一种基于人工智能的多维度权限及发布域管控方法及系统与流程
本发明涉及内容协作平台权限控制,具体涉及一种基于人工智能的多维度权限及发布域管控方法及系统。
背景技术:
1、在企业内容管理与发布平台中,内容从创作到正式发布经历多个协作阶段,不同阶段参与者的编辑行为模式存在显著差异,内容各区段的敏感程度也随协作进展动态变化。
2、现有系统通常依据内容状态标签或用户角色对访问权限进行静态配置,且以整篇内容为最小权限控制粒度。
3、上述方式无法感知协作过程中因参与者编辑行为模式发生结构性变化而引发的内部敏感度跃迁,也无法对同一内容中不同区段执行差异化的发布范围限制,导致高敏感区段在敏感度上升时仍对非必要人员暴露,存在核心内容在正式发布前被越权获取的风险。
技术实现思路
1、本发明提供一种基于人工智能的多维度权限及发布域管控方法及系统,解决相关技术中内容协作平台无法根据协作过程的动态阶段变化自适应调整参与者区段级权限与发布可见范围的技术问题。
2、本发明公开了一种基于人工智能的多维度权限及发布域管控方法,包括以下步骤:
3、获取内容协作平台中目标内容的实时编辑事件流,提取操作者身份标识、编辑位置区段标识、操作类型、操作时间戳及操作持续时长,按预设滑动时间窗口聚合为编辑行为序列矩阵;
4、针对所述编辑行为序列矩阵,对每个时间窗口计算参与者活跃集中度指标,所述参与者活跃集中度指标包括编辑操作量的基尼系数、核心编辑者占比及审批类操作出现频率;
5、将连续多个窗口构成的集中度指标序列输入变点检测模型,识别集中度指标序列发生结构性变化的时间点,将检测到的变化时间点标记为协作微阶段转换候选点;
6、针对每个所述协作微阶段转换候选点,提取候选点前后各预设数量窗口内的编辑行为特征,将所述编辑行为特征拼接为特征向量,输入微阶段类型识别模型,输出协作微阶段类型标签及内容敏感度等级;
7、基于所述内容敏感度等级从敏感度-权限映射规则库检索权限收缩策略,将当前参与者的角色属性与所述权限收缩策略匹配,计算每个参与者的区段级权限集合与发布可见范围集合;
8、生成区段级访问掩码指令及发布范围限制指令,以原子操作方式批量更新全部受影响参与者的区段权限掩码与发布范围配置。
9、进一步地,所述编辑行为序列矩阵的行维度对应参与者,列维度对应时间窗口,矩阵元素为对应参与者在对应时间窗口内的操作类型向量;所述操作类型向量为将预设操作类型集合中各类型的操作次数按固定顺序排列所构成的数值向量。
10、进一步地,所述编辑操作量的基尼系数按如下公式计算:
11、;
12、其中,为时间窗口内的参与者总数,和分别为参与者索引,为第个参与者在窗口内的编辑操作总量,为第个参与者在窗口内的编辑操作总量。
13、进一步地,所述变点检测模型为基于贝叶斯变点检测的概率模型,其输入为所述集中度指标序列,输出为候选变点的时间位置及对应的后验概率;在将所述集中度指标序列输入所述变点检测模型之前,对所述集中度指标序列施加移动平均平滑处理。
14、进一步地,仅对后验概率超过预设阈值的协作微阶段转换候选点执行编辑行为特征提取与微阶段类型识别,后验概率未超过预设阈值的候选点直接丢弃。
15、进一步地,所述编辑行为特征包括新增参与者角色类型分布、编辑区段覆盖范围变化率及批注密度变化率;所述微阶段类型识别模型为多分类神经网络,其输出层为全连接层,输出协作微阶段类型标签的概率分布及对应的内容敏感度等级;所述微阶段类型识别模型以交叉熵损失函数为优化目标,采用adam优化算法进行参数更新。
16、进一步地,所述敏感度-权限映射规则库以角色类型与敏感度等级的二元组为索引键,对应条目存储可访问区段白名单、操作权限上限列表及发布范围目标受众集合;当参与者具有多个角色时,取该参与者所有角色对应收缩策略中操作权限上限的交集作为最终权限上限。
17、进一步地,所述原子操作方式将全部受影响参与者的区段权限掩码写入与发布范围配置写入封装为单一事务提交,若事务中任一写入失败则全部回滚;在生成所述区段级访问掩码指令及发布范围限制指令之前,判断距离上一次权限更新的时间间隔是否超过预设冷却时长,若未超过,则将本次指令加入待处理队列,待冷却时长结束后合并处理。
18、本发明公开了一种基于人工智能的多维度权限及发布域管控系统,包括:
19、事件采集模块,用于获取目标内容的实时编辑事件流,提取操作者身份标识、编辑位置区段标识、操作类型、操作时间戳及操作持续时长,并按预设滑动时间窗口聚合为编辑行为序列矩阵;
