CN117421307A - 基于大数据分析的企业管理数据治理系统及方法 - Google Patents
基于大数据分析的企业管理数据治理系统及方法 Download PDFInfo
- Publication number
- CN117421307A CN117421307A CN202311732856.3A CN202311732856A CN117421307A CN 117421307 A CN117421307 A CN 117421307A CN 202311732856 A CN202311732856 A CN 202311732856A CN 117421307 A CN117421307 A CN 117421307A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- browsing
- browsing behavior
- behavior
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000007726 management method Methods 0.000 title claims abstract description 60
- 238000013523 data management Methods 0.000 title claims abstract description 25
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 230000006399 behavior Effects 0.000 claims abstract description 304
- 230000002159 abnormal effect Effects 0.000 claims abstract description 103
- 241000239290 Araneae Species 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000009471 action Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 23
- 239000003016 pheromone Substances 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 241000271039 Agkistrodon Species 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000006378 damage Effects 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 5
- 241000356457 Salticidae Species 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 208000014674 injury Diseases 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000028327 secretion Effects 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 2
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000011002 quantification Methods 0.000 abstract description 3
- 230000008520 organization Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008786 sensory perception of smell Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及企业数据管理的技术领域，且公开了基于大数据分析的企业管理数据治理系统及方法，所述系统包括用户数据浏览行为感知模块、用户数据浏览权限管理模块、用户非正常数据浏览行为管理模块、用户数据浏览行为处理模块；通过用户数据日浏览权限更新次数数据量化判定用户能否执行数据浏览行为，实现用户数据浏览自主检测；在线采集数据浏览者浏览过程的行为特征并与非正常数据浏览行为特征使用跳蛛优化算法进行图像特征匹配，智能分析出数据使用者的行为类型，实现企业数据使用者异常行为特征在线识别，有效保证企业数据治理效率和安全性。
Description
技术领域
本发明涉及企业数据管理的技术领域，具体为基于大数据分析的企业管理数据治理系统及方法。
背景技术
数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用。实现数据有效管理的关键是数据组织；数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用。实现数据有效管理的关键是数据组织。随着计算机技术的发展，数据管理经历了人工管理、文件系统、数据库系统三个发展阶段。在数据库系统中所建立的数据结构，更充分地描述了数据间的内在联系，便于数据修改、更新与扩充，同时保证了数据的独立性、可靠、安全性与完整性，减少了数据冗余，故提高了数据共享程度及数据管理效率；其中数据库管理主要是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。
随着信息技术的进步，管理信息系统将面向大规模的组织提供业务支持，不仅要覆盖整个组织的各类业务，而且要覆盖整个组织。作为管理信息系统的核心功能，数据管理将要进入一个新的阶段，即面向数据应用的数据管理，数据管理主要应用于企业，产品在销售、设计、制造、仓储、物流、售后过程涉及海量数据，为此企业数据管理成为企业正常运行的基石，尤其对于企业数据安全管理，目前的企业数据安全管理主要依靠限制浏览权限以及记录数据浏览、数据拷贝操作信息来保证企业核心数据的安全，然而单独通过软件层保护企业数据安全，仍然存在安全隐患，用户依然可以拍摄设备在浏览企业数据过程中获取企业核心数据，现有的企业管理无法对用户浏览过程中采用拍摄设备获取企业核心数据行为特征进行采集识别，也不能结合用户浏览企业数据行为特征智能调整用户的浏览权限，增加企业数据管理安全风险。
