数据检测方法、装置及设备制造方法及图纸

一种数据检测方法、装置及设备，该方法包括：根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性(S202)，所述预设模型为通过神经网络对样本数据进行学习得到的。提高了数据检测效率和准确性。

【技术实现步骤摘要】
【国外来华专利技术】数据检测方法、装置及设备
本申请涉及计算机
，例如涉及一种数据检测方法、装置及设备。
技术介绍
随着网络技术的不断发展，网络的应用越来越广泛，很多重要信息均通常网络进行传输。在相关技术中，在数据在网络传输的过程中，为了防止重要信息的泄露、或者受到非法数据对网络进行攻击，在网络的重要接口(例如，内网至外网的网络关口)中，通常由工作人员对经过重要节点的数据进行人工检测，在确定数据安全时，再允许数据通过，然而，工作人员对很多经过处理的数据无法准确的进行识别，不但导致数据检测的效率低下，还导致数据检测的可靠性低下。
技术实现思路
本公开实施例提供一种数据检测方法、装置及设备，提高了数据检测效率和准确性。第一方面，本公开实施例提供一种数据检测方法，包括：根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，所述预设模型为通过神经网络对样本数据进行学习得到的。在一种可能的实施方式中，所述方法还包括：获取所述待检测数据的属性信息。在一种可能的实施方式中，所述待检测数据的属性信息包括如下属性中的至少一种：所述待检测数据的格式、所述待检测数据使用的资源、数据发送频率。在一种可能的实施方式中，所述数据发送频率为发送所述待检测数据的设备在预设时段内发送数据的频率。在一种可能的实施方式中，所述根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，包括：根据所述属性信息检测所述待检测数据的安全性；在根据所述属性信息检测所述待检测数据为安全数据时，通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证。在一种可能的实施方式中，所述方法还包括：在根据所述属性信息检测所述待检测数据为风险数据时，确定所述待检测数据为风险数据。在一种可能的实施方式中，所述根据所述属性信息检测所述待检测数据的安全性，包括：获取所述属性信息中每个属性对应的安全范围；在所述属性信息中存在至少一个属性在所述至少一个属性对应的安全范围之外时，确定所述待检测数据为风险数据；在所述属性信息中属性均在所述属性对应的安全范围之内时，确定所述待检测数据为安全数据。在一种可能的实施方式中，所述待检测数据的格式对应的安全范围中包括至少一个预设安全格式。在一种可能的实施方式中，所述待检测数据使用的资源对应的安全范围中包括预设资源范围。在一种可能的实施方式中，数据发送频率对应的安全范围中包括预设频率范围。在一种可能的实施方式中，所述通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证，包括：获取所述待检测数据的类型，所述待检测数据的类型包括文本类型、图像类型、语音类型或视频类型中的至少一种；根据所述待检测数据的类型，获取所述预设模型；通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证。在一种可能的实施方式中，所述样本数据包括标记的安全样本数据和标记的风险样本数据。第二方面，本公开实施例提供一种数据检测装置，包括检测模块；所述检测模块配置为，根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，所述预设模型为通过神经网络对样本数据进行学习得到的。在一种可能的实施方式中，所述装置还包括第一获取模块；所述第一获取模块配置为，获取所述待检测数据的属性信息。在一种可能的实施方式中，所述待检测数据的属性信息包括如下属性中的至少一种：所述待检测数据的格式、所述待检测数据使用的资源、数据发送频率。在一种可能的实施方式中，所述数据发送频率为发送所述待检测数据的设备在预设时段内发送数据的频率。在一种可能的实施方式中，所述检测模块配置为：根据所述属性信息检测所述待检测数据的安全性；在根据所述属性信息检测所述待检测数据为安全数据时，通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证。在一种可能的实施方式中，所述装置还包括确定模块，所述确定模块配置为：在所述检测模块根据所述属性信息检测所述待检测数据为风险数据时，确定所述待检测数据为风险数据。在一种可能的实施方式中，所述检测模块配置为：获取所述属性信息中每个属性对应的安全范围；在所述属性信息中存在至少一个属性在所述至少一个属性对应的安全范围之外时，确定所述待检测数据为风险数据；在所述属性信息中属性均在所述属性对应的安全范围之内时，确定所述待检测数据为安全数据。在一种可能的实施方式中，所述待检测数据的格式对应的安全范围中包括至少一个预设安全格式。在一种可能的实施方式中，所述待检测数据使用的资源对应的安全范围中包括预设资源范围。在一种可能的实施方式中，数据发送频率对应的安全范围中包括预设频率范围。在一种可能的实施方式中，所述装置还包括第二获取模块和第三获取模块，所述第二获取模块配置为，获取所述待检测数据的类型，所述待检测数据的类型包括文本类型、图像类型、语音类型或视频类型中的至少一种；所述第三获取模块配置为，根据所述待检测数据的类型，获取所述预设模型；所述检测模块配置为，通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证。在一种可能的实施方式中，所述样本数据包括标记的安全样本数据和标记的风险样本数据。第三方面，本公开实施例提供一种计算机，包含第二方面任一项所述的装置。第四方面，本公开实施例提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器执行第一方面任一项所述的方法。第五方面，本公开实施例提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行第一方面任一项所述的方法。第六方面，本公开实施例提供一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行第一方面任一项所述的方法。本公开实施例提供的数据检测方法、装置及设备，可以根据待检测数据的属性信息和预设模型，检测待检测数据的安全性，由于预设模型为通过神经网络对样本数据进行学习得到的，样本数据包括标记的安全样本数据和标记的风险样本数据，因此，根据预设模型可以准确的验证待检测数据是否安全，在上述过程中，不但节省人力成本，还可以提高检测效率、以及提高检测的准确性。附图说明一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：图1为本公开实施例提供的数据监测方法的架构图；图2为本公开实施例提供的一种数据检测方本文档来自技高网...

