【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种基于深度学习算法的网络数据资产画像生成方法及装置。
技术介绍
1、网络数据资产画像是指通过对网络中的各种数据资产进行分析和整理，生成一种综合的、直观的图像，以展示网络中不同类型和重要性的数据资产的特征和关联，这种画像通常利用深度学习算法进行处理和分析，以提取有关数据资产的关键特征，并将其可视化呈现，使用户能够更好地理解网络中的数据资产状况。网络数据资产画像展示了不同种类的数据资产，包括硬件数据（如服务器、设备信息）、软件数据（如应用程序、操作系统）、云计算资源数据（如云服务器信息）和网络信息数据（如流量、日志）等。
2、现有技术中，往往在现有标签即现有数据种类的监督下进行重分类，但是由于网络数据的异构性，这种方式无法发现数据隐形数据资产，进而导致无法采取针对性措施进行保护，数据泄露风险大。
技术实现思路
1、为了解决现有技术存在的往往在现有标签即现有数据种类的监督下进行重分类，但是由于网络数据的异构性，这种方式无法发现数据隐形数据资产，进而导...
【技术保护点】
1.一种基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述S1的获取网络数据资产，包括：
3.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述S2的根据用户授权级别设置脱敏参数，对所述网络数据资产进行保留偏移长度的数据脱敏，包括：
4.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述深度学习模型包括BERT模型、FastText模型、Word2Vec模型和Doc2V
<...【技术特征摘要】
1.一种基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述s1的获取网络数据资产，包括：
3.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述s2的根据用户授权级别设置脱敏参数，对所述网络数据资产进行保留偏移长度的数据脱敏，包括：
4.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述深度学习模型包括bert模型、fasttext模型、word2vec模型和doc2vec模型。
5.根据权利要求1所述的基于深度学习算法的网络数据资产画像生成方法，其特征在于，所述s5的结合所述特征向量，对预处理后的网络数据资产进行无标签分类，得到多个网络数据资产种类，包括：
6.根据权利要求5所述的基于深度学习算法...
【专利技术属性】
技术研发人员：张玉祺，程丽，鲁星星，齐文宇，明有为，
申请(专利权)人：金祺创北京技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。