果与各所述预设数据规则下的数据匹配度;
若所述分析结果中所述客户数据属于第一预设数据规则,则所述匹配度确定单元根据以下公式计算所述数据匹配度,设定所述数据匹配度=(敏感数据比例+需要加密的数据比例)/第一预设比例×第一匹配度系数;
若所述分析结果中所述客户数据属于第二预设数据规则,则所述匹配度确定单元根据以下公式计算所述数据匹配度,设定所述数据匹配度=(敏感数据比例+需要加密的数据比例)/第二预设比例×第二匹配度系数。
本发明实施例中,第一匹配度系数的取值为0.6,第二匹配度系数的取值为0.7。
具体而言,本发明通过设置若干预设的数据规则,从而将数据分析的结果与预设规则进行匹配,得到对应数据分析结果与预设数据规则的匹配度,通过该匹配度表征获得的客户数据中重点数据,以使实现对客户数据的精细化处理,提高了对客户数据处理过程的控制精度,从而提高数据分析处理的效率。
具体而言,所述调整单元在预设历史周期内根据密切程度评价值P和预设密切程度评价值P0的比对结果确定是否对当前分级处理过程进行调整;
若P≤P0,所述调整单元确定当前分级处理过程无需调整;
若P>P0,所述调整单元确定当前分级处理过程需要调整。
本发明实施例中,密切程度评价值为若干历史周期内客户交易往来的往来信息的平均频次与若干历史周期内往来总次数的比值和往来信息关联节点数与节点总数的比值之和;预设密切程度评价值为若干历史周期内往来信息的平均频次为一次与若干历史周期内往来总次数的比值和往来信息的关联节点数为一个节点总数的比值之和。
本发明实施例中,预设历史周期为客户交易往来的全部周期或部分周期,本领域技术人员也可根据实际情况进行选取,本发明对此不作限定。
具体而言,本发明通过密切程度评价值表征客户交易往来的频次,以使根据该表征结果确定是否对当前分级处理过程进行调整,确定需要进行调整时,通过计算密切程度评价值与预设密切程度评价值的差异值确定对分级处理过程的调整方式,进而实现对交易往来较少的客户数据的筛选和对交易往来较多得重要客户数据进行精细化处理,以使提高对客户数据处理过程的控制精度,从而提高数据分析处理的效率。
具体而言,所述调整单元在确定对相应分析方式调整条件下,计算所述密切程度评价值P和预设密切程度评价值P0的密切程度差异值ΔP,以根据该密切程度差异值ΔP和预设密切程度差异值ΔP0的比对结果确定对当前分级处理过程的调整方式;
若ΔP≤ΔP0,所述调整单元确定以第一调整方式对当前分级处理过程进行调整;
若ΔP>ΔP0,所述调整单元确定以第二调整方式对当前分级处理过程进行调整。
本发明实施例中,预设密切程度差异值的取值为0.1。
具体而言,所述调整单元在第一调整方式下,根据当前客户交易往来周期与前一客户交易往来周期的密切度评价值的变化确定对各所述预设数据规则中的匹配度系数进行调整;
若B<B0,所述调整单元确定以调节系数对各所述预设数据规则中的匹配度系数进行调整;
若B≥B0,所述调整单元确定以补偿系数对各所述预设数据规则中的匹配度系数进行调整;
其中,B为所述密切程度评价值的变化为当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值,B0为预设比值。
本发明实施例中,所述预设比值的取值为1,所述调节系数的取值范围为0.7~0.9;所述补偿系数的取值范围为1.1~1.3;本发明实施例的一种实时方式中,所述调节系数的取值为0.8,所述补偿系数的取值为1.2,但上述调节系数和补偿系数的取值并不限于次,本领域技术人员可根据实际需要进行设置,本发明对此不作限定。
具体而言,所述调整单元在第二调整方式下,根据当前客户交易往来周期与前一客户交易往来周期的密切度评价值的变化确定对相应分析方式进行调整;
若B<B0,所述调整单元确定以第一调整值对相应分析方式下的字符间隔或数据粒度进行调整;
若B≥B0,所述调整单元确定以第二调整值对相应分析方式下的字符间隔或数据粒度进行调整。
本发明实施例中,所述第一调整值下对应对字符间隔的调整量为增加1个字符间隔,第一调整值下对应对数据粒度的调整量为每行数据截取比例减小5%;所述第二调整值下对应对字符间隔的调整量为减少1个字符间隔,第一调整值下对应对数据粒度的调整量为每行数据截取比例增加5%。
具体而言,所述分级处理单元将对应分析得到的匹配度作为所述客户数据安全信息的分级结果,对应匹配度高则客户数据安全信息等级高。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,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 (5)
1.一种客户数据安全信息分级处理系统,其特征在于,包括:
数据规则库模块,其内存储有对客户数据进行分级的若干预设数据规则;
