一种显示设备及浏览器的安全处理方法与流程
本技术涉及显示设备,尤其涉及一种显示设备及浏览器的安全处理方法。
背景技术:
1、显示设备是能够呈现用户界面,并支持用户交互的智能设备。以智能电视为例,智能电视是基于internet应用技术,具备开放式操作系统与芯片,拥有开放式应用平台,可实现双向人机交互功能,集影音、娱乐、数据等多种功能于一体的电视产品,用于满足用户多样化和个性化需求。
2、显示设备采用嵌入式操作系统,并内置浏览器应用以满足用户网页浏览、流媒体播放及交互式应用等需求。相关技术中,显示设备的浏览器采用基于静态策略的安全管控机制,在浏览器内核中预设url(uniform resource locator,统一资源定位符)黑名单与域名白名单规则集,通过规则引擎对页面加载请求进行匹配过滤;同时依赖内容安全策略(content security policy,csp)控制外部资源加载,并对表单提交及网络请求实施https强制升级等基础加密策略。对于多用户共用场景,采用简单的本地存储隔离(如按应用实例划分缓存目录)来区分不同用户的浏览数据。
3、然而,上述基于静态规则的安全管控,所有安全决策均依赖于预置的固定规则集,无法对页面加载后动态生成的dom(document object model,文档对象模型)结构、脚本注入行为及用户交互上下文进行实时感知与自适应策略调整。这导致浏览器在面对新兴钓鱼页面、恶意脚本变种时检测滞后,同时家庭成员共用场景下的浏览历史、表单填充数据、语音输入记录等隐私信息因缺乏自动脱敏机制而彼此可见,存在严重的隐私泄露风险,进而降低显示设备中浏览器的使用安全性与用户交互体验。
技术实现思路
1、本技术提供一种显示设备及浏览器的安全处理方法,以解决显示设备中浏览器的使用安全性与用户交互体验不佳的问题。
2、第一方面,本技术提供一种显示设备,包括:
3、显示器,被配置为显示浏览器应用的应用界面;
4、控制器,与所述显示器电连接,且所述控制器被配置为:
5、响应于所述浏览器应用启动,加载目标网页;
6、获取所述目标网页中注册的模型上下文协议工具列表;
7、调用人工智能推理引擎对所述目标网页的页面数据和所述模型上下文协议工具列表进行安全风险评估,所述安全风险评估包括对页面文档对象模型结构、用户交互上下文及模型上下文协议工具声明中至少一项的分析;
8、根据所述安全风险评估的结果,生成安全管控策略,所述安全管控策略包含对所述模型上下文协议工具执行权限的决策和/或对所述目标网页中隐私数据的脱敏方式;
9、按照所述安全管控策略,对所述模型上下文协议工具执行放行或拦截操作,和/或,对所述隐私数据执行脱敏处理。
10、上述技术方案具有以下有益效果或优点:
11、打破静态黑白名单与固定内容安全策略的局限,能够同时针对网页新增的模型上下文协议调用行为、页面动态文档对象模型内容进行人工智能实时风险评估,同步输出协议权限管控、隐私数据脱敏两类动态管控指令,兼顾新型网页ai工具调用安全与家庭多用户场景下隐私防护,提升显示设备浏览器的使用安全性与隐私保护能力。
12、本技术的一些实施例中,所述控制器获取所述目标网页中注册的模型上下文协议工具列表,具体被配置为:
13、在所述浏览器应用的渲染进程中,通过渲染帧观察器注入拦截脚本至隔离世界,所述隔离世界为所述浏览器应用内核预先分配的独立脚本执行环境;
14、通过所述拦截脚本监听所述目标网页中对所述模型上下文协议工具的注册调用事件;
15、响应于监听到所述注册调用事件,提取工具名称、工具描述、参数格式、目标访问域名作为工具元数据;
16、将提取到的所述工具元数据作为所述模型上下文协议工具列表。
17、上述技术方案具有以下有益效果或优点:
