CN117688596A - 基于人工智能的数据销毁识别处理系统及方法 - Google Patents

基于人工智能的数据销毁识别处理系统及方法 Download PDF

Info

Publication number
CN117688596A
CN117688596A CN202410157055.7A CN202410157055A CN117688596A CN 117688596 A CN117688596 A CN 117688596A CN 202410157055 A CN202410157055 A CN 202410157055A CN 117688596 A CN117688596 A CN 117688596A
Authority
CN
China
Prior art keywords
data
destruction
data destruction
standard
destruction object
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
Application number
CN202410157055.7A
Other languages
English (en)
Inventor
罗远哲
刘瑞景
李雪茹
徐盼云
陈思杰
林文强
于文志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing China Super Industry Information Security Technology Ltd By Share Ltd
Original Assignee
Beijing China Super Industry Information Security Technology Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing China Super Industry Information Security Technology Ltd By Share Ltd filed Critical Beijing China Super Industry Information Security Technology Ltd By Share Ltd
Priority to CN202410157055.7A priority Critical patent/CN117688596A/zh
Publication of CN117688596A publication Critical patent/CN117688596A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/78—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer to assure secure storage of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioethics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及数据销毁处理的技术领域，且公开了基于人工智能的数据销毁识别处理系统及方法，所述系统包括数据销毁对象确定模块、数据销毁对象重要度分析模块、数据销毁对象销毁方式分析模块；采用设置数据销毁方式参数利用智能搜索算法针对不同类型、不同重要等级的数据销毁对象匹配最安全的数据销毁方式，提高了数据销毁作业的效率和质量，保护用户数据使用的安全性；准确输出不同类型、不同重要等级的数据销毁对象的数据销毁方式并执行数据销毁作业，实现数据销毁作业的智能化和标准化。