客户数据收集模块,其用以采集与客户交易往来的客户端中的若干往来数据;
客户数据处理模块,其与所述客户数据收集模块连接,所述客户数据处理模块包括用以将所述客户数据进行整合的数据整合单元和用以将整合完成的所述客户数据进行重点数据提取的数据提取单元;
客户数据分析模块,其分别与所述数据规则库模块和所述数据处理模块连接,所述客户数据分析模块包括用以根据所述客户数据的数据复杂度确定对所述客户数据的分析方式的分析确定单元,用以根据相应分析方式分析得到的数据结果与所述数据规则库模块中的预设数据规则进行匹配的匹配度确定单元,用以根据预设历史周期内的客户交易往来确定是否调整分级处理过程的调整单元,以及用以对所述客户数据进行分级的分级处理单元;
其中,所述匹配度确定对应分析方式下,将所述客户数据的分析结果中敏感数据比例和需加密的数据比例与所述数据规则库模块中的若干所述预设数据规则进行匹配,以确定所述客户数据与若干所述预设数据规则的数据匹配度,以使所述分级处理单元根据所述数据匹配度确定对所述客户数据进行分级处理;
所述分析确定单元在预设触发条件下,根据所述客户数据的复杂度和预设复杂度的比对结果确定对所述客户数据的若干分析方式,其中若干所述分析方式包括在所述复杂度小于等于预设复杂度条件下的第一分析方式和在所述复杂度大于预设复杂度条件下的第二分析方式;
其中,预设触发条件为所述客户端的客户交易往来达到单个数据处理周期,所述第一分析方式为确定对所述客户数据分析时的字符间隔,所述第二分析方式为确定对所述客户数据分析时的数据粒度;
所述分析确定单元在第一分析方式下,根据当前客户交易往来的交互数据量与若干次历史交易的数据量均值的交互数据量比值和预设交互数据量比值的比对结果确定对所述客户数据分析时提取所述客户数据的若干字符间隔,其中若干所述字符间隔包括在所述交互数据量比值小于等于预设交互数据量比值条件下的第一字符间隔和在所述交互数据量比值大于预设交互数据量比值条件下的第二字符间隔;
所述分析确定单元在第二分析方式下,计算所述复杂度与预设复杂度的复杂度差值,以根据该复杂度差值和预设复杂度差值的比对结果确定对所述客户数据分析时的若干数据粒度,其中若干所述数据粒度包括在所述复杂度差值小于等于预设复杂度差值条件下的第一数据粒度和在所述复杂度差值大于预设复杂度差值条件下的第二数据粒度;
所述匹配度确定单元在对应分析方式下,将所述客户数据的分析结果与若干预设数据规则进行匹配;其中,若干预设数据规则包括第一预设数据规则和第二预设数据规则,且所述第一预设数据规则为确定相应分析方式下得到的所述客户数据中敏感数据比例大于第一预设比例且需要加密的数据比例大于第一预设比例;所述第一预设数据规则为确定相应分析方式下得到的所述客户数据中敏感数据比例大于第二预设比例且需要加密的数据比例大于第二预设比例;
所述匹配度确定单元在对应分析方式下,根据所述客户数据的分析结果与所述第一预设数据规则和所述第二预设数据规则的比对结果确定所述客户数据的分析结果与各所述预设数据规则下的数据匹配度。
2.根据权利要求1所述的客户数据安全信息分级处理系统,其特征在于,所述调整单元在对应分析方式下根据若干历史周期内客户交易往来的往来信息的平均频次与若干历史周期内往来总次数的比值和往来信息关联节点数与节点总数的比值之和确定客户的密切程度评价值,以在所述密切程度评价值大于预设密切程度评价值条件下确定是否对当前分级处理过程进行调整。
3.根据权利要求2所述的客户数据安全信息分级处理系统,其特征在于,所述调整单元在确定对相应分析方式调整条件下,计算所述密切程度评价值和预设密切程度评价值的密切程度差异值,以根据该密切程度差异值和预设密切程度差异值的比对结果确定对当前分级处理过程的若干调整方式,其中若干调整方式包括对匹配度系数进行调整的第一调整方式和对字符间隔或数据粒度进行调整的第二调整方式,其中匹配度系数为设置在预设数据规则库中用以计算所述客户数据与预设数据规则的数据匹配度。
4.根据权利要求3所述的客户数据安全信息分级处理系统,其特征在于,所述调整单元在第一调整方式下,根据当前客户交易往来周期与前一客户交易往来周期的密切度评价值的变化确定对各所述预设数据规则中的匹配度系数进行调整,并在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值小于预设比值条件下根据调节系数对所述匹配度系数进行调整,或在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值大于等于预设比值条件下根据补偿系数对所述匹配度系数进行调整。