18、通过渲染进程隔离脚本拦截机制,可在网页注册模型上下文协议工具的源头完成监听与元数据采集,隔离世界环境不会被网页脚本篡改、绕过拦截逻辑,完整捕获工具参数、访问域名等风险判定关键信息,实现对模型上下文协议调用行为的全量无遗漏前置审计,避免恶意网页绕过浏览器管控私自调用高风险工具。
19、本技术的一些实施例中,所述控制器执行调用人工智能推理引擎对所述目标网页的页面数据和所述模型上下文协议工具列表进行安全风险评估,具体被配置为:
20、根据预设安全规则集对所述模型上下文协议工具列表中的工具元数据进行规则匹配,确定所述模型上下文协议工具是否位于可信域名白名单或黑名单中;
21、调用所述人工智能推理引擎中的威胁检测模型,对所述目标网页的页面文本内容进行安全检测与安全分类,以输出页面安全风险评分;
22、通过隐私分类器对所述目标网页的页面数据进行分类分级,确定所述页面数据中隐私数据的数据类型和敏感级别。
23、上述技术方案具有以下有益效果或优点:
24、融合静态规则匹配、ai威胁识别以及隐私分级三类评估维度,静态规则保障基础访问管控效率,威胁检测模型能够识别新型钓鱼、欺诈网页,隐私分类器精准定位页面各类敏感信息。通过多层次联合评估,可规避单一规则或单一模型的漏检缺陷。
25、本技术的一些实施例中,所述控制器执行根据所述安全风险评估的结果,生成安全管控策略,具体被配置为:
26、根据所述安全风险评估的结果,确定对所述模型上下文协议工具的执行权限决策,所述执行权限决策包括放行、拦截或脱敏后放行;
27、根据所述隐私数据的所述数据类型和所述敏感级别,确定对所述隐私数据的脱敏方式,所述脱敏方式包括掩码替换、区块删除或用户隔离展示;
28、根据所述执行权限决策和所述脱敏方式,生成所述安全管控策略,所述安全管控策略还包括为所述执行权限决策和所述脱敏方式对应的操作生成隐私审计日志的指示。
29、上述技术方案具有以下有益效果或优点:
30、针对模型上下文协议工具设置三级权限分支,兼顾可信工具正常使用、高风险工具阻断、含敏感参数工具脱敏放行等多样化场景。同时,通过隐私数据敏感等级匹配分级脱敏,兼顾数据可用性与隐私安全。
31、本技术的一些实施例中,所述控制器执行按照所述安全管控策略,对所述模型上下文协议工具执行放行或拦截操作,和/或,对所述隐私数据执行脱敏处理,具体被配置为:
32、根据所述安全管控策略中的执行权限决策,确定所述模型上下文协议工具对应的目标执行分支,所述目标执行分支为放行分支、拦截分支或脱敏分支;
33、若所述目标执行分支为所述放行分支,则调用所述模型上下文协议工具的原始注册函数进行注册;
34、若所述目标执行分支为所述拦截分支,则终止所述模型上下文协议工具的注册并输出隐私防护告警;
35、若所述目标执行分支为所述脱敏分支,则对所述模型上下文协议工具中的敏感参数执行脱敏处理,再调用所述原始注册函数进行注册。
36、上述技术方案具有以下有益效果或优点:
37、按照三类执行分支差异化处理模型上下文协议工具注册流程,高风险工具直接阻断并主动告警提示用户,存在敏感参数的工具先脱敏再放行,可信工具无阻碍正常调用。这样,既不会过度限制网页正常ai工具能力,也能从参数源头屏蔽隐私信息外泄通道。
38、本技术的一些实施例中,所述控制器还被配置为:
39、通过端侧量化模型对所述目标网页的页面数据和所述模型上下文协议工具列表进行一级推理,输出端侧风险评估结果及对应的置信度;
40、判断所述置信度是否低于预设置信度阈值;
41、响应于所述置信度低于所述预设置信度阈值,将脱敏后的页面摘要通过加密通道提交至云端大模型进行二级推理;
42、接收所述云端大模型返回的云端风险评估结果;
43、通过所述云端风险评估结果更新所述安全风险评估的结果。
44、上述技术方案具有以下有益效果或优点:
