【技术实现步骤摘要】
本专利技术涉及数据安全领域，特别涉及一种多维数据智能标识方法
技术介绍
1、数字时代，数据成为国家基础性战略资源和重要生产要素，《数据安全法》强调了数据安全是数字中国重要战略举措的根本保障，并提出国家将对数据实行分级分类保护。数据标识的本质是通过对数据的特征进行全方面的分析与提取，进而识别和定义数据，并为数据打上标识，方便数据资产管理，实施分级分类保护。数据标识多是离散的分布于数据的各种属性中，常见的数据标识方法单一、流程固定、效率低、性能开销较大，难以满足业务灵活多样且海量异构数据频繁更新的场景下，各领域、行业、机构主体高效完成数据标识，管控数据安全的核心诉求。
技术实现思路
1、针对现有技术中存在的问题，提供了一种多维数据智能标识方法，基于多线并行的方式，结合ai人工智能算法，实现结构化数据与非结构化数据的多维属性智能标识提取与更新。
2、本专利技术采用的技术方案如下：一种多维数据智能标识方法，包括：
3、对扫描到的非结构化数据和结构化数据分别执行对应标识流程，建立非结构化数据安全标识和结构化数据安全标识；
4、在数据发生变化时，若数据内容发生变化时，表示扫描到新数据，重新根据数据对应的标识流程生成数据安全标识；若数据内容未发生变化，仅变化其他属性，则更新对应数据安全标识属性。
5、进一步的，对于非结构化数据，安全标识流程如下：
6、步骤a1、扫描文件服务器，获取非结构化数据；
7、步骤a2、并行完成数据清
8、步骤a3、对数据清洗后的数据内容进行模糊指纹计算和分类属性提取；
9、步骤a4、根据提取的分类属性进行分级判定，确定数据安全等级；
10、步骤a5、将文件指纹、元数据、模糊指纹、分类属性及安全等级进行组装，输出针对非结构化数据的安全标识。
11、进一步的，所述分类属性提取过程包括：
12、步骤a3.1、对数据清洗后的数据进行特征提取；
13、步骤a3.2、基于提取的数据特征，通过人工智能机器学习算法预先生成的ai模型，自动判别数据类型，完成分类判定；
14、步骤a3.3、通过自定义的分类规则匹配逻辑，对数据内容进行检索，完成分类判定；
15、步骤a3.4、基于ai模型的分类结果与规则匹配的分类结果，联合确定分类属性。
16、进一步的，所述步骤a4中，确定数据安全等级的方法包括：
17、步骤a4.1、根据数据分类属性与预先定义的安全等级映射关系，查询该数据的安全等级；
18、步骤a4.2、通过自定义的分级规则表，对数据内容进行检索，完成基于数据内容检索的分级判定；
19、步骤a4.3、综合分类属性对应安全等级和基于数据内容检索的分级判定结果，取最高值作为该数据的最终安全等级。
20、进一步的，对于结构化数据，安全标识流程如下：
21、步骤b1、扫描数据库，获取结构化数据；
22、步骤b2、并行完成数据抽样、数据列指纹计算、数据列模糊指纹计算以及元数据提取；
23、步骤b3、对数据抽样的数据进行分类属性提取；
24、步骤b4、根据分类属性进行分级判定，确定数据安全等级；
25、步骤b5、将数据列指纹、数据列模糊指纹、元数据、分类属性以及安全等级进行组装，输出针对结构化数据的安全标识。
26、进一步的，所述数据抽样包括：随机抽样结构化数据中500行作为分类属性提取过程所使用的数据，当且仅当数据表结构发生变化时，需要重新抽样。
27、进一步的，所述步骤b3的子步骤包括：
28、步骤b3.1、对数据抽样后的数据进行清洗，再提取数据特征；
29、步骤b3.2、基于提取的数据特征，通过人工智能机器学习算法预先生成的ai模型，自动判别数据类型，完成分类判定；
30、步骤b3.3、通过自定义的分类规则匹配逻辑，对数据内容进行检索，完成分类判定；
31、步骤b3.4、基于ai模型的分类结果与规则匹配的分类结果，联合确定分类属性。
32、进一步的，所述步骤b4中，确定数据安全等级的方法包括：
33、步骤b4.1、根据数据分类属性与预先定义的安全等级映射关系，查询该数据的安全等级；
34、步骤b4.2、通过自定义的分级规则表，对数据内容进行检索，完成基于数据内容检索的分级判定；
35、步骤b4.3、综合分类属性对应安全等级和基于数据内容检索的分级判定结果，取最高值作为该数据的最终安全等级。