中国专利公开号CN116976891A，公开了一种金融数据安全管理系统、装置及其方法，采用在交易终端机中设置PUF芯片来确保交易终端机的唯一性，并根据挑战值和响应值的匹配来确定交易终端机的唯一身份，实现交易终端机的合法性认证，以及，在交易终端机在被验证合法后，通过交易终端机和客户端分别获取第一验证信息和第二验证信息，进行被监护人和监护人的双重身份认证，最终实现了通过交易终端机、被监护人和监护人的三重认证，确保了金融支付的安全性，然而违法人员可以通过使用被监护人和监护人的操作客户端和交易终端机完成金融支付，金融数据安全管理系统未能对客户端和交易终端机的使用人员进行特征采集识别，增加金融数据安全管理系统安全风险。
发明内容
（一）解决的技术问题
为解决上述用户依然可以拍摄设备在浏览企业数据过程中获取企业核心数据，现有的企业管理无法对用户浏览过程中采用拍摄设备获取企业核心数据行为特征进行采集识别，也不能结合用户浏览企业数据行为特征智能调整用户的浏览权限，增加企业数据管理安全风险的问题，实现以上对数据使用人员进行使用状态监控、智能更新数据浏览权限、增加企业数据安全的目的。
（二）技术方案
本发明通过以下技术方案予以实现：基于大数据分析的企业管理数据治理方法，所述方法包括如下步骤：
S1、分别采集用户数据浏览行为指令数据、用户身份数据；
S2、依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据；
S3、依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为；
S4、当用户执行数据浏览行为，在线采集用户数据浏览行为特征图像数据；
S5、将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为；
S6、依据用户非正常数据浏览行为或用户正常数据浏览行为，分别采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户或更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行分类处理。
优选的，所述分别采集用户数据浏览行为指令数据、用户身份数据的操作步骤如下：
S11、当用户通过身份账号进入企业数据库，通过企业数据库管理系统分别获取用户数据浏览行为指令数据，用户身份数据/>，所述用户身份数据包括用户的名字、岗位信息、员工编号信息。
优选的，所述依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据的操作步骤如下：
S21、获取用户数据浏览行为指令数据和用户身份数据/>；
S22、建立用户数据日浏览权限次数数据集合，；其中/>表示员工编号为/>的员工所属的用户数据日浏览权限次数数据，表示员工编号的最大值，所述用户数据日浏览权限次数数据/>的数值大小根据员工岗位职能级别设定，员工岗位职能级别越高对应的数据日浏览权限次数越多；
S23、当数据库管理系统检测到用户数据浏览行为指令数据，采用K-D树最邻近搜索算法依据员工编号/>将用户身份数据/>与用户数据日浏览权限次数数据集合/>中的用户数据日浏览权限次数数据/>进行数据匹配，获取并生成用户数据日浏览权限更新次数数据/>。
优选的，所述依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为的操作步骤如下：
S31、获取用户数据日浏览权限更新次数数据；
S32、将获取的用户数据日浏览权限更新次数数据进行数值大小判断，当/>≥1，则允许用户执行数据浏览行为，当/>﹤1，则静止用户执行数据浏览行为。
优选的，所述当用户执行数据浏览行为，在线采集用户数据浏览行为特征图像数据的操作步骤如下：
S41、使用云拍摄镜头在线采集用户浏览数据过程的用户数据浏览行为特征图像数据并建立矩阵，/>；其中/>表示拍摄的第/>个用户数据浏览行为特征图像数据，/>表示用户数据浏览行为特征图像数据数量的最大值。
优选的，所述将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为的操作步骤如下：
S51、获取用户数据浏览行为特征图像数据矩阵；
S52、构建用户非正常数据浏览行为特征图像数据矩阵，；其中/>表示第/>个用户非正常数据浏览行为特征图像数据，/>表示用户非正常数据浏览行为特征图像数据数量的最大值，所述用户非正常数据浏览行为特征包括使用手机、微型摄像头、平板拍摄浏览的数据行为、手动记录浏览的数据行为；
S53、采用图像识别算法将用户数据浏览行为特征图像数据矩阵中用户数据浏览行为特征图像数据/>与用户非正常数据浏览行为特征图像数据矩阵/>中用户非正常数据浏览行为特征图像数据/>进行遍历匹配，所述图像识别算法执行用户数据浏览行为特征图像数据/>与用户非正常数据浏览行为特征图像数据/>遍历匹配的操作步骤如下：
步骤一、初始化算法最大迭代次数并执行迫害过程，当跳蛛不属于跳跃捕捉猎物的距离内时，即跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索与用户数据浏览行为特征图像数据/>匹配的用户非正常数据浏览行为特征图像数据/>，跳蛛会通过一些隐藏的动作靠近，直到达到可以跳跃捕捉猎物的距离，迫害策略可以用匀速直线运动公式表示/>，其中为跟随跳蛛/>的位置，/>是时间，/>是初始速度，/>是加速度，算法每次迭代可以认为是一段时间，设置每次迭代时间为1，初始速度设置为0，因此匀速直线运动公式为/>，其中/>代表跳蛛个体/>迭代后的新位置，/>代表跳蛛个体/>当前位置，/>为随机选择跳蛛个体/>的位置，和/>分别为个体当前位置向量和随机选择个体的位置向量；
步骤二、执行跳上猎物过程，跳蛛跟着猎物向它扑去，即跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索匹配的用户非正常数据浏览行为特征图像数据，跳蛛的狩猎策略向猎物跳跃可以表示为抛射运动；