5.根据权利要求3所述的客户数据安全信息分级处理系统,其特征在于,所述调整单元在第二调整方式下,根据当前客户交易往来周期与前一客户交易往来周期的密切度评价值的变化确定对相应分析方式进行调整,并在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值小于预设比值条件下以第一调整值对相应分析方式下的字符间隔或数据粒度进行调整,或在当前客户交易往来周期内的密切程度评价值与前一客户交易往来周期内的密切程度评价值的比值大于等于预设比值条件下以第二调整值对相应分析方式下的字符间隔或数据粒度进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311071648.3A CN116796371B (zh) | 2023-08-24 | 2023-08-24 | 一种客户数据安全信息分级处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311071648.3A CN116796371B (zh) | 2023-08-24 | 2023-08-24 | 一种客户数据安全信息分级处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796371A CN116796371A (zh) | 2023-09-22 |
CN116796371B true CN116796371B (zh) | 2023-11-21 |
Family
ID=88037622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311071648.3A Active CN116796371B (zh) | 2023-08-24 | 2023-08-24 | 一种客户数据安全信息分级处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796371B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809405A (zh) * | 2015-04-24 | 2015-07-29 | 广东电网有限责任公司信息中心 | 基于分级分类的结构化数据资产防泄露方法 |
CN105045845A (zh) * | 2015-07-02 | 2015-11-11 | 浪潮(北京)电子信息产业有限公司 | 一种文档分类管理方法及装置 |
CN106682527A (zh) * | 2016-12-25 | 2017-05-17 | 北京明朝万达科技股份有限公司 | 一种基于数据分类分级的数据安全管控方法及系统 |
CN113590711A (zh) * | 2021-07-13 | 2021-11-02 | 华中科技大学 | 一种高弹性可扩展的多链数据分级共享存储系统及方法 |
CN114422227A (zh) * | 2022-01-13 | 2022-04-29 | 北京信息职业技术学院 | 一种基于网络安全的数据采集分析系统 |
CN115174840A (zh) * | 2022-09-06 | 2022-10-11 | 深圳市掌锐电子有限公司 | 基于mipi信号数据传输的控制系统 |
CN115829712A (zh) * | 2022-11-28 | 2023-03-21 | 中国银行股份有限公司 | 数据信息安全分级方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008059672A1 (fr) * | 2006-11-16 | 2008-05-22 | Sony Corporation | Dispositif de traitement d'informations |
-
2023
- 2023-08-24 CN CN202311071648.3A patent/CN116796371B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809405A (zh) * | 2015-04-24 | 2015-07-29 | 广东电网有限责任公司信息中心 | 基于分级分类的结构化数据资产防泄露方法 |
CN105045845A (zh) * | 2015-07-02 | 2015-11-11 | 浪潮(北京)电子信息产业有限公司 | 一种文档分类管理方法及装置 |
CN106682527A (zh) * | 2016-12-25 | 2017-05-17 | 北京明朝万达科技股份有限公司 | 一种基于数据分类分级的数据安全管控方法及系统 |
CN113590711A (zh) * | 2021-07-13 | 2021-11-02 | 华中科技大学 | 一种高弹性可扩展的多链数据分级共享存储系统及方法 |
