涉密应用程序数据分析系统及方法技术方案

本发明专利技术涉及一种涉密应用程序数据分析系统，包括：序列截断机构，设置在便携式装置内，用于将数字总序列平均截断为固定数量的多个数字子序列，并将多个数字子序列作为前馈神经网络的多个输入内容并运行前馈神经网络以获得人员辨识标识；卸载执行设备，用于在接收到的人员辨识标识标记使用人员为涉密APP的未注册人员时，执行涉密APP的自行卸载处理。本发明专利技术还涉及一种涉密应用程序数据分析方法。本发明专利技术的涉密应用程序数据分析系统及方法结构紧凑、安全可靠。由于能够在涉密APP使用过程中鉴别是否存在非注册用户的使用习惯，并在鉴别出存在时，迅速执行涉密APP的自行卸载和安装文件删除，从而提升了涉密APP的安全性。从而提升了涉密APP的安全性。从而提升了涉密APP的安全性。

【技术实现步骤摘要】
涉密应用程序数据分析系统及方法


[0001]本专利技术涉及数据分析领域，尤其涉及一种涉密应用程序数据分析系统及方法。

技术介绍

[0002]数据分析有极广泛的应用范围，典型的数据分析可能包含以下三个步骤：
[0003]1、探索性数据分析：当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性；
[0004]2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型；
[0005]3、推断分析：通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断；
[0006]数据分析过程的主要活动由识别信息需求、收集数据、分析数据、评价并改进数据分析的有效性组成。
[0007]现有技术中，一些公司和行政单位为了方便开展业务、加快内部人员沟通速度，采用涉密应用程序的形式为内部人员通过便携式装置投入工作提供便利。然而，这种开展方式存在弊端，容易被非内部人员窥探涉密数据以及恶意传输涉密数据，给公司和行政单位造成损失。