步骤三、执行搜索猎物过程，跳蛛在周围环境中进行随机搜索，跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索与用户数据浏览行为特征图像数据/>匹配的用户非正常数据浏览行为特征图像数据/>，以找到猎物，使用局部搜索和全局搜索，其中局部搜索公式为/>，其中/>代表跳蛛个体/>迭代后的新位置向量，/>是最优跳蛛个体位置向量，walk是(-2,2）之间的均匀随机数，/>是（0,1）之间的随机数，全局搜索公式为/>，其中/>代表个体迭代后的新位置向量，/>是最优跳蛛个体位置向量，/>是最差跳蛛个体位置向量，/>是[0，1]之间的柯西随机数；
步骤四、执行信息素分泌过程，信息素是由跳蛛个体产生并分泌到外部的化学物质，它们是同一物种的其他个体感知的嗅觉，它们引起行为改变，跳蛛信息素在求偶交配中，起着显著的作用，信息素计算公式为，pheromone（i）为个体的信息素，/>为最大适应度值，/>为最小适应度值，Fitness（i）为当前个体适应度值，当个体的信息素≤0.3时采用下式进行更新：，其中/>是搜索个体位置向量，/>是最优跳蛛个体位置向量，/>，/>是随机选择的两个不相同的跳蛛个体，σ∈{0,1}；
步骤五，当算法满足最大迭代次数后，输出用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据/>的匹配结果；
S54、当与/>匹配成功，则输出用户数据浏览行为是用户非正常数据浏览行为；
当与/>未匹配成功，则输出用户数据浏览行为是用户正常数据浏览行为。
优选的，所述依据用户非正常数据浏览行为或用户正常数据浏览行为，分别采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户或更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行分类处理的操作步骤如下：
S61、当输出用户数据浏览行为是用户非正常数据浏览行为，采用将用户数据日浏览权限次数数据集合中员工编号为/>的用户数据日浏览权限次数数据/>减少/>并通过语音警告，其中/>取值为(0,1）内随机数；
当输出用户数据浏览行为是用户正常数据浏览行为，采用将用户数据日浏览权限次数数据集合中员工编号为/>的用户数据日浏览权限次数数据/>增加/>，其中/>取值为（0,1）内随机数。
实现如所述基于大数据分析的企业管理数据治理方法的系统，所述系统包括用户数据浏览行为感知模块、用户数据浏览权限管理模块、用户非正常数据浏览行为管理模块、用户数据浏览行为处理模块；
所述用户数据浏览行为感知模块包括用户数据浏览动作采集单元、用户身份数据采集单元；
所述用户数据浏览动作采集单元，使用企业数据库管理系统采集用户数据浏览行为指令数据；所述用户身份数据采集单元，使用企业数据库管理系统采集用户身份数据；
所述用户数据浏览权限管理模块包括用户数据日浏览权限次数存储单元、用户数据日浏览权限次数监测单元、用户数据浏览行为执行判定单元；
所述用户数据日浏览权限次数存储单元，用于存储用户数据日浏览权限次数数据；所述用户数据日浏览权限次数监测单元，依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据；所述用户数据浏览行为执行判定单元，依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为；
所述用户非正常数据浏览行为管理模块包括用户数据浏览行为采集单元、用户非正常数据浏览行为存储单元、用户数据浏览行为分析识别单元；
所述用户数据浏览行为采集单元，用于当用户执行数据浏览行为，使用云拍摄镜头在线采集用户数据浏览行为特征图像数据；所述用户非正常数据浏览行为存储单元，用于存储用户非正常数据浏览行为特征图像数据；所述用户数据浏览行为分析识别单元，将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为；
所述用户数据浏览行为处理模块包括用户非正常数据浏览行为处理单元、用户正常数据浏览行为处理单元；
所述用户非正常数据浏览行为处理单元，依据用户非正常数据浏览行为，采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户的方式对用户数据浏览行为进行处理；所述用户正常数据浏览行为处理单元，依据用户正常数据浏览行为，采用更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行处理。
（三）有益效果
本发明提供了基于大数据分析的企业管理数据治理系统及方法。具备以下有益效果：
一、通过用户数据浏览动作采集单元和用户身份数据采集单元相互配合通过企业数据库管理系统精确及时获取用户浏览数据指令和用户身份数据，实现对数据使用者精确监控；用户数据日浏览权限次数监测单元使用用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，科学分析出用户数据日浏览次数，实现不用数据使用者的精准控制，保障了企业数据安全性。
二、通过用户数据浏览行为执行判定单元依据用户数据日浏览权限更新次数数据量化判定用户能否执行数据浏览行为，实现用户数据浏览自主检测；用户数据浏览行为采集单元和用户数据浏览行为分析识别单元相互配合在线采集数据浏览者浏览过程的行为特征并与非正常数据浏览行为特征使用跳蛛优化算法进行图像特征匹配，智能分析出数据使用者的行为类型，实现企业数据使用者异常行为特征在线识别，有效保证企业数据治理效率和安全性。
三、通过用户非正常数据浏览行为处理单元依旧用户非正常数据浏览行为，采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户的方式对用户数据浏览行为进行处理，通过改变日浏览权限实现对非正常数据使用者在线惩罚和警示；用户正常数据浏览行为处理单元依据用户正常数据浏览行为，采用更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行处理，通过增加数据日浏览权限次数，有助推动企业数据安全使用，降低企业数据管理风险。
附图说明
图1为本发明提供的基于大数据分析的企业管理数据治理系统各个功能模块的组成图；
图2为图1所示基于大数据分析的企业管理数据治理系统的方法的运行结构图。
具体实施方式