45、采用端云两级分级推理架构,轻量化量化模型在本地完成快速推理,适配低算力、低延迟运行需求。仅本地判定置信度不足的复杂场景才调用云端大模型深度分析,可减少云端数据传输量与网络资源消耗;云端推理结果反向更新本地评估结论,提升新型、复杂恶意页面的识别准确率。
46、本技术的一些实施例中,所述控制器还被配置为:
47、为当前用户身份对应的用户配置文件分配差分隐私预算账户,所述差分隐私预算账户具有预设隐私预算额度;
48、根据提交至云端大模型的数据敏感度级别,确定对应的隐私预算消耗量,并从所述差分隐私预算账户中扣除所述隐私预算消耗量;
49、响应于所述差分隐私预算账户中的剩余预算低于预设预算阈值,将所述安全风险评估降级为纯端侧推理模式。
50、上述技术方案具有以下有益效果或优点:
51、引入差分隐私预算机制对云端数据上报行为进行约束,不同敏感度数据匹配差异化预算消耗,管控用户隐私数据对外暴露总量。预算耗尽自动切换纯本地推理,避免持续向云端传输用户敏感页面信息,在借助云端大模型提升风控能力的同时,严格控制隐私泄露风险,适配家庭多用户隐私保护场景。
52、本技术的一些实施例中,所述控制器还被配置为:
53、通过变更观察器对所述目标网页的页面文档对象模型进行增量扫描,识别页面中变更的隐私数据;
54、根据预设隐私数据识别特征,识别所述隐私数据的数据类型;
55、根据所述数据类型确定对应的目标脱敏方式,并根据所述目标脱敏方式执行所述脱敏处理。
56、上述技术方案具有以下有益效果或优点:
57、通过变更观察器实现文档对象模型增量扫描,无需全页面完整遍历,降低cpu、内存算力占用。通过实时捕捉页面动态新增、修改的隐私文本,同步完成分类与脱敏,可解决静态页面加载完成后一次性脱敏无法应对网页异步加载、动态弹窗新增隐私信息的问题,实现全周期页面隐私防护。
58、本技术的一些实施例中,所述控制器还被配置为:
59、将所述安全管控策略的执行记录写入本地加密日志;
60、获取用户对所述隐私数据的手动调整操作;
61、基于所述本地加密日志与所述手动调整操作生成反馈训练信号,并根据所述反馈训练信号调整所述人工智能推理引擎。
62、上述技术方案具有以下有益效果或优点:
63、本地加密日志完整留存全部安全管控行为,支持事后安全追溯,通过采集用户手动调整脱敏内容的交互行为作为反馈样本,持续迭代优化本地ai推理模型的隐私识别、风险判定精度,从而持续提升风控与脱敏适配度。
64、第二方面,本技术还提供一种浏览器的安全处理方法,包括:
65、响应于浏览器应用启动,加载目标网页;
66、获取所述目标网页中注册的模型上下文协议工具列表;
67、调用人工智能推理引擎对所述目标网页的页面数据和所述模型上下文协议工具列表进行安全风险评估,所述安全风险评估包括对页面文档对象模型结构、用户交互上下文及模型上下文协议工具声明中至少一项的分析;
68、根据所述安全风险评估的结果,生成安全管控策略,所述安全管控策略包含对所述模型上下文协议工具执行权限的决策和/或对所述目标网页中隐私数据的脱敏方式;
69、按照所述安全管控策略,对所述模型上下文协议工具执行放行或拦截操作,和/或,对所述隐私数据执行脱敏处理。
70、上述技术方案具有以下有益效果或优点:
71、通过引入人工智能推理引擎对目标网页的页面数据和模型上下文协议工具列表进行动态安全风险评估,并基于评估结果生成包含工具权限决策和隐私脱敏方式的安全管控策略,突破浏览器依赖静态黑名单或白名单规则集的局限,实现对动态网页内容的实时感知与自适应安全管控。同时,能够自动识别并拦截恶意工具调用,并对页面中的隐私数据进行隐式脱敏处理,进而提升显示设备浏览器的使用安全性与多用户场景下的隐私保护水平。
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