Description

基于人工智能的数据销毁识别处理系统及方法
技术领域
本发明涉及数据销毁处理的技术领域，具体为基于人工智能的数据销毁识别处理系统及方法。
背景技术
数据销毁就是以科学的方法销毁记录数据的载体，常见的数据销毁方式分为数据覆写、数据消磁、盘体销毁三种。数据覆写是将数据写入以前存有敏感数据的存储位置的过程.硬盘上的数据都是以二进制的“0”或“1”形式存储的.使用预先定义的无意义、无规律的信息覆盖硬盘上原先存储的数据，完全覆写后就无法知道原先的数据是0还是1，也就达到了清除数据的目的。采用不同类型的数据，对要删除的数据的存储位置进行多次覆写的方法，是数据销毁的有效途径，处理后的硬盘可以循环使用，特别是需要对某一具体文件进行删除而其他文件不能破坏时，这种方法更为可取。覆写软件必须能确保对介质上所有的可寻址部分执行连续写入，如果在覆写期间发生了错误或坏扇区不能被覆写；软件本身遭到非授权修改时，处理后的硬盘仍有恢复数据的可能。不适用于有故障的硬盘或磁带，且费时较长。数据消磁操作通常借助消磁机来实现，消磁机的工作原理是对磁性存储介质施加瞬间强磁场，使介质表面的磁性颗粒极性方向发生改变，失去表示数据的意义。销毁前，硬盘盘面上的磁性颗粒沿磁道方向排列，不同的N/S极连接方向分别代表数据“0”或“1”，当对其施加足够强的磁场后，磁性颗粒就会改变成沿场强方向顺序排列，比较可以看出，经过强磁场处理过的硬盘表面完全失去了表示信息的意义。如果整个硬盘磁带上的数据不加选择的被全部销毁，消磁是一种有效的方法。消磁最突出的特点就是快捷高效，方便监控和审计，可在办公区操作。消磁后的硬盘不能直接使用，可用于保修服务或丢弃。盘体硬盘销毁通常采用物理破坏或化学腐蚀的方法把记录数据的物理载体完全破坏掉。常见的物理破坏方法有焚化、熔炼和粉碎等。物理破坏需要特定的环境和设备，且费时、费力、效果差，有污染，基本未被广泛采用。随着信息化的不断深入，数据恢复和搜索技术的迅速发展，单一僵化的数据销毁手段已不能适应时代需要，也会造成资源的严重浪费。制定科学规范的管理流程，配备合适的数据销毁设备，实行信息分级多环节处理等方式，达到信息利用与安全的完美平衡。然而数据销毁的具体销毁方式需要人为依据数据的重要程度判断采用哪种销毁方式才能达到保护数据的目的，人为判断数据重要程度受到个人经验水平影响因素较大，造成重要数据采用不合理的数据销毁方式，造成重要数据的丢失，降低数据使用的安全性。
公开号为CN113688367B的中国发明专利公开了一种远程数据销毁系统及方法，采用计算机远程管理模块，其配置在笔记本电脑上并与软件进行绑定，所述笔记本电脑配置有网卡；IoT服务器，所述IoT服务器记录有所述计算机远程管理模块的身份信息；硬盘主控芯片，所述硬盘主控芯片接收来自所述计算机远程管理模块的销毁指令并执行；软件，所述IoT服务器根据所述软件已绑定的计算机远程管理模块下发销毁指令给所述硬盘主控芯片，只要笔记本电脑有电且其所在区域内被网络信号覆盖，无论笔记本电脑是开机状态还是关机状态都可以进行数据销毁，且销毁后的数据无法恢复，避免了由于笔记本电脑丢失或笔记本电脑不受控的情况下数据泄露风险；以上技术方案不能依据待销毁数据的重要程度进行科学判断待销毁数据的销毁方式，降低了数据使用的安全性。
发明内容
（一）解决的技术问题
为解决上述数据销毁的具体销毁方式需要人为依据数据的重要程度判断采用哪种销毁方式才能达到保护数据的目的，人为判断数据重要程度受到个人经验水平影响因素较大，造成重要数据采用不合理的数据销毁方式，造成重要数据的丢失，降低数据使用的安全性的问题，实现以上对数据销毁对象进行数据重要程度判断、针对不同类型数据科学匹配不同数据销毁方式、提供数据安全性的目的。
（二）技术方案
本发明通过以下技术方案予以实现：基于人工智能的数据销毁识别处理方法，所述方法包括如下步骤：
S1、采集数据销毁对象数据和数据销毁对象存储地址数据；
S2、将所述数据销毁对象数据和所述数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出；
S3、调用所述标准数据销毁对象及存储地址确定数据并提取所述标准数据销毁对象数据；
S4、采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，分析构建出标准数据销毁对象分类特征数据；
S5、采用数据搜索算法将所述标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据；
S6、将所述标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据；
S7、依据所述标准数据销毁对象及存储地址确定数据和所述标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业。
优选的，所述采集数据销毁对象数据和数据销毁对象存储地址数据的操作步骤如下：
S11、通过深度受限搜索算法在数据存储器按照数据销毁对象所在的文件名称关键词或者文件夹名称关键词进行定向搜索、采集数据销毁对象并生成数据销毁对象数据；
通过深度受限搜索算法在数据存储器按照数据销毁对象所在的文件名称关键词或者文件夹名称关键词进行定向搜索、采集数据销毁对象急救室文件或文件夹的存储地址并生成数据销毁对象存储地址数据，所述存储地址表示数据销毁对象所在文件或文件夹在存储器内部的存储路径。
优选的，将所述数据销毁对象数据和所述数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出的操作步骤如下：
S21、采用指数滑动平均法分别对所述数据销毁对象数据和所述数据销毁对象存储地址数据/>进行数据降噪处理后生成标准数据销毁对象数据/>和标准数据销毁对象存储地址数据/>；
S22、将所述标准数据销毁对象数据和所述标准数据销毁对象存储地址数据/>进行组合生成标准数据销毁对象及存储地址确定数据集合/>；
S23、将所述标准数据销毁对象及存储地址确定数据集合通过显示屏进行反馈输出。