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做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。
该基于大数据分析的企业管理数据治理系统及方法的实施例如下：
请参阅图1－图2，基于大数据分析的企业管理数据治理方法，方法包括如下步骤：
S1、分别采集用户数据浏览行为指令数据、用户身份数据；
S2、依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据；
S3、依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为；
S4、当用户执行数据浏览行为，在线采集用户数据浏览行为特征图像数据；
S5、将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为；
S6、依据用户非正常数据浏览行为或用户正常数据浏览行为，分别采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户或更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行分类处理。
进一步的，请参阅图1－图2，分别采集用户数据浏览行为指令数据、用户身份数据的操作步骤如下：
S11、当用户通过身份账号进入企业数据库，通过企业数据库管理系统分别获取用户数据浏览行为指令数据，用户身份数据/>，用户身份数据包括用户的名字、岗位信息、员工编号信息。
依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据的操作步骤如下：
S21、获取用户数据浏览行为指令数据和用户身份数据/>；
S22、建立用户数据日浏览权限次数数据集合，；其中/>表示员工编号为/>的员工所属的用户数据日浏览权限次数数据，表示员工编号的最大值，用户数据日浏览权限次数数据/>的数值大小根据员工岗位职能级别设定，员工岗位职能级别越高对应的数据日浏览权限次数越多；
S23、当数据库管理系统检测到用户数据浏览行为指令数据，采用K-D树最邻近搜索算法依据员工编号/>将用户身份数据/>与用户数据日浏览权限次数数据集合/>中的用户数据日浏览权限次数数据/>进行数据匹配，获取并生成用户数据日浏览权限更新次数数据/>。
依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为的操作步骤如下：
S31、获取用户数据日浏览权限更新次数数据；
S32、将获取的用户数据日浏览权限更新次数数据进行数值大小判断，当/>≥1，则允许用户执行数据浏览行为，当/>﹤1，则静止用户执行数据浏览行为。
通过用户数据浏览动作采集单元和用户身份数据采集单元相互配合通过企业数据库管理系统精确及时获取用户浏览数据指令和用户身份数据，实现对数据使用者精确监控；用户数据日浏览权限次数监测单元使用用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，科学分析出用户数据日浏览次数，实现不用数据使用者的精准控制，保障了企业数据安全性。
进一步的，请参阅图1－图2，当用户执行数据浏览行为，在线采集用户数据浏览行为特征图像数据的操作步骤如下：
S41、使用云拍摄镜头在线采集用户浏览数据过程的用户数据浏览行为特征图像数据并建立矩阵，/>；其中/>表示拍摄的第/>个用户数据浏览行为特征图像数据，/>表示用户数据浏览行为特征图像数据数量的最大值。
将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为的操作步骤如下：
S51、获取用户数据浏览行为特征图像数据矩阵；
S52、构建用户非正常数据浏览行为特征图像数据矩阵，；其中/>表示第/>个用户非正常数据浏览行为特征图像数据，/>表示用户非正常数据浏览行为特征图像数据数量的最大值，用户非正常数据浏览行为特征包括使用手机、微型摄像头、平板拍摄浏览的数据行为、手动记录浏览的数据行为；
S53、采用图像识别算法将用户数据浏览行为特征图像数据矩阵中用户数据浏览行为特征图像数据/>与用户非正常数据浏览行为特征图像数据矩阵/>中用户非正常数据浏览行为特征图像数据/>进行遍历匹配，图像识别算法执行用户数据浏览行为特征图像数据/>与用户非正常数据浏览行为特征图像数据/>遍历匹配的操作步骤如下：
步骤一、初始化算法最大迭代次数并执行迫害过程，当跳蛛不属于跳跃捕捉猎物的距离内时，即跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索与用户数据浏览行为特征图像数据/>匹配的用户非正常数据浏览行为特征图像数据/>，跳蛛会通过一些隐藏的动作靠近，直到达到可以跳跃捕捉猎物的距离，迫害策略可以用匀速直线运动公式表示/>，其中为跟随跳蛛/>的位置，/>是时间，/>是初始速度，是加速度，算法每次迭代可以认为是一段时间，设置每次迭代时间为1，初始速度设置为0，因此匀速直线运动公式为/>，其中/>代表跳蛛个体/>迭代后的新位置，/>代表跳蛛个体/>当前位置，/>为随机选择跳蛛个体/>的位置，/>和/>分别为个体当前位置向量和随机选择个体的位置向量；
步骤二、执行跳上猎物过程，跳蛛跟着猎物向它扑去，即跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索匹配的用户非正常数据浏览行为特征图像数据，跳蛛的狩猎策略向猎物跳跃可以表示为抛射运动；
步骤三、执行搜索猎物过程，跳蛛在周围环境中进行随机搜索，跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索与用户数据浏览行为特征图像数据/>匹配的用户非正常数据浏览行为特征图像数据/>，以找到猎物，使用局部搜索和全局搜索，其中局部搜索公式为/>，其中/>代表跳蛛个体/>迭代后的新位置向量，/>是最优跳蛛个体位置向量，walk是(-2,2）之间的均匀随机数，/>是（0,1）之间的随机数，全局搜索公式为/>，其中/>代表个体迭代后的新位置向量，/>是最优跳蛛个体位置向量，/>是最差跳蛛个体位置向量，/>是[0，1]之间的柯西随机数；
