一种数据分类分级方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例涉及一种数据分类分级方法、装置、电子设备和存储介质，所述方法包括：获取数据分类分级模型和标准化处理后的待分析数据；采用该分类分级模型对该待分析数据进行特征提取，以确定其数据特征；采用该分类分级模型根据所述数据特征对待分析数据进行分类，得到分类结果；采用该分类分级模型根据预设的分级规则和分类结果对待分析数据进行分级，得到分级结果；输出分级结果。本发明专利技术实施例的技术方案，通过对待分析数据进行特征提取以实现分类分级，提高了数据分类分级处理的准确性；同时提供了基于可信执行环境技术的数据分类分级方法，为数据和模型提供数据传输安全、计算安全、存储安全等全生命周期的隐私安全保护。存储安全等全生命周期的隐私安全保护。存储安全等全生命周期的隐私安全保护。

【技术实现步骤摘要】
一种数据分类分级方法、装置、电子设备和存储介质


[0001]本专利技术实施例涉及数据安全领域，尤其涉及一种数据分类分级方法、装置、电子设备和存储介质。

技术介绍

[0002]通常来说，数据管理将数据分为绝密、机密、秘密和公开四种类型，超过公开级别的数据通常为敏感数据。不同类型的数据具有不同的价值，需要采取不同的额外投入和特定策略等来管理数据，规避因敏感信息的未经授权访问造成重大损失的可能。