【技术保护点】
一种数据检测方法，其特征在于，包括：/n根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，所述预设模型为通过神经网络对样本数据进行学习得到的。/n

【技术特征摘要】
【国外来华专利技术】一种数据检测方法，其特征在于，包括：
根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，所述预设模型为通过神经网络对样本数据进行学习得到的。


根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述待检测数据的属性信息。


根据权利要求1或2所述的方法，其特征在于，
所述待检测数据的属性信息包括如下属性中的至少一种：所述待检测数据的格式、所述待检测数据使用的资源、数据发送频率。


根据权利要求3所述的方法，其特征在于，所述数据发送频率为发送所述待检测数据的设备在预设时段内发送数据的频率。


根据权利要求1-4任一项所述的方法，其特征在于，所述根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，包括：
根据所述属性信息检测所述待检测数据的安全性；
在根据所述属性信息检测所述待检测数据为安全数据时，通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证。


根据权利要求5所述的方法，其特征在于，所述方法还包括：
在根据所述属性信息检测所述待检测数据为风险数据时，确定所述待检测数据为风险数据。


根据权利要求5所述的方法，其特征在于，所述根据所述属性信息检测所述待检测数据的安全性，包括：
获取所述属性信息中每个属性对应的安全范围；
在所述属性信息中存在至少一个属性在所述至少一个属性对应的安全范围之外时，确定所述待检测数据为风险数据；
在所述属性信息中属性均在所述属性对应的安全范围之内时，确定所述待检测数据为安全数据。


根据权利要求7所述的方法，其特征在于，所述待检测数据的格式对应的安全范围中包括至少一个预设安全格式。


根据权利要求7所述的方法，其特征在于，所述待检测数据使用的资源对应的安全范围中包括预设资源范围。


根据权利要求7所述的方法，其特征在于，数据发送频率对应的安全范围中包括预设频率范围。


根据权利要求5所述的方法，其特征在于，所述通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证，包括：
获取所述待检测数据的类型，所述待检测数据的类型包括文本类型、图像类型、语音类型或视频类型中的至少一种；
根据所述待检测数据的类型，获取所述预设模型；
通过所述预设模型对所述属性信息和/或所述待检测数据进行安全性验证。


根据权利要求1-11任一项所述的方法，其特征在于，所述样本数据包括标记的安全样本数据和标记的风险样本数据。


一种数据检测装置，其特征在于，包括检测模块；
所述检测模块配置为，根据待检测数据的属性信息和预设模型，检测所述待检测数据的安全性，所述预设模型为通过神经网络对样本数据进行学习得到的。


根据权利要求13所述的装置，其特征在于，所述装置还包括第一获取模块；
所述第一获取模块配置为，获取所述待检测数据的属性信息。


根据权利要求13或14所述的装置，...

【专利技术属性】
技术研发人员：刘奎龙，
申请(专利权)人：北京比特大陆科技有限公司，
类型：发明
国别省市：北京;11