步骤四、执行信息素分泌过程，信息素是由跳蛛个体产生并分泌到外部的化学物质，它们是同一物种的其他个体感知的嗅觉，它们引起行为改变，跳蛛信息素在求偶交配中，起着显著的作用，信息素计算公式为，pheromone（i）为个体的信息素，/>为最大适应度值，/>为最小适应度值，Fitness（i）为当前个体适应度值，当个体的信息素≤0.3时采用下式进行更新：，其中/>是搜索个体位置向量，/>是最优跳蛛个体位置向量，/>，/>是随机选择的两个不相同的跳蛛个体，σ∈{0,1}；
步骤五，当算法满足最大迭代次数后，输出用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据/>的匹配结果；
S54、当与/>匹配成功，则输出用户数据浏览行为是用户非正常数据浏览行为；
当与/>未匹配成功，则输出用户数据浏览行为是用户正常数据浏览行为。
通过用户数据浏览行为执行判定单元依据用户数据日浏览权限更新次数数据量化判定用户能否执行数据浏览行为，实现用户数据浏览自主检测；用户数据浏览行为采集单元和用户数据浏览行为分析识别单元相互配合在线采集数据浏览者浏览过程的行为特征并与非正常数据浏览行为特征使用跳蛛优化算法进行图像特征匹配，智能分析出数据使用者的行为类型，实现企业数据使用者异常行为特征在线识别，有效保证企业数据治理效率和安全性。
进一步的，请参阅图1－图2，依据用户非正常数据浏览行为或用户正常数据浏览行为，分别采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户或更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行分类处理的操作步骤如下：
S61、当输出用户数据浏览行为是用户非正常数据浏览行为，采用将用户数据日浏览权限次数数据集合中员工编号为/>的用户数据日浏览权限次数数据/>减少/>并通过语音警告，其中/>取值为(0,1）内随机数；
当输出用户数据浏览行为是用户正常数据浏览行为，采用将用户数据日浏览权限次数数据集合中员工编号为/>的用户数据日浏览权限次数数据/>增加/>，其中/>取值为（0,1）内随机数。
通过用户非正常数据浏览行为处理单元依旧用户非正常数据浏览行为，采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户的方式对用户数据浏览行为进行处理，通过改变日浏览权限实现对非正常数据使用者在线惩罚和警示；用户正常数据浏览行为处理单元依据用户正常数据浏览行为，采用更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行处理，通过增加数据日浏览权限次数，有助推动企业数据安全使用，降低企业数据管理风险。
实现如基于大数据分析的企业管理数据治理方法的系统，系统包括用户数据浏览行为感知模块、用户数据浏览权限管理模块、用户非正常数据浏览行为管理模块、用户数据浏览行为处理模块；
用户数据浏览行为感知模块包括用户数据浏览动作采集单元、用户身份数据采集单元；
用户数据浏览动作采集单元，使用企业数据库管理系统采集用户数据浏览行为指令数据；用户身份数据采集单元，使用企业数据库管理系统采集用户身份数据；
用户数据浏览权限管理模块包括用户数据日浏览权限次数存储单元、用户数据日浏览权限次数监测单元、用户数据浏览行为执行判定单元；
用户数据日浏览权限次数存储单元，用于存储用户数据日浏览权限次数数据；用户数据日浏览权限次数监测单元，依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据；用户数据浏览行为执行判定单元，依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为；
用户非正常数据浏览行为管理模块包括用户数据浏览行为采集单元、用户非正常数据浏览行为存储单元、用户数据浏览行为分析识别单元；
用户数据浏览行为采集单元，用于当用户执行数据浏览行为，使用云拍摄镜头在线采集用户数据浏览行为特征图像数据；用户非正常数据浏览行为存储单元，用于存储用户非正常数据浏览行为特征图像数据；用户数据浏览行为分析识别单元，将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为；
用户数据浏览行为处理模块包括用户非正常数据浏览行为处理单元、用户正常数据浏览行为处理单元；
用户非正常数据浏览行为处理单元，依据用户非正常数据浏览行为，采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户的方式对用户数据浏览行为进行处理；用户正常数据浏览行为处理单元，依据用户正常数据浏览行为，采用更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行处理。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.基于大数据分析的企业管理数据治理方法，其特征在于，所述方法包括如下步骤：
S1、分别采集用户数据浏览行为指令数据、用户身份数据；
S2、依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据；
S3、依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为；
S4、当用户执行数据浏览行为，在线采集用户数据浏览行为特征图像数据；
S5、将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为；
S6、依据用户非正常数据浏览行为或用户正常数据浏览行为，分别采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户或更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行分类处理。
2.根据权利要求1所述的基于大数据分析的企业管理数据治理方法，其特征在于：所述分别采集用户数据浏览行为指令数据、用户身份数据的操作步骤如下：
S11、当用户通过身份账号进入企业数据库，通过企业数据库管理系统分别获取用户数据浏览行为指令数据，用户身份数据/>，所述用户身份数据包括用户的名字、岗位信息、员工编号信息。
3.根据权利要求2所述的基于大数据分析的企业管理数据治理方法，其特征在于：所述依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据的操作步骤如下：
