隐私数据动态加密方法及系统与流程

摘要: 本发明属于数据动态加密领域,具体涉及隐私数据动态加密方法及系统。背景技术:1、在隐私数据访问过程中,动态加密需要结合访问主体、设备状态、网络环境、访问时间和操作...
隐私数据动态加密方法及系统与流程

本发明属于数据动态加密领域,具体涉及隐私数据动态加密方法及系统。

背景技术:

1、在隐私数据访问过程中,动态加密需要结合访问主体、设备状态、网络环境、访问时间和操作类型等信息,确定对应的加密算法、密钥类型和加密粒度,而隐私数据通常分布于企业数据库、接口服务和终端设备等不同载体,访问场景和风险状态不断变化,导致加密策略难以准确匹配。

2、现有技术中,隐私数据动态加密方法通常根据历史访问行为和风险事件训练风险识别模型,并根据风险等级选择加密算法、密钥类型和加密粒度。但历史访问行为和风险事件已经受到已执行加密策略的影响,导致风险模型难以区分访问行为本身的基础风险与加密策略产生的干预作用,容易使相同访问场景对应的风险等级发生偏移,导致动态加密策略与实际访问风险的匹配准确性差、稳定性差。

技术实现思路

1、本发明的目的是提供隐私数据动态加密方法及系统,通过构建加密策略干预图,对历史访问关联样本进行分流式部分最优传输匹配和因果森林学习,提高了动态加密策略匹配准确性和稳定性。

2、为解决上述技术问题,本发明提供如下技术方案:

3、一方面,本发明提供隐私数据动态加密方法,包括:

4、获取历史访问基础数据集,所述历史访问基础数据集包括隐私数据敏感度标签集、目标访问请求和候选加密策略集;

5、根据历史访问基础数据集,进行访问阶段关联和目标访问映射,得到历史访问关联样本集和目标访问数据集;

6、基于历史访问关联样本集,构建加密策略干预图,并进行分流式部分最优传输匹配,得到基础风险集成模型和候选策略响应集成模型;

7、将目标访问数据集输入基础风险集成模型和候选策略响应集成模型,确定目标动态加密策略,得到隐私数据动态加密结果。

8、具体的,根据历史访问基础数据集,进行访问阶段关联和目标访问映射,得到历史访问关联样本集和目标访问数据集,包括:

9、对历史访问基础数据集进行访问关联和访问阶段划分,形成历史访问时序记录集;

10、从历史访问时序记录集中确定策略执行前访问上下文、实际加密策略和策略执行后风险证据,并标记对应的隐私数据敏感度,形成历史访问关联样本集;

11、根据目标访问请求和隐私数据敏感度标签集,确定目标访问上下文、目标隐私数据和目标隐私数据敏感度,形成目标访问数据集。

12、具体的,基于历史访问关联样本集,构建加密策略干预图,并进行分流式部分最优传输匹配,得到基础风险集成模型和候选策略响应集成模型,包括:

13、将实际加密策略拆分为各策略分量,并对各历史访问关联样本进行策略组合归集,构建加密策略干预图;

14、通过加密策略干预图,对历史访问关联样本进行分流式部分最优传输匹配,形成策略对照传输结果集,所述策略对照传输结果集包括策略对照样本对集、对照样本传输权重和节点残余份额集;

15、根据策略对照传输结果集构建传输对差分样本集,并进行因果森林集成学习,生成策略分量干预效应集;

16、基于策略分量干预效应集,对策略执行后风险证据进行校正,得到基础风险样本集和候选策略响应样本集;

17、分别对基础风险样本集和候选策略响应样本集进行集成学习,得到基础风险集成模型和候选策略响应集成模型。

18、具体的,将实际加密策略拆分为各策略分量,并对各历史访问关联样本进行策略组合归集,构建加密策略干预图,包括:

19、将各实际加密策略拆分为加密算法策略分量、密钥类型策略分量和加密粒度策略分量,形成策略分量组合集;

20、根据策略分量组合集,将各策略分量均相同的历史访问关联样本归集为对应的策略组合节点,得到关联历史访问关联样本的策略组合节点集;

21、确定仅有一个策略分量不同的策略组合节点对,在各策略组合节点对间建立策略分量干预边,并标记变化策略分量和变化方向,形成策略分量干预边集;

22、基于策略组合节点集和策略分量干预边集,进行图结构组织,构建加密策略干预图。

23、具体的,通过加密策略干预图,对历史访问关联样本进行分流式部分最优传输匹配,形成策略对照传输结果集,包括:

24、根据加密策略干预图,确定各历史访问关联样本对应的初始传输份额;

25、从策略分量干预边集中提取各干预边两端的策略组合节点关联的历史访问关联样本,计算访问上下文距离,并确定可匹配距离范围;