优选的，所述调用所述标准数据销毁对象及存储地址确定数据并提取所述标准数据销毁对象数据的操作步骤如下：
S31、调用所述标准数据销毁对象及存储地址确定数据集合并提取所述标准数据销毁对象及存储地址确定数据集合/>中的所述标准数据销毁对象数据/>。
优选的，所述采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，分析构建出标准数据销毁对象分类特征数据的操作步骤如下：
S41、建立数据销毁对象分类特征数据集合；其中/>表示数据销毁对象分类特征数据为普通类型数据销毁对象，所述普通类型数据销毁对象包括日常行政文档、办公数据中至少一种；
表示数据销毁对象分类特征数据为重要类型数据销毁对象，所述重要类型数据销毁对象包括业务数据、客户信息、员工个人信息中至少一种；
表示数据销毁对象分类特征数据为重大类型数据销毁对象，所述重大类型数据销毁对象包括商业重要信息、核心技术资料、财务信息中至少一种；
S42、采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据集合/>中数据销毁对象分类特征数据/>至/>按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，所述数据搜索算法搜索所述分类特征的操作步骤如下：
S421、初始化算法最大迭代次数T，初始化分类特征搜索秃鹰种群数据N；
S422、计算标准数据销毁对象数据与数据销毁对象分类特征数据集合/>中数据销毁对象分类特征数据/>至/>的适应度值；
S423、分类特征搜索秃鹰选择搜索空间，更新分类特征搜索秃鹰在数据销毁对象分类特征数据集合搜索空间中的位置，分类特征搜索秃鹰随机选择在数据销毁对象分类特征数据集合/>搜索空间中的搜索区域，通过判断猎物数目来确定最佳位置，即在数据销毁对象分类特征数据集合/>搜索空间中判断所述数据销毁对象分类特征数据的数目来确定与所述标准数据销毁对象数据/>最匹配的所述数据销毁对象分类特征数据的位置，计算分类特征搜索秃鹰在数据销毁对象分类特征数据集合/>搜索空间中的更新位置公式为/>，其中/>表示控制分类特征搜索秃鹰在数据销毁对象分类特征数据集合/>搜索空间中的位置变化参数，/>取值范围为（1.5,2)；/>表示（0,1）的随机数；/>表示分类特征搜索秃鹰个体/>在更新后在数据销毁对象分类特征数据集合/>搜索空间中的位置；/>表示当前分类特征搜索秃鹰搜索确定的在数据销毁对象分类特征数据集合/>搜索空间中的最佳位置；/>表示更新前后分类特征搜索秃鹰搜索确定的在数据销毁对象分类特征数据集合/>搜索空间中的平均分布位置；/>表示当前分类特征搜索秃鹰个体/>在数据销毁对象分类特征数据集合/>搜索空间中的位置；
S424、分类特征搜索秃鹰在搜索空间搜索猎物，即分类特征搜索秃鹰在数据销毁对象分类特征数据集合搜索空间中搜索与标准数据销毁对象数据/>匹配的所述数据销毁对象分类特征数据；分类特征搜索秃鹰在数据销毁对象分类特征数据集合/>搜索空间中的选定搜索空间内以螺旋形状飞行搜索猎物，加速搜索进程，寻找最佳俯冲捕获位置并更新位置，分类特征搜索秃鹰搜索猎物更新位置公式为，其中/>和/>分别表示分类特征搜索秃鹰个体/>采用极坐标表示的在数据销毁对象分类特征数据集合/>搜索空间中位置，/>表示当前分类特征搜索秃鹰个体/>在数据销毁对象分类特征数据集合/>搜索空间中的位置；
S425、俯冲捕获猎物，分类特征搜索秃鹰在数据销毁对象分类特征数据集合的搜索空间的最佳位置快速俯冲飞向目标数据销毁对象分类特征数据猎物，分类特征搜索秃鹰种群其他个体也同时向最佳位置移动并攻击数据销毁对象分类特征数据猎物并更新位置；分类特征搜索秃鹰俯冲捕获猎物更新位置公式为/>，其中为（0，1）内随机数，/>和/>分别表示分类特征搜索秃鹰个体采用极坐标表示的在数据销毁对象分类特征数据集合/>搜索空间中位置因子；
S426、当算法满足最大迭代次数，则输出与所述标准数据销毁对象数据最匹配的所述数据销毁对象分类特征数据，否则重复执行S422步骤至S426步骤；
S43、将S426步骤中输出的所述数据销毁对象分类特征数据标识生成标准数据销毁对象分类特征数据。
优选的，所述采用数据搜索算法将所述标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据的操作步骤如下：
S51、建立数据销毁对象重要度数据集合，其中/>表示普通类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为一级；
表示重要类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为二级；
表示重大类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为三级；
S52、采用如S42步骤中的数据搜索算法将所述标准数据销毁对象分类特征数据与所述数据销毁对象重要度数据集合/>中数据销毁对象重要度数据/>至/>按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据/>。
优选的，将所述标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据的操作步骤如下：
S61、建立数据销毁对象重要度及销毁方式数据集合
，其中
表示数据销毁对象重要度为/>对应的数据销毁方式为覆写法，所述覆写法表示采用其他数据对数据销毁对象进行数据覆写；
表示数据销毁对象重要度为/>对应的数据销毁方式为消磁法，所述消磁法表示采用消磁设备对存储数据销毁对象的存储器进行消磁；
表示数据销毁对象重要度为/>对应的数据销毁方式为先采用消磁法后采用捣碎法；所述捣碎法表示采用物理方式对存储数据销毁对象的存储器进行物理捣碎；
S62、采用如S42步骤中的数据搜索算法所述标准数据销毁对象重要度数据与所述数据销毁对象重要度及销毁方式数据集合/>中所述数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据/>。