S21、获取用户数据浏览行为指令数据和用户身份数据/>；
S22、建立用户数据日浏览权限次数数据集合，/>；其中/>表示员工编号为/>的员工所属的用户数据日浏览权限次数数据，/>表示员工编号的最大值，所述用户数据日浏览权限次数数据/>的数值大小根据员工岗位职能级别设定，员工岗位职能级别越高对应的数据日浏览权限次数越多；
S23、当数据库管理系统检测到用户数据浏览行为指令数据，采用K-D树最邻近搜索算法依据员工编号/>将用户身份数据/>与用户数据日浏览权限次数数据集合中的用户数据日浏览权限次数数据/>进行数据匹配，获取并生成用户数据日浏览权限更新次数数据/>。
4.根据权利要求3所述的基于大数据分析的企业管理数据治理方法，其特征在于：所述依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为的操作步骤如下：
S31、获取用户数据日浏览权限更新次数数据；
S32、将获取的用户数据日浏览权限更新次数数据进行数值大小判断，当/>≥1，则允许用户执行数据浏览行为，当/>﹤1，则静止用户执行数据浏览行为。
5.根据权利要求4所述的基于大数据分析的企业管理数据治理方法，其特征在于：所述当用户执行数据浏览行为，在线采集用户数据浏览行为特征图像数据的操作步骤如下：
S41、使用云拍摄镜头在线采集用户浏览数据过程的用户数据浏览行为特征图像数据并建立矩阵，/>；其中/>表示拍摄的第/>个用户数据浏览行为特征图像数据，/>表示用户数据浏览行为特征图像数据数量的最大值。
6.根据权利要求5所述的基于大数据分析的企业管理数据治理方法，其特征在于：所述将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为的操作步骤如下：
S51、获取用户数据浏览行为特征图像数据矩阵；
S52、构建用户非正常数据浏览行为特征图像数据矩阵，；其中/>表示第/>个用户非正常数据浏览行为特征图像数据，/>表示用户非正常数据浏览行为特征图像数据数量的最大值，所述用户非正常数据浏览行为特征包括使用手机、微型摄像头、平板拍摄浏览的数据行为、手动记录浏览的数据行为；
S53、采用图像识别算法将用户数据浏览行为特征图像数据矩阵中用户数据浏览行为特征图像数据/>与用户非正常数据浏览行为特征图像数据矩阵/>中用户非正常数据浏览行为特征图像数据/>进行遍历匹配，所述图像识别算法执行用户数据浏览行为特征图像数据/>与用户非正常数据浏览行为特征图像数据/>遍历匹配的操作步骤如下：
步骤一、初始化算法最大迭代次数并执行迫害过程，当跳蛛不属于跳跃捕捉猎物的距离内时，即跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索与用户数据浏览行为特征图像数据/>匹配的用户非正常数据浏览行为特征图像数据/>，跳蛛会通过一些隐藏的动作靠近，直到达到可以跳跃捕捉猎物的距离，迫害策略可以用匀速直线运动公式表示/>，其中为跟随跳蛛/>的位置，/>是时间，/>是初始速度，/>是加速度，算法每次迭代可以认为是一段时间，设置每次迭代时间为1，初始速度设置为0，因此匀速直线运动公式为
，其中/>代表跳蛛个体/>迭代后的新位置，/>代表跳蛛个体/>当前位置，/>为随机选择跳蛛个体/>的位置，/>和/>分别为个体当前位置向量和随机选择个体的位置向量；
步骤二、执行跳上猎物过程，跳蛛跟着猎物向它扑去，即跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索匹配的用户非正常数据浏览行为特征图像数据/>，跳蛛的狩猎策略向猎物跳跃可以表示为抛射运动；
步骤三、执行搜索猎物过程，跳蛛在周围环境中进行随机搜索，跳蛛个体在用户非正常数据浏览行为特征图像数据矩阵空间搜索与用户数据浏览行为特征图像数据/>匹配的用户非正常数据浏览行为特征图像数据/>，以找到猎物，使用局部搜索和全局搜索，其中局部搜索公式为/>，其中/>代表跳蛛个体/>迭代后的新位置向量，/>是最优跳蛛个体位置向量，walk是(-2,2）之间的均匀随机数，/>是（0,1）之间的随机数，全局搜索公式为/>，其中/>代表个体迭代后的新位置向量，/>是最优跳蛛个体位置向量，/>是最差跳蛛个体位置向量，/>是[0，1]之间的柯西随机数；
步骤四、执行信息素分泌过程，信息素是由跳蛛个体产生并分泌到外部的化学物质，它们是同一物种的其他个体感知的嗅觉，它们引起行为改变，跳蛛信息素在求偶交配中，起着显著的作用，信息素计算公式为，pheromone（i）为个体的信息素，/>为最大适应度值，/>为最小适应度值，Fitness（i）为当前个体适应度值，当个体的信息素≤0.3时采用下式进行更新：，其中/>是搜索个体位置向量，/>是最优跳蛛个体位置向量，/>，/>是随机选择的两个不相同的跳蛛个体，σ∈{0,1}；
步骤五，当算法满足最大迭代次数后，输出用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据/>的匹配结果；
S54、当与/>匹配成功，则输出用户数据浏览行为是用户非正常数据浏览行为；
当与/>未匹配成功，则输出用户数据浏览行为是用户正常数据浏览行为。
7.根据权利要求6所述的基于大数据分析的企业管理数据治理方法，其特征在于：所述依据用户非正常数据浏览行为或用户正常数据浏览行为，分别采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户或更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行分类处理的操作步骤如下：
S61、当输出用户数据浏览行为是用户非正常数据浏览行为，采用将用户数据日浏览权限次数数据集合中员工编号为/>的用户数据日浏览权限次数数据/>减少/>并通过语音警告，其中/>取值为(0,1）内随机数；
当输出用户数据浏览行为是用户正常数据浏览行为，采用将用户数据日浏览权限次数数据集合中员工编号为/>的用户数据日浏览权限次数数据/>增加/>，其中/>取值为（0,1）内随机数。
8.实现如根据权利要求1-7中任意一项所述的基于大数据分析的企业管理数据治理方法的系统，其特征在于：所述系统包括用户数据浏览行为感知模块、用户数据浏览权限管理模块、用户非正常数据浏览行为管理模块、用户数据浏览行为处理模块；