20、集中度分析模块,用于对所述编辑行为序列矩阵计算每个时间窗口的参与者活跃集中度指标,将连续多个窗口构成的集中度指标序列输入变点检测模型,输出协作微阶段转换候选点;
21、微阶段识别模块,用于针对每个所述协作微阶段转换候选点提取候选点前后编辑行为特征向量,将所述特征向量输入微阶段类型识别模型,输出协作微阶段类型标签及内容敏感度等级;
22、策略匹配模块,用于基于所述内容敏感度等级从敏感度-权限映射规则库检索权限收缩策略,将参与者角色属性与所述权限收缩策略匹配,计算每个参与者的区段级权限集合与发布可见范围集合;
23、权限更新模块,用于生成区段级访问掩码指令及发布范围限制指令,并以原子操作方式批量写入全部受影响参与者的区段权限掩码与发布范围配置。
24、进一步地,所述权限更新模块在生成指令前判断距离上一次权限更新的时间间隔是否超过预设冷却时长,若未超过,则将本次指令加入待处理队列,待冷却时长结束后合并处理;所述策略匹配模块在参与者具有多个角色时,取所有角色对应收缩策略中操作权限上限的交集作为最终权限上限。
25、本发明的有益效果在于:
26、本发明通过对编辑行为序列矩阵执行逐窗口集中度指标计算,将参与者活跃分布结构显式化,使变点检测模型能够捕捉编辑权力分布的结构性变化时间点,解决了依赖粗粒度状态标签无法感知协作期内部敏感度跃迁的技术问题,取得了将权限控制与发布范围控制的最小作用粒度从整篇内容细化至内容区段、高敏感区段在敏感度上升时能够独立触发收缩而非敏感区段原有权限不受干扰的技术效果。
1.一种基于人工智能的多维度权限及发布域管控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于人工智能的多维度权限及发布域管控方法,其中,所述编辑行为序列矩阵的行维度对应参与者,列维度对应时间窗口,矩阵元素为对应参与者在对应时间窗口内的操作类型向量;所述操作类型向量为将预设操作类型集合中各类型的操作次数按固定顺序排列所构成的数值向量。
3.根据权利要求1所述的基于人工智能的多维度权限及发布域管控方法,其中,所述编辑操作量的基尼系数 按如下公式计算:
4.根据权利要求1所述的基于人工智能的多维度权限及发布域管控方法,其中,所述变点检测模型为基于贝叶斯变点检测的概率模型,其输入为所述集中度指标序列,输出为候选变点的时间位置及对应的后验概率;在将所述集中度指标序列输入所述变点检测模型之前,对所述集中度指标序列施加移动平均平滑处理。
5.根据权利要求4所述的基于人工智能的多维度权限及发布域管控方法,其中,仅对后验概率超过预设阈值的协作微阶段转换候选点执行编辑行为特征提取与微阶段类型识别,后验概率未超过预设阈值的候选点直接丢弃。
6.根据权利要求1所述的方法,其中,所述编辑行为特征包括新增参与者角色类型分布、编辑区段覆盖范围变化率及批注密度变化率;所述微阶段类型识别模型为多分类神经网络,其输出层为全连接层,输出协作微阶段类型标签的概率分布及对应的内容敏感度等级;所述微阶段类型识别模型以交叉熵损失函数为优化目标,采用adam优化算法进行参数更新。
7.根据权利要求1所述的基于人工智能的多维度权限及发布域管控方法,其中,所述敏感度-权限映射规则库以角色类型与敏感度等级的二元组为索引键,对应条目存储可访问区段白名单、操作权限上限列表及发布范围目标受众集合;当参与者具有多个角色时,取该参与者所有角色对应收缩策略中操作权限上限的交集作为最终权限上限。
8.根据权利要求1所述的基于人工智能的多维度权限及发布域管控方法,其中,所述原子操作方式将全部受影响参与者的区段权限掩码写入与发布范围配置写入封装为单一事务提交,若事务中任一写入失败则全部回滚;在生成所述区段级访问掩码指令及发布范围限制指令之前,判断距离上一次权限更新的时间间隔是否超过预设冷却时长,若未超过,则将本次指令加入待处理队列,待冷却时长结束后合并处理。
9.一种基于人工智能的多维度权限与发布范围控制系统,其特征在于,包括:
10.根据权利要求9所述的基于人工智能的多维度权限及发布域管控系统,其中,所述权限更新模块在生成指令前判断距离上一次权限更新的时间间隔是否超过预设冷却时长,若未超过,则将本次指令加入待处理队列,待冷却时长结束后合并处理;所述策略匹配模块在参与者具有多个角色时,取所有角色对应收缩策略中操作权限上限的交集作为最终权限上限。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com