优选的，依据所述标准数据销毁对象及存储地址确定数据和所述标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业的操作步骤如下：
S71、当所述标准数据销毁对象数据匹配的所述标准数据销毁对象销毁方式数据/>为/>时，则输出获取所述标准数据销毁对象及存储地址确定数据集合/>中的所述标准数据销毁对象存储地址数据/>采用覆写法对存储器内部存储的所述数据销毁对象数据/>进行数据销毁作业；
当所述标准数据销毁对象数据匹配的所述标准数据销毁对象销毁方式数据为/>时，则输出通过消磁设备对存储器内部存储的所述数据销毁对象数据/>进行数据销毁作业；
当所述标准数据销毁对象数据匹配的所述标准数据销毁对象销毁方式数据为/>时，则输出先通过消磁设备对存储器内部存储的所述数据销毁对象数据/>进行数据销毁，然后对消磁处理的存储有所述数据销毁对象数据/>的存储器采用粉碎设备捣碎进行数据销毁作业。
实现所述的基于人工智能的数据销毁识别处理方法的系统，所述系统包括数据销毁对象确定模块、数据销毁对象重要度分析模块、数据销毁对象销毁方式分析模块；
所述数据销毁对象确定模块包括数据销毁对象检索单元、数据销毁对象存储地址检索单元、数据销毁对象预处理及确定输出单元；
所述数据销毁对象检索单元，用于采集数据销毁对象数据；所述数据销毁对象存储地址检索单元，用于采集数据销毁对象存储地址数据；所述数据销毁对象预处理及确定输出单元，将所述数据销毁对象数据和所述数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出；
所述数据销毁对象重要度分析模块包括数据销毁对象调用单元、数据销毁对象分类特征存储单元、数据销毁对象分类处理单元、数据销毁对象分类重要度存储单元、数据销毁对象重要度分析单元；
所述数据销毁对象调用单元，调用所述标准数据销毁对象及存储地址确定数据并提取所述标准数据销毁对象数据；所述数据销毁对象分类特征存储单元，用于存储数据销毁对象分类特征数据；所述数据销毁对象分类处理单元，采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，分析构建出标准数据销毁对象分类特征数据；所述数据销毁对象分类重要度存储单元，用于存储数据销毁对象重要度数据；所述数据销毁对象重要度分析单元，采用数据搜索算法将所述标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据；
所述数据销毁对象销毁方式分析模块包括数据销毁对象重要度及销毁方式存储单元、数据销毁对象销毁方式匹配单元、数据销毁对象销毁执行单元；
所述数据销毁对象重要度及销毁方式存储单元，用于存储数据销毁对象重要度及销毁方式数据；所述数据销毁对象销毁方式匹配单元，将所述标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据；所述数据销毁对象销毁执行单元，依据所述标准数据销毁对象及存储地址确定数据和所述标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业。
（三）有益效果
本发明提供了基于人工智能的数据销毁识别处理系统及方法。具备以下有益效果：
一、通过数据销毁对象检索单元和数据销毁对象存储地址检索单元相互配合，采用数据搜索算法准确高效检索出数据销毁对象和数据存储路径参数，为后续数据分类、重要度分析提供数据支撑，实现数据可靠安全销毁；数据销毁对象预处理及确定输出单元对采集的数据销毁对象和数据存储路径参数进行数据预处理，提高数据销毁作业中数据采集质量，提高数据销毁作业的精准处理。
二、通过数据销毁对象分类特征存储单元和数据销毁对象分类处理单元相互配合，采用预设数据销毁对象分类特征参数结合智能搜索算法科学、准确对数据销毁对象进行数据分类，实现对数据销毁对象的高效、精确分类，提高数据销毁作业的安全性；数据销毁对象分类重要度存储单元和相互配合，通过预设数据销毁对象重要度参数并利用智能搜索算法对数据销毁对象的重要等级进行评估判断，实现对数据销毁对象的重要等级智能、科学分析，辅助用户对数据销毁对象重要等级的清楚直观判断，避免用户误判造成对数据销毁对象的销毁作业不彻底，提高了数据销毁作业的可靠性。
三、通过数据销毁对象重要度及销毁方式存储单元和数据销毁对象销毁方式匹配单元相互配合，采用设置数据销毁方式参数利用智能搜索算法针对不同类型、不同重要等级的数据销毁对象匹配最安全的数据销毁方式，提高了数据销毁作业的效率和质量，保护用户数据使用的安全性；数据销毁对象销毁执行单元准确输出不同类型、不同重要等级的数据销毁对象的数据销毁方式并执行数据销毁作业，实现数据销毁作业的智能化和标准化。
附图说明
图1为本发明提供的基于人工智能的数据销毁识别处理系统的模块示意图；
图2为本发明提供的基于人工智能的数据销毁识别处理方法的流程图。
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。
该基于人工智能的数据销毁识别处理系统及方法的实施例如下：
请参阅图1－图2，基于人工智能的数据销毁识别处理方法，方法包括如下步骤：
S1、采集数据销毁对象数据和数据销毁对象存储地址数据；
S2、将数据销毁对象数据和数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出；
S3、调用标准数据销毁对象及存储地址确定数据并提取标准数据销毁对象数据；
S4、采用数据搜索算法将标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的分类特征，分析构建出标准数据销毁对象分类特征数据；
S5、采用数据搜索算法将标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的重要度，分析构建出标准数据销毁对象重要度数据；
S6、将标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据；