技术实现思路

[0008]为了解决现有技术中的技术问题，本专利技术提供了一种涉密应用程序数据分析系统及方法，能够在涉密APP使用过程中通过针对性设计的数据分析机制根据页面浏览顺序鉴别出非注册用户的使用习惯，并在鉴别出存在非注册用户的使用习惯时，迅速执行涉密APP的自行卸载和安装文件删除，从而避免隐私数据被外部人员窥探或者恶意传输。
[0009]根据本专利技术的一方面，提供了一种涉密应用程序数据分析系统，所述系统包括：
[0010]模式检测机构，设置在便携式装置内，用于在检测到涉密应用程序即涉密APP在所述便携式装置上启动时，发出第一检测信号；
[0011]编号分配机构，设置在便携式装置内且与所述模式检测机构连接，用于在接收到所述第一检测信号时，为所述涉密APP中的各个页面的每一个页面分配唯一的编号ID；
[0012]浏览辨识机构，与所述编号分配机构连接，用于在使用人员完成在涉密APP内的预定总数的多个页面浏览后，将所述预设总数的多个页面分别对应的多个编号ID按照浏览顺序首尾连接以组成一个数字总序列；
[0013]序列截断机构，与所述流量辨识机构连接，用于将所述数字总序列平均截断为固定数量的多个数字子序列，并将所述多个数字子序列作为前馈神经网络的多个输入内容并运行所述前馈神经网络以获得作为所述前馈神经网络的单个输出内容的人员辨识标识；
[0014]卸载执行设备，设置在便携式装置内且与所述序列截断机构连接，用于在接收到
的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的自行卸载处理；
[0015]删除操作设备，设置在便携式装置内且与所述序列截断机构连接，用于在接收到的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的安装文件的删除操作；
[0016]其中，所述固定数量的取值与所述涉密APP的注册人员数量单调正向关联，所述预设总数是所述固定数量的倍数；
[0017]其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习；
[0018]其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习包括：所述各次学习的总次数与所述涉密APP的页面的总数单调正向关联。
[0019]根据本专利技术的另一方面，还提供了一种涉密应用程序数据分析方法，所述方法包括：
[0020]使用模式检测机构，设置在便携式装置内，用于在检测到涉密应用程序即涉密APP在所述便携式装置上启动时，发出第一检测信号；
[0021]使用编号分配机构，设置在便携式装置内且与所述模式检测机构连接，用于在接收到所述第一检测信号时，为所述涉密APP中的各个页面的每一个页面分配唯一的编号ID；
[0022]使用浏览辨识机构，与所述编号分配机构连接，用于在使用人员完成在涉密APP内的预定总数的多个页面浏览后，将所述预设总数的多个页面分别对应的多个编号ID按照浏览顺序首尾连接以组成一个数字总序列；
[0023]使用序列截断机构，与所述流量辨识机构连接，用于将所述数字总序列平均截断为固定数量的多个数字子序列，并将所述多个数字子序列作为前馈神经网络的多个输入内容并运行所述前馈神经网络以获得作为所述前馈神经网络的单个输出内容的人员辨识标识；
[0024]使用卸载执行设备，设置在便携式装置内且与所述序列截断机构连接，用于在接收到的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的自行卸载处理；
[0025]使用删除操作设备，设置在便携式装置内且与所述序列截断机构连接，用于在接收到的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的安装文件的删除操作；
[0026]其中，所述固定数量的取值与所述涉密APP的注册人员数量单调正向关联，所述预设总数是所述固定数量的倍数；
[0027]其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习；
[0028]其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习包括：所述各次学习的总次数与所述涉密APP的页面的总数单调正向关联。
[0029]本专利技术的涉密应用程序数据分析系统及方法结构紧凑、安全可靠。由于能够在涉
密APP使用过程中鉴别是否存在非注册用户的使用习惯，并在鉴别出存在时，迅速执行涉密APP的自行卸载和安装文件删除，从而提升了涉密APP的安全性。
附图说明
[0030]以下将结合附图对本专利技术的实施方案进行描述，其中：
[0031]图1为根据本专利技术实施方案示出的涉密应用程序数据分析系统的结构方框图。
[0032]图2为根据本专利技术实施方案示出的涉密应用程序数据分析方法的步骤流程图。
具体实施方式
[0033]下面将参照附图对本专利技术的涉密应用程序数据分析系统及方法的实施方案进行详细说明。
[0034]防泄密软件是指利用UniBDP或DLP软件在信息系统中以技术手段防止以信息化数据的形式存在的机密或秘密泄漏。防泄密示意图防泄密与保密是同样的概念。在信息安全技术中，由于保密的概念比较大，保密一般有制度层面的也有技术层面的，防范的对象有对外防范也有对内防范。而“防泄密”的概念相对出现比较晚，比一般的保密更注重于内部防范，往往更多地针对内部能够接触和使用机密数据的人员。
[0035]现有技术中，一些公司和行政单位为了方便开展业务、加快内部人员沟通速度，采用涉密应用程序的形式为内部人员通过便携式装置投入工作提供便利。然而，这种开展方式存在弊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种涉密应用程序数据分析系统，其特征在于，所述系统包括：模式检测机构，设置在便携式装置内，用于在检测到涉密应用程序即涉密APP在所述便携式装置上启动时，发出第一检测信号；编号分配机构，设置在便携式装置内且与所述模式检测机构连接，用于在接收到所述第一检测信号时，为所述涉密APP中的各个页面的每一个页面分配唯一的编号ID；浏览辨识机构，与所述编号分配机构连接，用于在使用人员完成在涉密APP内的预定总数的多个页面浏览后，将所述预设总数的多个页面分别对应的多个编号ID按照浏览顺序首尾连接以组成一个数字总序列；序列截断机构，与所述流量辨识机构连接，用于将所述数字总序列平均截断为固定数量的多个数字子序列，并将所述多个数字子序列作为前馈神经网络的多个输入内容并运行所述前馈神经网络以获得作为所述前馈神经网络的单个输出内容的人员辨识标识；卸载执行设备，设置在便携式装置内且与所述序列截断机构连接，用于在接收到的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的自行卸载处理；删除操作设备，设置在便携式装置内且与所述序列截断机构连接，用于在接收到的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的安装文件的删除操作；其中，所述固定数量的取值与所述涉密APP的注册人员数量单调正向关联，所述预设总数是所述固定数量的倍数；其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习；其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习包括：所述各次学习的总次数与所述涉密APP的页面的总数单调正向关联。2.如权利要求1所述的涉密应用程序数据分析系统，其特征在于：每一次正向学习采用注册人员某一次使用所述涉密APP对应的多个数字子序列作为前馈神经网络的多个输入内容，采用标记使用人员为注册人员的人员辨识标识作为前馈神经网络的单个输出内容；其中，每一次负向学习采用未注册人员某一次使用所述涉密APP对应的多个数字子序列作为前馈神经网络的多个输入内容，采用标记使用人员为未注册人员的人员辨识标识作为前馈神经网络的单个输出内容；其中，所述序列截断机构使用的前馈神经网络为完成各次学习的前馈神经网络，所述各次学习包括正向学习和负向学习包括：所述各次学习中，正向学习的次数等于负向学习的次数。3.如权利要求1
‑
2任一所述的涉密应用程序数据分析系统，其特征在于：所述卸载执行设备还用于在接收到的人员辨识标识标记使用人员为所述涉密APP的注册人员时，不执行对所述涉密APP的自行卸载处理；其中，所述删除操作设备还用于在接收到的人员辨识标识标记使用人员为所述涉密APP的注册人员时，不执行对所述涉密APP的安装文件的删除操作。
4.如权利要求1
‑
2任一所述的涉密应用程序数据分析系统，其特征在于：在接收到的人员辨识标识标记使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的自行卸载处理包括：在接收到的人员辨识标识为0时，确定使用人员为所述涉密APP的未注册人员时，执行所述涉密APP的自行卸载处理；其中，所述卸载执行设备还用于在接收到的人员辨识标识标记使用人员为所述涉密APP的注册人员时，不执行对所述涉密APP的自行卸载处理包括：在接收到的人员辨识标识为1时，确定使用人员为所述涉密APP的注册人员时，不执行对所述涉密APP的自行卸载处理。5.如权利要求1
‑
2任一所述的涉密应用程序数据分析系统，其特征在于：所述模式检测机构还用于在未检测到涉密APP在所述便携式装置上启动时，发出第二检测信号；其中，所述编号分配机构还用于在接收到所述第二检测信号时，不执行对所述涉密APP中的各个页面的每一个页面的唯一的编号ID的分配。6.一种涉密应用程序...

【专利技术属性】
技术研发人员：梁圆，
申请(专利权)人：梁圆，
类型：发明
国别省市：