26、基于初始传输份额、访问上下文距离和可匹配距离范围,在策略分量干预边两端的策略组合节点间进行部分最优传输匹配,得到本轮匹配结果;

27、基于本轮匹配结果,将未形成匹配的传输份额回流至对应的策略组合节点,并重新分配,汇总各轮匹配结果,得到策略对照传输结果集。

28、具体的,基于初始传输份额、访问上下文距离和可匹配距离范围,在策略分量干预边两端的策略组合节点间进行部分最优传输匹配,得到本轮匹配结果,包括:

29、基于访问上下文距离和可匹配距离范围,确定各策略分量干预边两端的策略组合节点对应的历史访问关联样本之间的可匹配关系;

30、将各历史访问关联样本的初始传输份额分配至具有可匹配关系的策略分量干预边,形成待匹配传输份额;

31、通过待匹配传输份额和访问上下文距离进行部分最优传输匹配,形成本轮匹配样本对和本轮匹配传输权重;

32、汇总本轮匹配样本对和本轮匹配传输权重,形成各策略分量干预边对应的本轮匹配结果。

33、具体的,根据策略对照传输结果集构建传输对差分样本集,并进行因果森林集成学习,生成策略分量干预效应集,包括:

34、从策略对照样本对集中提取各策略对照样本对的共同访问特征、变化策略分量和策略执行后风险证据差异,形成初始传输对差分样本集;

35、根据初始传输对差分样本集、对照样本传输权重和节点残余份额集,计算各初始传输对差分样本的匹配覆盖程度和学习权重,得到传输对差分样本集;

36、通过传输对差分样本集构建残余修正分裂损失,并递归划分树节点,形成残余修正因果树集和叶节点估计样本集;

37、基于残余修正因果树集和叶节点估计样本集,进行叶节点效应修正和多树集成,得到策略分量干预效应集。

38、具体的,通过传输对差分样本集构建残余修正分裂损失,并递归划分树节点,形成残余修正因果树集和叶节点估计样本集,包括:

39、对传输对差分样本集进行有放回抽样,将抽样结果划分为树结构样本子集和叶节点估计样本集;

40、基于树结构样本子集,对策略执行前访问上下文进行特征划分,得到候选分裂集;

41、将各候选分裂作用于树结构样本子集,形成对应的划分结果节点,并计算各划分结果节点对应的传输对差分样本的风险证据差异离散程度;

42、基于风险证据差异离散程度、学习权重和匹配覆盖程度,构建各候选分裂对应的残余修正分裂损失;

43、选取残余修正分裂损失下降最大的候选分裂作为目标分裂,并将目标分裂对应的划分结果节点作为下一轮待划分节点,递归形成残余修正因果树集。

44、具体的,将目标访问数据集输入基础风险集成模型和候选策略响应集成模型,确定目标动态加密策略,得到隐私数据动态加密结果,包括:

45、将目标访问数据集输入基础风险集成模型,生成目标基础风险;

46、将目标访问数据集和目标基础风险输入候选策略响应集成模型,预测候选加密策略集中各候选加密策略对应的策略响应,形成候选策略响应结果集;

47、基于候选策略响应结果集,确定目标动态加密策略,对目标隐私数据进行加密,得到隐私数据动态加密结果。

48、另一方面,本发明提供隐私数据动态加密系统,包括:

49、数据获取模块,用于获取历史访问基础数据集;

50、访问映射模块,根据历史访问基础数据集,进行访问阶段关联和目标访问映射,得到历史访问关联样本集和目标访问数据集;

51、最优传输模块,基于历史访问关联样本集,构建加密策略干预图,并进行分流式部分最优传输匹配,得到基础风险集成模型和候选策略响应集成模型;

52、隐私加密模块,用于将目标访问数据集输入基础风险集成模型和候选策略响应集成模型,确定目标动态加密策略,得到隐私数据动态加密结果。

53、与现有技术相比,本发明的有益效果包括:将实际加密策略拆分为加密算法策略分量、密钥类型策略分量和加密粒度策略分量,构建加密策略干预图,并在仅有一个策略分量不同的策略组合节点之间进行分流式部分最优传输匹配,使访问上下文相近但加密策略存在单一差异的历史访问关联样本间形成策略对照关系,同时将未匹配传输份额回流,并重新分配,减少样本数量不均和强制匹配造成的策略干预偏差,提高了访问行为基础风险与加密策略干预作用的区分准确性;从策略对照样本对中提取共同访问特征、变化策略分量和风险证据差异,并根据匹配覆盖程度和学习权重构建残余修正分裂损失,再进行叶节点效应修正和多树集成,避免了历史已执行加密策略导致的风险模型发生偏移的情况的发生,提升了动态加密策略与实际访问风险的匹配准确性和稳定性。