S7、依据标准数据销毁对象及存储地址确定数据和标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业。
进一步的，请参阅图1－图2，采集数据销毁对象数据和数据销毁对象存储地址数据的操作步骤如下：
S11、通过深度受限搜索算法在数据存储器按照数据销毁对象所在的文件名称关键词或者文件夹名称关键词进行定向搜索、采集数据销毁对象并生成数据销毁对象数据；
通过深度受限搜索算法在数据存储器按照数据销毁对象所在的文件名称关键词或者文件夹名称关键词进行定向搜索、采集数据销毁对象急救室文件或文件夹的存储地址并生成数据销毁对象存储地址数据，存储地址表示数据销毁对象所在文件或文件夹在存储器内部的存储路径。
将数据销毁对象数据和数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出的操作步骤如下：
S21、采用指数滑动平均法分别对数据销毁对象数据和数据销毁对象存储地址数据/>进行数据降噪处理后生成标准数据销毁对象数据/>和标准数据销毁对象存储地址数据/>；
S22、将标准数据销毁对象数据和标准数据销毁对象存储地址数据/>进行组合生成标准数据销毁对象及存储地址确定数据集合/>；
S23、将标准数据销毁对象及存储地址确定数据集合通过显示屏进行反馈输出。
通过数据销毁对象检索单元和数据销毁对象存储地址检索单元相互配合，采用数据搜索算法准确高效检索出数据销毁对象和数据存储路径参数，为后续数据分类、重要度分析提供数据支撑，实现数据可靠安全销毁；数据销毁对象预处理及确定输出单元对采集的数据销毁对象和数据存储路径参数进行数据预处理，提高数据销毁作业中数据采集质量，提高数据销毁作业的精准处理。
进一步的，请参阅图1－图2，调用标准数据销毁对象及存储地址确定数据并提取标准数据销毁对象数据的操作步骤如下：
S31、调用标准数据销毁对象及存储地址确定数据集合并提取标准数据销毁对象及存储地址确定数据集合/>中的标准数据销毁对象数据/>。
采用数据搜索算法将标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的分类特征，分析构建出标准数据销毁对象分类特征数据的操作步骤如下：
S41、建立数据销毁对象分类特征数据集合；其中/>表示数据销毁对象分类特征数据为普通类型数据销毁对象，普通类型数据销毁对象包括日常行政文档、办公数据中至少一种；
表示数据销毁对象分类特征数据为重要类型数据销毁对象，重要类型数据销毁对象包括业务数据、客户信息、员工个人信息中至少一种；
表示数据销毁对象分类特征数据为重大类型数据销毁对象，重大类型数据销毁对象包括商业重要信息、核心技术资料、财务信息中至少一种；
S42、采用数据搜索算法将标准数据销毁对象数据与数据销毁对象分类特征数据集合/>中数据销毁对象分类特征数据/>至/>按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的分类特征，数据搜索算法搜索分类特征的操作步骤如下：
S421、初始化算法最大迭代次数T，初始化分类特征搜索秃鹰种群数据N；
S422、计算标准数据销毁对象数据与数据销毁对象分类特征数据集合/>中数据销毁对象分类特征数据/>至/>的适应度值；
S423、分类特征搜索秃鹰选择搜索空间，更新分类特征搜索秃鹰在数据销毁对象分类特征数据集合搜索空间中的位置，分类特征搜索秃鹰随机选择在数据销毁对象分类特征数据集合/>搜索空间中的搜索区域，通过判断猎物数目来确定最佳位置，即在数据销毁对象分类特征数据集合/>搜索空间中判断数据销毁对象分类特征数据的数目来确定与标准数据销毁对象数据/>最匹配的数据销毁对象分类特征数据的位置，计算分类特征搜索秃鹰在数据销毁对象分类特征数据集合/>搜索空间中的更新位置公式为，其中/>表示控制分类特征搜索秃鹰在数据销毁对象分类特征数据集合/>搜索空间中的位置变化参数，/>取值范围为（1.5,2)；/>表示（0,1）的随机数；/>表示分类特征搜索秃鹰个体/>在更新后在数据销毁对象分类特征数据集合/>搜索空间中的位置；/>表示当前分类特征搜索秃鹰搜索确定的在数据销毁对象分类特征数据集合/>搜索空间中的最佳位置；/>表示更新前后分类特征搜索秃鹰搜索确定的在数据销毁对象分类特征数据集合/>搜索空间中的平均分布位置；/>表示当前分类特征搜索秃鹰个体/>在数据销毁对象分类特征数据集合/>搜索空间中的位置；
S424、分类特征搜索秃鹰在搜索空间搜索猎物，即分类特征搜索秃鹰在数据销毁对象分类特征数据集合搜索空间中搜索与标准数据销毁对象数据/>匹配的数据销毁对象分类特征数据；分类特征搜索秃鹰在数据销毁对象分类特征数据集合/>搜索空间中的选定搜索空间内以螺旋形状飞行搜索猎物，加速搜索进程，寻找最佳俯冲捕获位置并更新位置，分类特征搜索秃鹰搜索猎物更新位置公式为/>，其中/>和/>分别表示分类特征搜索秃鹰个体/>采用极坐标表示的在数据销毁对象分类特征数据集合/>搜索空间中位置，/>表示当前分类特征搜索秃鹰个体/>在数据销毁对象分类特征数据集合/>搜索空间中的位置；
S425、俯冲捕获猎物，分类特征搜索秃鹰在数据销毁对象分类特征数据集合的搜索空间的最佳位置快速俯冲飞向目标数据销毁对象分类特征数据猎物，分类特征搜索秃鹰种群其他个体也同时向最佳位置移动并攻击数据销毁对象分类特征数据猎物并更新位置；分类特征搜索秃鹰俯冲捕获猎物更新位置公式为/>，其中为（0，1）内随机数，/>和/>分别表示分类特征搜索秃鹰个体采用极坐标表示的在数据销毁对象分类特征数据集合/>搜索空间中位置因子；
S426、当算法满足最大迭代次数，则输出与标准数据销毁对象数据最匹配的数据销毁对象分类特征数据，否则重复执行S422步骤至S426步骤；
S43、将S426步骤中输出的数据销毁对象分类特征数据标识生成标准数据销毁对象分类特征数据。
采用数据搜索算法将标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的重要度，分析构建出标准数据销毁对象重要度数据的操作步骤如下：