所述用户数据浏览行为感知模块包括用户数据浏览动作采集单元、用户身份数据采集单元；
所述用户数据浏览动作采集单元，使用企业数据库管理系统采集用户数据浏览行为指令数据；所述用户身份数据采集单元，使用企业数据库管理系统采集用户身份数据；
所述用户数据浏览权限管理模块包括用户数据日浏览权限次数存储单元、用户数据日浏览权限次数监测单元、用户数据浏览行为执行判定单元；
所述用户数据日浏览权限次数存储单元，用于存储用户数据日浏览权限次数数据；所述用户数据日浏览权限次数监测单元，依据用户数据浏览行为指令数据和用户身份数据与用户数据日浏览权限次数数据按照用户身份进行数据检索，输出用户数据日浏览权限更新次数数据；所述用户数据浏览行为执行判定单元，依据用户数据日浏览权限更新次数数据判定用户能否执行数据浏览行为；
所述用户非正常数据浏览行为管理模块包括用户数据浏览行为采集单元、用户非正常数据浏览行为存储单元、用户数据浏览行为分析识别单元；
所述用户数据浏览行为采集单元，用于当用户执行数据浏览行为，使用云拍摄镜头在线采集用户数据浏览行为特征图像数据；所述用户非正常数据浏览行为存储单元，用于存储用户非正常数据浏览行为特征图像数据；所述用户数据浏览行为分析识别单元，将用户数据浏览行为特征图像数据与用户非正常数据浏览行为特征图像数据使用图像识别算法进行图像特征匹配，判断并输出用户非正常数据浏览行为或用户正常数据浏览行为；
所述用户数据浏览行为处理模块包括用户非正常数据浏览行为处理单元、用户正常数据浏览行为处理单元；
所述用户非正常数据浏览行为处理单元，依据用户非正常数据浏览行为，采用更新减少用户所属的用户数据日浏览权限次数数据及警告用户的方式对用户数据浏览行为进行处理；所述用户正常数据浏览行为处理单元，依据用户正常数据浏览行为，采用更新增加用户所属的用户数据日浏览权限次数数据的方式对用户数据浏览行为进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311732856.3A CN117421307A (zh) | 2023-12-18 | 2023-12-18 | 基于大数据分析的企业管理数据治理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311732856.3A CN117421307A (zh) | 2023-12-18 | 2023-12-18 | 基于大数据分析的企业管理数据治理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117421307A true CN117421307A (zh) | 2024-01-19 |
Family
ID=89530518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311732856.3A Pending CN117421307A (zh) | 2023-12-18 | 2023-12-18 | 基于大数据分析的企业管理数据治理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117421307A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070172155A1 (en) * | 2006-01-21 | 2007-07-26 | Elizabeth Guckenberger | Photo Automatic Linking System and method for accessing, linking, and visualizing "key-face" and/or multiple similar facial images along with associated electronic data via a facial image recognition search engine |
| CN109962922A (zh) * | 2019-04-04 | 2019-07-02 | 北京网聘咨询有限公司 | 关于简历的反ats行为的处理方法及系统 |
| CN112153068A (zh) * | 2020-09-28 | 2020-12-29 | 黄谦 | 一种物联网设备访问权限安全管理方法 |
| CN114003943A (zh) * | 2021-12-31 | 2022-02-01 | 北京国信网联科技有限公司 | 一种用于机房托管管理的安全双控管理平台 |
| CN114598520A (zh) * | 2022-03-03 | 2022-06-07 | 平安付科技服务有限公司 | 资源访问控制的方法、装置、设备及存储介质 |
| CN115292294A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市海豚网络信息科技有限公司 | 一种数据库安全管理方法和系统 |
| CN117058801A (zh) * | 2023-09-13 | 2023-11-14 | 宋海舰 | 一种安全智慧门禁监测方法及系统 |
-
2023
- 2023-12-18 CN CN202311732856.3A patent/CN117421307A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070172155A1 (en) * | 2006-01-21 | 2007-07-26 | Elizabeth Guckenberger | Photo Automatic Linking System and method for accessing, linking, and visualizing "key-face" and/or multiple similar facial images along with associated electronic data via a facial image recognition search engine |
| CN109962922A (zh) * | 2019-04-04 | 2019-07-02 | 北京网聘咨询有限公司 | 关于简历的反ats行为的处理方法及系统 |