36、进一步的，对于非结构化数据，标识更新过程如下：
37、步骤c1、扫描文件服务器，基于文件本体计算数据指纹；
38、步骤c2、与历史扫描结果做比对，判断该数据指纹是否已经存在历史记录中；
39、步骤c3、若该文件指纹已存在历史记录中，则判断分类规则和/或分级规则是否发生变化，若分类分级规则未发生变化，则不做更新，流程结束；若分类规则和/或分级规则发生变化，则重新计算分类分级属性，并记录数据扫描历史，用于后续查询变化记录；
40、步骤c4、若文件指纹并不存在历史记录中，则认为本次扫描的数据为一条新的数据，执行非结构化数据的标识流程，生成新的数据安全标识。
41、进一步的，对于结构化数据，标识更新过程如下：
42、步骤d1、扫描数据库，识别数据资产，基于数据字段的元数据信息计算数据指纹；
43、步骤d2、与历史扫描结果做比对，判断该数据指纹是否已经存在历史记录中；
44、步骤d3、若该数据指纹已存在历史记录中，则判断该数据字段存在的库表结构是否发生变化，若没发生变化，再判断分类规则和/或分级规则是否发生变化，若未发生变化，则不做更新，流程结束；若分类规则和/或分级规则发生变化，则直接提交原先抽样的样本数据再次进行分类分级判定，判定结束后，更新变化后的数据标识；
45、步骤d4、若该字段存在的库表结构已发生变化，则重新进行数据抽样，并将抽样后的数据样本直接按当前规则进行分类分级判定，判定结束后，更新变化后的数据标识；
46、步骤d5、若该文件指纹并不存在历史记录中，则认为本次扫描的数据为一条新的数据，执行结构化数据的标识流程，生成新的数据安全标识。
47、与现有技术相比，采用上述技术方案的有益效果为：
48、(1)针对非结构化数据和结构化数据，分别提供了不同的流程与方法，有针对性的实现针对不同数据的多维安全标识。
49、(2)流程中融入了人工智能与内容检索规则相结合的分类分级判定方法，增加了系统的灵活性与智能抉择能力，适应更加丰富的业务场景。
50、(3)提供并行处理的方式，进行包括数据指纹、模糊指纹、元数据、分类分级等在内的多维属性的提本文档来自技高网...
【技术保护点】
1.一种多维数据智能标识方法，其特征在于，包括：
2.根据权利要求1所述的多维数据智能标识方法，其特征在于，对于非结构化数据，标识流程如下：
3.根据权利要求2所述的多维数据智能标识方法，其特征在于，所述分类属性提取过程包括：
4.根据权利要求2或3所述的多维数据智能标识方法，其特征在于，所述步骤A4中，确定数据安全等级的方法包括：
5.根据权利要求1所述的多维数据智能标识方法，其特征在于，对于结构化数据，安全标识流程如下：
6.根据权利要求5所述的多维数据智能标识方法，其特征在于，所述数据抽样包括：随机抽样结构化数据中500行作为分类属性提取过程所使用的数据，当且仅当数据表结构发生变化时，需要重新抽样。
7.根据权利要求5或6所述的多维数据智能标识方法，其特征在于，所述步骤B3的子步骤包括：
8.根据权利要求7所述的多维数据智能标识方法，其特征在于，所述步骤B4中，确定数据安全等级的方法包括：
9.根据权利要求2所述的多维数据智能标识方法，其特征在于，对于非结构化数据，安全标识更新过
10.根据权利要求5所述的多维数据智能标识方法，其特征在于，对于结构化数据，标识更新过程如下：
...【技术特征摘要】
1.一种多维数据智能标识方法，其特征在于，包括：
2.根据权利要求1所述的多维数据智能标识方法，其特征在于，对于非结构化数据，标识流程如下：
3.根据权利要求2所述的多维数据智能标识方法，其特征在于，所述分类属性提取过程包括：
4.根据权利要求2或3所述的多维数据智能标识方法，其特征在于，所述步骤a4中，确定数据安全等级的方法包括：
5.根据权利要求1所述的多维数据智能标识方法，其特征在于，对于结构化数据，安全标识流程如下：
6.根据权利要求5所述的多维数据智能标识方法，其特征在于，所述数据...
【专利技术属性】
技术研发人员：雷雳，薛锋，马晓旭，白健，徐允彪，
申请(专利权)人：中国电子科技集团公司第三十研究所，
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。