S51、建立数据销毁对象重要度数据集合，其中/>表示普通类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为一级；
表示重要类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为二级；
表示重大类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为三级；
S52、采用如S42步骤中的数据搜索算法将标准数据销毁对象分类特征数据与数据销毁对象重要度数据集合/>中数据销毁对象重要度数据/>至/>按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的重要度，分析构建出标准数据销毁对象重要度数据/>。
通过数据销毁对象分类特征存储单元和数据销毁对象分类处理单元相互配合，采用预设数据销毁对象分类特征参数结合智能搜索算法科学、准确对数据销毁对象进行数据分类，实现对数据销毁对象的高效、精确分类，提高数据销毁作业的安全性；数据销毁对象分类重要度存储单元和相互配合，通过预设数据销毁对象重要度参数并利用智能搜索算法对数据销毁对象的重要等级进行评估判断，实现对数据销毁对象的重要等级智能、科学分析，辅助用户对数据销毁对象重要等级的清楚直观判断，避免用户误判造成对数据销毁对象的销毁作业不彻底，提高了数据销毁作业的可靠性。
进一步的，请参阅图1－图2，将标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据的操作步骤如下：
S61、建立数据销毁对象重要度及销毁方式数据集合
，其中
表示数据销毁对象重要度为/>对应的数据销毁方式为覆写法，覆写法表示采用其他数据对数据销毁对象进行数据覆写；
表示数据销毁对象重要度为/>对应的数据销毁方式为消磁法，消磁法表示采用消磁设备对存储数据销毁对象的存储器进行消磁；
表示数据销毁对象重要度为/>对应的数据销毁方式为先采用消磁法后采用捣碎法；捣碎法表示采用物理方式对存储数据销毁对象的存储器进行物理捣碎；
S62、采用如S42步骤中的数据搜索算法标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据集合/>中数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据/>。
依据标准数据销毁对象及存储地址确定数据和标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业的操作步骤如下：
S71、当标准数据销毁对象数据匹配的标准数据销毁对象销毁方式数据/>为时，则输出获取标准数据销毁对象及存储地址确定数据集合/>中的标准数据销毁对象存储地址数据/>采用覆写法对存储器内部存储的数据销毁对象数据/>进行数据销毁作业；
当标准数据销毁对象数据匹配的标准数据销毁对象销毁方式数据/>为时，则输出通过消磁设备对存储器内部存储的数据销毁对象数据/>进行数据销毁作业；
当标准数据销毁对象数据匹配的标准数据销毁对象销毁方式数据/>为/>时，则输出先通过消磁设备对存储器内部存储的数据销毁对象数据/>进行数据销毁，然后对消磁处理的存储有数据销毁对象数据/>的存储器采用粉碎设备捣碎进行数据销毁作业。
通过数据销毁对象重要度及销毁方式存储单元和数据销毁对象销毁方式匹配单元相互配合，采用设置数据销毁方式参数利用智能搜索算法针对不同类型、不同重要等级的数据销毁对象匹配最安全的数据销毁方式，提高了数据销毁作业的效率和质量，保护用户数据使用的安全性；数据销毁对象销毁执行单元准确输出不同类型、不同重要等级的数据销毁对象的数据销毁方式并执行数据销毁作业，实现数据销毁作业的智能化和标准化。
实现的基于人工智能的数据销毁识别处理方法的系统，系统包括数据销毁对象确定模块、数据销毁对象重要度分析模块、数据销毁对象销毁方式分析模块；
数据销毁对象确定模块包括数据销毁对象检索单元、数据销毁对象存储地址检索单元、数据销毁对象预处理及确定输出单元；
数据销毁对象检索单元，用于采集数据销毁对象数据；数据销毁对象存储地址检索单元，用于采集数据销毁对象存储地址数据；数据销毁对象预处理及确定输出单元，将数据销毁对象数据和数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出；
数据销毁对象重要度分析模块包括数据销毁对象调用单元、数据销毁对象分类特征存储单元、数据销毁对象分类处理单元、数据销毁对象分类重要度存储单元、数据销毁对象重要度分析单元；
数据销毁对象调用单元，调用标准数据销毁对象及存储地址确定数据并提取标准数据销毁对象数据；数据销毁对象分类特征存储单元，用于存储数据销毁对象分类特征数据；数据销毁对象分类处理单元，采用数据搜索算法将标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的分类特征，分析构建出标准数据销毁对象分类特征数据；数据销毁对象分类重要度存储单元，用于存储数据销毁对象重要度数据；数据销毁对象重要度分析单元，采用数据搜索算法将标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的重要度，分析构建出标准数据销毁对象重要度数据；
数据销毁对象销毁方式分析模块包括数据销毁对象重要度及销毁方式存储单元、数据销毁对象销毁方式匹配单元、数据销毁对象销毁执行单元；
数据销毁对象重要度及销毁方式存储单元，用于存储数据销毁对象重要度及销毁方式数据；数据销毁对象销毁方式匹配单元，将标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据；数据销毁对象销毁执行单元，依据标准数据销毁对象及存储地址确定数据和标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业。
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 (9)