技术实现思路

[0003]基于现有技术的上述情况，本专利技术实施例的目的在于提供一种数据分类分级方法、装置、电子设备和存储介质，能够在保护原始数据的前提下对海量数据进行分级分类，从而实现对商业秘密数据及用户隐私安全的保护。
[0004]为了达到上述目的，根据本专利技术的一个方面，提供了一种数据分类分级方法，所述方法包括：
[0005]获取数据分类分级模型和标准化处理后的待分析数据；
[0006]在可信执行环境中，采用该分类分级模型对该待分析数据进行特征提取，以确定其数据特征；
[0007]在可信执行环境中，采用该分类分级模型根据所述数据特征对待分析数据进行分类，得到分类结果；
[0008]在可信执行环境中，采用该分类分级模型根据预设的分级规则和分类结果对待分析数据进行分级，得到分级结果；
[0009]输出分级结果，并根据分级结果对待分析数据进行处理。
[0010]进一步的，所述特征提取包括：
[0011]提取待分析数据中每一条数据的特征；
[0012]将该条数据的特征与该条数据的前M条数据和后N条数据的特征相结合，形成该条数据的特征向量；
[0013]其中，M和N均为大于等于1的自然数。
[0014]进一步的，所述待分析数据包括格式数据和非格式数据；
[0015]所述待分析数据为格式数据时，M＝M1，N＝N1；
[0016]所述待分析数据为非格式数据时，M＝M2，N＝N2；
[0017]M2>M1且N2>N1。
[0018]进一步的，通过识别该待分析数据中是否包括特殊标识确定该数据为格式数据或非格式数据；
[0019]所述特殊标识包括下划线、文字间的空白、文字书写类型标识。
[0020]进一步的，还包括：
[0021]依据分级结果，为待分析数据中各等级的数据添加相应等级的标记信息，形成数据处理结果，所述标记信息包括：为数据添加等级对应的背景颜色、为数据添加等级编号中的至少一种；
[0022]提供交互页面，以在交互页面中展示数据处理结果；
[0023]基于在交互页面中的数据调整操作，确定数据调整信息，所述数据调整信息包括新增标记信息和标记信息调整信息；
[0024]依据数据调整信息对待分析数据的分级结果进行调整，并对分类分级模型进行调整，以得到调整后的分类分级模型。
[0025]进一步的，还包括：
[0026]依据分级结果确定待分析数据中隐藏数据的隐藏等级，所述隐藏等级包括全部隐藏和部分隐藏；
[0027]按照隐藏等级，为待分析数据中的隐藏数据添加马赛克，形成输出数据。
[0028]进一步的，还包括：从第一数据源获取数据分类分级模型，从第二数据源获取待分析数据，其中，所述第一数据源和第二数据源为不同的数据源；
[0029]将所述数据分类分级模型和待分析数据传输至可信执行环境中进行分析。
[0030]根据本专利技术的第二个方面，提供了一种医学数据分类分级方法，所述方法包括：
[0031]获取数据分类分级模型和标准化处理后的待分析数据，所述待分析数据包括医学文本数据或图像数据；
[0032]在可信执行环境中，采用该分类分级模型对该待分析数据进行特征提取，以确定其数据特征；
[0033]在可信执行环境中，采用该分类分级模型根据所述数据特征对待分析数据进行分类，得到分类结果；
[0034]在可信执行环境中，采用该分类分级模型根据预设的分级规则和分类结果对待分析数据进行分级，得到分级结果；
[0035]输出分级结果，并根据分级结果对待分析数据进行处理。
[0036]根据本专利技术的第三个方面，提供了一种数据分类分级装置，包括：
[0037]获取模块，用于获取数据分类分级模型和标准化处理后的待分析数据；
[0038]特征提取模块，用于在可信执行环境中采用该分类分级模型对该待分析数据进行特征提取，以确定其数据特征；
[0039]分类模块，用于在可信执行环境中采用该分类分级模型根据所述数据特征对待分析数据进行分类，得到分类结果；
[0040]分级模块，用于在可信执行环境中采用该分类分级模型根据预设的分级规则和分类结果对待分析数据进行分级，得到分级结果；
[0041]输出模块，用于输出分级结果，并根据分级结果对待分析数据进行处理。
[0042]根据本专利技术的第四个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的可执行指令，所述处理器执行所述程序时实现如本专利技术第一个方面所述的分类分级方法。
[0043]根据本专利技术的第五个方面，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述可执行指令被处理器执行时实现如本专利技术第一个方面所述的分类分级方
法。
[0044]综上所述，本专利技术实施例提供了一种数据分类分级方法、装置、电子设备和存储介质，所述方法包括：获取数据分类分级模型和标准化处理后的待分析数据；采用该分类分级模型对该待分析数据进行特征提取，以确定其数据特征；采用该分类分级模型根据所述数据特征对待分析数据进行分类，得到分类结果；采用该分类分级模型根据预设的分级规则和分类结果对待分析数据进行分级，得到分级结果；输出分级结果。本专利技术实施例的技术方案，通过对待分析数据进行特征提取以实现分类分级，提高了数据分类分级处理的准确性；同时提供了基于可信执行环境技术的数据分类分级方法，通过采用远程验证、传输加密、内存隔离、内存加密、数据密封等技术可以为数据和模型提供数据传输安全、计算安全、存储安全等全生命周期的隐私安全保护，从而在技术层面上为用户扫除因隐私保护而产生的模型部署中的障碍。
附图说明
[0045]图1是本专利技术实施例提供的数据分类分级方法的流程图；
[0046]图2是多层感知机(MLP)神经网络模型的结构示意图；
[0047]图3是本专利技术另一个实施例提供的数据分类分级方法的流程图；
[0048]图4是本专利技术实施例提供的数据分类分级装置的构成框图；
[0049]图5是本专利技术实施例提供的电子设备的结构示意图。
具体实施方式
[0050]为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据分类分级方法，其特征在于，所述方法包括：获取数据分类分级模型和标准化处理后的待分析数据；在可信执行环境中，采用该分类分级模型对该待分析数据进行特征提取，以确定其数据特征；在可信执行环境中，采用该分类分级模型根据所述数据特征对待分析数据进行分类，得到分类结果；在可信执行环境中，采用该分类分级模型根据预设的分级规则和分类结果对待分析数据进行分级，得到分级结果；输出分级结果，并根据分级结果对待分析数据进行处理。2.根据权利要求1所述的方法，其特征在于，所述特征提取包括：提取待分析数据中每一条数据的特征；将该条数据的特征与该条数据的前M条数据和后N条数据的特征相结合，形成该条数据的特征向量；其中，M和N均为大于等于1的自然数。3.根据权利要求2所述的方法，其特征在于，所述待分析数据包括格式数据和非格式数据；所述待分析数据为格式数据时，M＝M1，N＝N1；所述待分析数据为非格式数据时，M＝M2，N＝N2；M2>M1且N2>N1。4.根据权利要求3所述的方法，其特征在于，通过识别该待分析数据中是否包括特殊标识确定该数据为格式数据或非格式数据；所述特殊标识包括下划线、文字间的空白、文字书写类型标识。5.根据权利要求1所述的方法，其特征在于，还包括：依据分级结果，为待分析数据中各等级的数据添加相应等级的标记信息，形成数据处理结果，所述标记信息包括：为数据添加等级对应的背景颜色、为数据添加等级编号中的至少一种；提供交互页面，以在交互页面中展示数据处理结果；基于在交互页面中的数据调整操作，确定数据调整信息，所述数据调整信息包括新增标记信息和标记信息调整信息；依据数据调整信息对待分析数据的分级结果进行调整，并对分类分级模型进行调整，以得到调整后的分类分级模型。6.根据权利要求1所述的方法，其特征在于，还包括：依据分级结果确定待分析数据中隐藏数据的隐藏等级，所述隐藏等级包括全部隐藏和部分隐藏...

【专利技术属性】
技术研发人员：王爽，郭兰停，王帅，李帜，
申请(专利权)人：杭州锘崴信息科技有限公司，
类型：发明
国别省市：