| CN112153068A (zh) * | 2020-09-28 | 2020-12-29 | 黄谦 | 一种物联网设备访问权限安全管理方法 |
| CN114003943A (zh) * | 2021-12-31 | 2022-02-01 | 北京国信网联科技有限公司 | 一种用于机房托管管理的安全双控管理平台 |
| CN114598520A (zh) * | 2022-03-03 | 2022-06-07 | 平安付科技服务有限公司 | 资源访问控制的方法、装置、设备及存储介质 |
| CN115292294A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市海豚网络信息科技有限公司 | 一种数据库安全管理方法和系统 |
| CN117058801A (zh) * | 2023-09-13 | 2023-11-14 | 宋海舰 | 一种安全智慧门禁监测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 智能算法研学社（JACK旭）: ""智能优化算法：跳蛛优化算法"", 《HTTPS://BLOG.CSDN.NET/U011835903/ARTICLE/DETAILS/123832349?OPS_REQUEST_MISC=%257B%2522REQUEST%255FID%2522%253A%2522170643561416777224427223%2522%252C%2522SCM%2522%253A%252220140713.130102334..%2522%257D&REQUEST_ID=170643561416777224427223&BIZ_ID=0&U, 29 March 2022 (2022-03-29), pages 1 - 3 * |
| 智能算法研学社（JACK旭）: ""智能优化算法：跳蛛优化算法"", pages 1 - 3, Retrieved from the Internet <URL:https://blog.csdn.net/u011835903/article/details/123832349?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170643561416777224427223%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=170643561416777224427223&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-2-123832349-null-null.142^v99^pc_search_result_base1&utm_term=%E8%B7%B3%E8%9B%9B&spm=1018.2226.3001.4187> * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008903B (zh) | 人脸识别方法、装置、系统、存储介质和人脸支付方法 | |
| CN109635872A (zh) | 身份识别方法、电子设备及计算机程序产品 | |
| US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
| CN109033440A (zh) | 一种视频侦查多维轨迹分析方法 | |
| CN108269331A (zh) | 一种智能视频大数据处理系统 | |
| CN110855648B (zh) | 一种网络攻击的预警控制方法及装置 | |
| Zhao et al. | Recognition of Transportation State by Smartphone Sensors Using Deep Bi‐LSTM Neural Network | |
| CN113011889B (zh) | 账号异常识别方法、系统、装置、设备及介质 | |
| CN110705476A (zh) | 数据分析方法、装置、电子设备和计算机存储介质 | |
| CN112131325A (zh) | 轨迹确定方法、装置及设备、存储介质 | |
| CN108292408A (zh) | 检测web跟踪服务的方法 | |
| CN114124460B (zh) | 工控系统入侵检测方法、装置、计算机设备及存储介质 | |
| CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
| WO2018005755A1 (en) | Incident response analytic maps | |
| CN110727805A (zh) | 社区知识图谱构建方法及系统 | |
| CN110909195A (zh) | 基于区块链的图片标注方法、装置及存储介质、服务器 | |
| CN110851621A (zh) | 基于知识图谱预测视频精彩级别的方法、装置及存储介质 | |
| CN114841705B (zh) | 一种基于场景识别的反欺诈监测方法 | |
| CN113239792A (zh) | 一种大数据分析处理系统和方法 | |
| Anand et al. | Clustering of big data in cloud environments for smart applications | |
| Rytsarev et al. | Clustering of social media content with the use of BigData technology | |
| CN112560711B (zh) | 非机动车交通违法判定方法、系统、装置及存储介质 | |
| CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
| CN117421307A (zh) | 基于大数据分析的企业管理数据治理系统及方法 | |
| CN111325186A (zh) | 视频处理方法、装置、介质及系统 |
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 |