1.基于人工智能的数据销毁识别处理方法，其特征在于，所述方法包括如下步骤：
S1、采集数据销毁对象数据和数据销毁对象存储地址数据；
S2、将所述数据销毁对象数据和所述数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出；
S3、调用所述标准数据销毁对象及存储地址确定数据并提取所述标准数据销毁对象数据；
S4、采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，分析构建出标准数据销毁对象分类特征数据；
S5、采用数据搜索算法将所述标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据；
S6、将所述标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据；
S7、依据所述标准数据销毁对象及存储地址确定数据和所述标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业。
2.根据权利要求1所述的基于人工智能的数据销毁识别处理方法，其特征在于：所述采集数据销毁对象数据和数据销毁对象存储地址数据的操作步骤如下：
S11、通过深度受限搜索算法在数据存储器按照数据销毁对象所在的文件名称关键词或者文件夹名称关键词进行定向搜索、采集数据销毁对象并生成数据销毁对象数据；
通过深度受限搜索算法在数据存储器按照数据销毁对象所在的文件名称关键词或者文件夹名称关键词进行定向搜索、采集数据销毁对象急救室文件或文件夹的存储地址并生成数据销毁对象存储地址数据，所述存储地址表示数据销毁对象所在文件或文件夹在存储器内部的存储路径。
3.根据权利要求2所述的基于人工智能的数据销毁识别处理方法，其特征在于：将所述数据销毁对象数据和所述数据销毁对象存储地址数据进行数据预处理后组合，生成标准数据销毁对象及存储地址确定数据进行并输出的操作步骤如下：
S21、采用指数滑动平均法分别对所述数据销毁对象数据和所述数据销毁对象存储地址数据/>进行数据降噪处理后生成标准数据销毁对象数据/>和标准数据销毁对象存储地址数据/>；
S22、将所述标准数据销毁对象数据和所述标准数据销毁对象存储地址数据/>进行组合生成标准数据销毁对象及存储地址确定数据集合/>；
S23、将所述标准数据销毁对象及存储地址确定数据集合通过显示屏进行反馈输出。
4.根据权利要求3所述的基于人工智能的数据销毁识别处理方法，其特征在于：所述调用所述标准数据销毁对象及存储地址确定数据并提取所述标准数据销毁对象数据的操作步骤如下：
S31、调用所述标准数据销毁对象及存储地址确定数据集合并提取所述标准数据销毁对象及存储地址确定数据集合/>中的所述标准数据销毁对象数据/>。
5.根据权利要求4所述的基于人工智能的数据销毁识别处理方法，其特征在于：所述采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，分析构建出标准数据销毁对象分类特征数据的操作步骤如下：
S41、建立数据销毁对象分类特征数据集合；其中/>表示数据销毁对象分类特征数据为普通类型数据销毁对象，所述普通类型数据销毁对象包括日常行政文档、办公数据中至少一种；
表示数据销毁对象分类特征数据为重要类型数据销毁对象，所述重要类型数据销毁对象包括业务数据、客户信息、员工个人信息中至少一种；
表示数据销毁对象分类特征数据为重大类型数据销毁对象，所述重大类型数据销毁对象包括商业重要信息、核心技术资料、财务信息中至少一种；
S42、采用数据搜索算法将所述标准数据销毁对象数据与数据销毁对象分类特征数据集合/>中数据销毁对象分类特征数据/>至/>按照数据字符关键词进行搜索匹配出标准数据销毁对象对应的所述分类特征，所述数据搜索算法搜索所述分类特征的操作步骤如下：
S421、初始化算法最大迭代次数T，初始化分类特征搜索秃鹰种群数据N；
S422、计算标准数据销毁对象数据与数据销毁对象分类特征数据集合/>中数据销毁对象分类特征数据/>至/>的适应度值；
S423、分类特征搜索秃鹰选择搜索空间，更新分类特征搜索秃鹰在数据销毁对象分类特征数据集合搜索空间中的位置，分类特征搜索秃鹰随机选择在数据销毁对象分类特征数据集合/>搜索空间中的搜索区域，通过判断猎物数目来确定最佳位置，即在数据销毁对象分类特征数据集合/>搜索空间中判断所述数据销毁对象分类特征数据的数目来确定与所述标准数据销毁对象数据/>最匹配的所述数据销毁对象分类特征数据的位置；
S424、分类特征搜索秃鹰在搜索空间搜索猎物，即分类特征搜索秃鹰在数据销毁对象分类特征数据集合搜索空间中搜索与标准数据销毁对象数据/>匹配的所述数据销毁对象分类特征数据；
S426、当算法满足最大迭代次数，则输出与所述标准数据销毁对象数据最匹配的所述数据销毁对象分类特征数据，否则重复执行S422步骤至S426步骤；
S43、将S426步骤中输出的所述数据销毁对象分类特征数据标识生成标准数据销毁对象分类特征数据。
6.根据权利要求5所述的基于人工智能的数据销毁识别处理方法，其特征在于：所述采用数据搜索算法将所述标准数据销毁对象分类特征数据与数据销毁对象重要度数据按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据的操作步骤如下：
S51、建立数据销毁对象重要度数据集合，其中/>表示普通类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为一级；
表示重要类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为二级；
表示重大类型的标准数据销毁对象分类特征数据/>对应的数据销毁对象的重要度为三级；
S52、采用如S42步骤中的数据搜索算法将所述标准数据销毁对象分类特征数据与所述数据销毁对象重要度数据集合/>中数据销毁对象重要度数据/>至/>按照数据分类特征关键词进行搜索匹配出标准数据销毁对象对应的所述重要度，分析构建出标准数据销毁对象重要度数据/>。
7.根据权利要求6所述的基于人工智能的数据销毁识别处理方法，其特征在于：将所述标准数据销毁对象重要度数据与数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据的操作步骤如下：
S61、建立数据销毁对象重要度及销毁方式数据集合，其中
表示数据销毁对象重要度为/>对应的数据销毁方式为覆写法，所述覆写法表示采用其他数据对数据销毁对象进行数据覆写；
表示数据销毁对象重要度为/>对应的数据销毁方式为消磁法，所述消磁法表示采用消磁设备对存储数据销毁对象的存储器进行消磁；
表示数据销毁对象重要度为/>对应的数据销毁方式为先采用消磁法后采用捣碎法；所述捣碎法表示采用物理方式对存储数据销毁对象的存储器进行物理捣碎；
S62、采用如S42步骤中的数据搜索算法所述标准数据销毁对象重要度数据与所述数据销毁对象重要度及销毁方式数据集合/>中所述数据销毁对象重要度及销毁方式数据采用数据搜索算法结合数据重要度关键词进行搜索匹配出标准数据销毁对象对应的数据销毁方式，分析生成标准数据销毁对象销毁方式数据/>。
8.根据权利要求7所述的基于人工智能的数据销毁识别处理方法，其特征在于：依据所述标准数据销毁对象及存储地址确定数据和所述标准数据销毁对象销毁方式数据对数据销毁对象执行数据销毁作业的操作步骤如下：
S71、当所述标准数据销毁对象数据匹配的所述标准数据销毁对象销毁方式数据为/>时，则输出获取所述标准数据销毁对象及存储地址确定数据集合/>中的所述标准数据销毁对象存储地址数据/>采用覆写法对存储器内部存储的所述数据销毁对象数据/>进行数据销毁作业；
当所述标准数据销毁对象数据匹配的所述标准数据销毁对象销毁方式数据/>为时，则输出通过消磁设备对存储器内部存储的所述数据销毁对象数据/>进行数据销毁作业；
当所述标准数据销毁对象数据匹配的所述标准数据销毁对象销毁方式数据/>为时，则输出先通过消磁设备对存储器内部存储的所述数据销毁对象数据/>进行数据销毁，然后对消磁处理的存储有所述数据销毁对象数据/>的存储器采用粉碎设备捣碎进行数据销毁作业。
9.实现如权利要求1-8中任意一项所述的基于人工智能的数据销毁识别处理方法的系统。
CN202410157055.7A 2024-02-04 2024-02-04 基于人工智能的数据销毁识别处理系统及方法 Pending CN117688596A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410157055.7A CN117688596A (zh) 2024-02-04 2024-02-04 基于人工智能的数据销毁识别处理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410157055.7A CN117688596A (zh) 2024-02-04 2024-02-04 基于人工智能的数据销毁识别处理系统及方法

