一种基于云计算的智慧业务信息风险处理方法及系统技术方案

本申请涉及云计算及业务风险处理技术领域，具体而言，涉及一种基于云计算的智慧业务信息风险处理方法及系统，鉴于无需修改存在隐私信息窃取风险的智慧业务会话日志的会话分布结构，在保证隐私威胁信息检测精度的同时，减少了隐私威胁信息检测的软硬件资源开销，在一定程度上提升了隐私威胁检测的效率。一定程度上提升了隐私威胁检测的效率。一定程度上提升了隐私威胁检测的效率。

【技术实现步骤摘要】
一种基于云计算的智慧业务信息风险处理方法及系统


[0001]本申请实施例涉及云计算及业务风险处理
，具体涉及一种基于云计算的智慧业务信息风险处理方法及系统。

技术介绍

[0002]云计算的突出特点是具备大量的基础软硬件资源，实现了基础资源的规模化。云计算/云服务可以提高资源的利用率，降低单位资源的使用成本。考虑基于Iaas架构进行设计，以云计算数据中心为核心，打造独立于多个应用系统的公共云，通过各类不同的云，比如：市政云、交通云、教育云、安全云、社区云、旅游云为各类上层应用提供支持，其架构能后续扩展支持其它云。
[0003]而随着云业务的快速发展，云业务处理过程中越来越复杂的应用环境使得信息威胁检测变得越来越困难，因此，加强对相关业务信息的风险防护变得尤其重要。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种基于云计算的智慧业务信息风险处理方法及系统。
[0005]第一方面，本申请提供了一种基于云计算的智慧业务信息风险处理方法，包括：对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的智慧业务信息风险处理方法，其特征在于，应用于信息风险处理系统，所述方法包括：对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘，得到多个业务状态下的异常活动兴趣描述feature1；基于对所述异常活动兴趣描述feature1执行兴趣描述属性更新，得到每个业务状态下的异常活动兴趣描述feature1对应的异常活动兴趣描述feature2；其中，不同业务状态下的异常活动兴趣描述feature1对应的异常活动兴趣描述feature2的兴趣描述属性一致；逐一更新每个业务状态下的异常活动兴趣描述feature2的兴趣描述属性，得到每个业务状态下的异常活动兴趣描述feature2对应的异常活动兴趣描述feature3，其中，每个业务状态下的异常活动兴趣描述feature3的阶段性层面指标的量化分析结果与设定量化分析结果相匹配；结合所述异常活动兴趣描述feature3，确定所述存在隐私信息窃取风险的智慧业务会话日志中的隐私威胁信息。2.如权利要求1所述的方法，其特征在于，所述基于对所述异常活动兴趣描述feature1执行兴趣描述属性更新，得到每个业务状态下的异常活动兴趣描述feature1对应的异常活动兴趣描述feature2，包括：确定所述每个业务状态下的异常活动兴趣描述feature1对应的兴趣描述属性中量化约束最少的异常活动兴趣描述feature1，并将除所述量化约束最少的异常活动兴趣描述feature1外的剩余异常活动兴趣描述feature1，更新为与该量化约束最少的异常活动兴趣描述feature1相同兴趣描述属性的异常活动兴趣描述，将所述量化约束最少的异常活动兴趣描述feature1，以及更新后所述与该量化约束最少的异常活动兴趣描述feature1相同兴趣描述属性的异常活动兴趣描述作为所述异常活动兴趣描述feature2；或者，将所述每个业务状态下的异常活动兴趣描述feature1更新为设定兴趣描述属性下的异常活动兴趣描述，将该设定兴趣描述属性下的异常活动兴趣描述作为所述异常活动兴趣描述feature2。3.如权利要求1所述的方法，其特征在于，所述对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘，得到多个业务状态下的异常活动兴趣描述feature1，包括：通过多个业务状态下的第一AI机器学习模型对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘，得到每一个业务状态下的第一AI机器学习模型导出的异常活动兴趣描述feature1；所述基于对所述异常活动兴趣描述feature1执行兴趣描述属性更新，得到每个业务状态下的异常活动兴趣描述feature1对应的异常活动兴趣描述feature2，包括：根据确定的更新后的兴趣描述属性，以及每一个业务状态下的第一AI机器学习模型导出的所述异常活动兴趣描述feature1的兴趣描述属性，确定该业务状态下的第一AI机器学习模型对应的第二AI机器学习模型的模型变量数据；结合涵盖了确定的模型变量数据的所述每一个业务状态下的第二AI机器学习模型，对该业务状态下的第二AI机器学习模型对应的第一AI机器学习模型导出的异常活动兴趣描述feature1进行兴趣特征分析，得到该业务状态下的第二AI机器学习模型导出的所述异常活动兴趣描述feature2。4.如权利要求1至3任一所述的方法，其特征在于，所述对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘，得到多个业务状态下的异常活动兴趣描述feature1，包括：通过多个业务状态下的第一AI机器学习模型对存在隐私信息窃取风险的
智慧业务会话日志执行会话活动兴趣挖掘，得到每一个业务状态下的第一AI机器学习模型导出的异常活动兴趣描述feature1；所述逐一更新每个业务状态下的异常活动兴趣描述feature2的兴趣描述属性，得到每个业务状态下的异常活动兴趣描述feature2对应的异常活动兴趣描述feature3，包括：基于不同业务状态下的第一AI机器学习模型之间的阶段性层面指标的量化分析结果，以及每一个业务状态下的第一AI机器学习模型对应的所述异常活动兴趣描述feature2的阶段性层面指标，确定每个业务状态下的第一AI机器学习模型分别对应的异常活动兴趣描述feature3的阶段性层面指标；根据确定的每个业务状态下的第一AI机器学习模型分别对应的异常活动兴趣描述feature3的阶段性层面指标，以及每一个业务状态下的第一AI机器学习模型对应的所述异常活动兴趣描述feature2的阶段性层面指标，确定该业务状态下的第一AI机器学习模型对应的第三AI机器学习模型的模型变量数据；结合涵盖了确定的模型变量数据的所述每一个业务状态下的第三AI机器学习模型，对该业务状态下的第三AI机器学习模型对应的异常活动兴趣描述feature2进行兴趣特征分析，得到该业务状态下的第三AI机器学习模型导出的所述异常活动兴趣描述feature3。5.如权利要求1所述的方法，其特征在于，所述结合所述异常活动兴趣描述feature3，确定所述存在隐私信息窃取风险的智慧业务会话日志中的隐私威胁信息，包括：将每个业务状态下的异常活动兴趣描述feature2对应的所述异常活动兴趣描述feature3进行连接处理，得到完成连接的异常活动兴趣描述feature4；结合所述异常活动兴趣描述feature4，确定所述存在隐私信息窃取风险的智慧业务会话日志中的隐私威胁信息。6.如权利要求5所述的方法，其特征在于，将每个业务状态下的异常活动兴趣描述feature2对应的所述异常活动兴趣描述feature3进行连接处理，得到完...

【专利技术属性】
技术研发人员：徐志全，张红艳，
申请(专利权)人：萍乡市圣迈互联网科技有限公司，
类型：发明
国别省市：