CN114422227A (zh) * | 2022-01-13 | 2022-04-29 | 北京信息职业技术学院 | 一种基于网络安全的数据采集分析系统 |
CN115174840A (zh) * | 2022-09-06 | 2022-10-11 | 深圳市掌锐电子有限公司 | 基于mipi信号数据传输的控制系统 |
CN115829712A (zh) * | 2022-11-28 | 2023-03-21 | 中国银行股份有限公司 | 数据信息安全分级方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116796371A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019184557A1 (zh) | 定位根因告警的方法、装置和计算机可读存储介质 | |
US20170063893A1 (en) | Learning detector of malicious network traffic from weak labels | |
WO2005017813A2 (en) | Method and apparatus for automatic online detection and classification of anomalous objects in a data stream | |
CN110008343A (zh) | 文本分类方法、装置、设备及计算机可读存储介质 | |
EP3822860A1 (en) | Method and apparatus for training classification model, and classification method | |
EP1452944B1 (en) | Method and apparatus for biometric verification with prioritization of feature registration | |
CN113270197A (zh) | 一种基于人工智能的健康预测方法、系统及存储介质 | |
CN111159243A (zh) | 用户类型识别方法、装置、设备及存储介质 | |
CN112733954A (zh) | 一种基于生成对抗网络的异常流量检测方法 | |
CN107729940A (zh) | 一种用户话单大数据基站连接信息用户关系推定方法 | |
CN115858794B (zh) | 用于网络运行安全监测的异常日志数据识别方法 | |
US7512807B2 (en) | Method and apparatus for biometric verification with data packet transmission prioritization | |
Syarif et al. | Data mining approaches for network intrusion detection: from dimensionality reduction to misuse and anomaly detection | |
CN112884570A (zh) | 一种模型安全性的确定方法、装置和设备 | |
Mozaffari et al. | Online anomaly detection in multivariate settings | |
CN111900694A (zh) | 一种基于自动识别的继电保护设备信息采集方法及系统 | |
CN112615881A (zh) | 一种基于区块链的数据流检测系统 | |
CN116796371B (zh) | 一种客户数据安全信息分级处理系统 | |
Wan et al. | Software defect prediction based on cost-sensitive dictionary learning | |
CN116152001A (zh) | 一种基于账务数据分析的聚合支付监管系统 | |
CN116226693A (zh) | 基于密度峰值聚类的高斯混合模型核电运行工况划分方法 | |
CN115907003A (zh) | 基于度量学习的联邦学习恶意模型更新的检测方法及系统 | |
CN108830217A (zh) | 一种基于模糊均值哈希学习的签名自动判别方法 | |
CN114493820A (zh) | 适用于财务数据的关联验证式采集方法、装置及存储介质 | |
CN114493858A (zh) | 一种非法资金转移可疑交易监测方法及相关组件 |
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 |