Publications (1)

Publication Number Publication Date
CN117688596A true CN117688596A (zh) 2024-03-12

Family

ID=90137581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410157055.7A Pending CN117688596A (zh) 2024-02-04 2024-02-04 基于人工智能的数据销毁识别处理系统及方法

Country Status (1)

Country Link
CN (1) CN117688596A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118035528A (zh) * 2024-04-11 2024-05-14 北京合力思腾科技股份有限公司 一种基于大数据的数据采集系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673004A (zh) * 2021-08-09 2021-11-19 国网重庆市电力公司电力科学研究院 一种分级分类的数据销毁方法
US20220206720A1 (en) * 2020-12-31 2022-06-30 Sepehr Rajaie Tracking, Destroying Data, Containing Mechanism for Magnetic, Solid-State, and Other Types of Data Bearing Devices
CN116702069A (zh) * 2023-08-08 2023-09-05 北京中超伟业信息安全技术股份有限公司 一种基于状态感知的介质销毁的方法
CN117453639A (zh) * 2023-12-22 2024-01-26 山东万里红信息技术有限公司 一种面向云存储的数据可信销毁方法及其系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220206720A1 (en) * 2020-12-31 2022-06-30 Sepehr Rajaie Tracking, Destroying Data, Containing Mechanism for Magnetic, Solid-State, and Other Types of Data Bearing Devices
CN113673004A (zh) * 2021-08-09 2021-11-19 国网重庆市电力公司电力科学研究院 一种分级分类的数据销毁方法
CN116702069A (zh) * 2023-08-08 2023-09-05 北京中超伟业信息安全技术股份有限公司 一种基于状态感知的介质销毁的方法
CN117453639A (zh) * 2023-12-22 2024-01-26 山东万里红信息技术有限公司 一种面向云存储的数据可信销毁方法及其系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118035528A (zh) * 2024-04-11 2024-05-14 北京合力思腾科技股份有限公司 一种基于大数据的数据采集系统及方法

Similar Documents

Publication Publication Date Title
Mayer et al. Learning target candidate association to keep track of what not to track
CN109858555B (zh) 基于图像的数据处理方法、装置、设备及可读存储介质
CN117688596A (zh) 基于人工智能的数据销毁识别处理系统及方法
CN111914778B (zh) 一种基于弱监督学习的视频行为定位方法
WO2020164278A1 (zh) 一种图像处理方法、装置、电子设备和可读存储介质
JP2016134175A (ja) ワイルドカードを用いてテキスト−画像クエリを実施するための方法およびシステム
Hsiao et al. A new approach to image copy detection based on extended feature sets
US20080126345A1 (en) Method and System for Searching Multimedia Content
Iqbal et al. Leveraging orientation for weakly supervised object detection with application to firearm localization
Zhang et al. Detection of android malware based on deep forest and feature enhancement
CN117081798A (zh) 一种基于att_ck和有向警报图的真实威胁告警系统、方法和计算机可读存储介质
Zhang et al. Face occlusion detection using cascaded convolutional neural network
CN108563751A (zh) 数据库碎片提取方法
Lavi et al. Semi-supervised feature embedding for data sanitization in real-world events
CN114003909A (zh) 一种基于训练过程解构的后门攻击防御方法及系统
CN114140674A (zh) 结合图像处理及数据挖掘技术的电子证据可用性鉴别方法
CN114090650A (zh) 一种样本数据识别方法、装置、电子设备及存储介质
Mengyang et al. Content-based video copy detection using binary object fingerprints
Allouche et al. Video fingerprinting: Past, present, and future
Awasthi et al. CNN-Based Deep Learning Approach Over Image Data for Cyber Forensic Investigation
CN118196821B (zh) 一种光盘智能管理方法、光盘智能管理系统及计算机设备
Sayyafzadeh et al. Enhancing Object Detection in YouTube Thumbnails Forensics with YOLOv4
CN111858551B (zh) 一种磁性存储介质特征识别数据库的构建及更新方法
Subhash et al. Visual Profiling and Automated Classification of Malware Samples using Deep Learning.
Ritter et al. Comparative Analysis and Evaluation of CNN Models for Deepfake Detection

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