【技术实现步骤摘要】
本专利技术涉及网络数据泄漏处理，具体为一种基于机器学习的网络数据泄漏预警系统及其方法。
技术介绍
1、传统的网络数据泄露预警方法通常缺乏对网络流量数据进行细致分类的能力，这导致其在处理网络安全威胁时效率低下，反应迟缓。这些方法倾向于采用一种"一刀切"的安全策略，不区分网络流量的通信模式和敏感度，从而将所有的网络流量一视同仁地进行处理。这不仅会消耗大量的计算资源，还可能导致重要的敏感数据未能获得足够的保护，同时还会使得一些低风险或不敏感的数据被过度保护，造成资源浪费。
2、传统的网络数据泄露预警方法还无法对数据进行精准的风险评估，这意味着无法实现对数据保护等级的动态调整。这种不精细的处理方式无法满足日益复杂的网络安全需求，特别是在面对高度动态和多变的网络攻击手段时，这种方法显得力不从心。例如，对于需要实时保护的高敏感数据，传统方法由于缺乏精确的风险评估，可能无法在数据泄露发生之前提供足够的保护措施，从而使得敏感信息面临更大的泄露风险。
技术实现思路
...【技术保护点】
1.一种基于机器学习的网络数据泄漏预警方法，其特征在于，其方法步骤如下：
2.根据权利要求1所述的基于机器学习的网络数据泄漏预警方法，其特征在于：所述利用旁路镜像方式收集网络流量数据，镜像过程中，所有经过网络设备的数据都会被复制到一个或多个指定的监控端口上，根据该端口接收到一份复制的网络流量数据。
3.根据权利要求1所述的基于机器学习的网络数据泄漏预警方法，其特征在于：所述利用深度包分析算法分析网络流量数据的通信模式，通过对网络流量数据的头部信息检测，来识别通信模式，将未收到响应的网络流量数据作为单向通信，将请求-响应模式的网络流量数据作为双向...
【技术特征摘要】
1.一种基于机器学习的网络数据泄漏预警方法，其特征在于，其方法步骤如下：
2.根据权利要求1所述的基于机器学习的网络数据泄漏预警方法，其特征在于：所述利用旁路镜像方式收集网络流量数据，镜像过程中，所有经过网络设备的数据都会被复制到一个或多个指定的监控端口上，根据该端口接收到一份复制的网络流量数据。
3.根据权利要求1所述的基于机器学习的网络数据泄漏预警方法，其特征在于：所述利用深度包分析算法分析网络流量数据的通信模式，通过对网络流量数据的头部信息检测，来识别通信模式，将未收到响应的网络流量数据作为单向通信，将请求-响应模式的网络流量数据作为双向通信，通过对通信模式的差异点进行持续监控，将网络流量数据按单向通信和双向通信的通信模式进行分类。
4.根据权利要求1所述的基于机器学习的网络数据泄漏预警方法，其特征在于：所述利用内容检测算法分析网络流量数据的敏感度，对网络流量数据进行扫描，通过实施词汇频率统计，自然语言处理，以及与敏感词库进行比对来确定数据的敏感度，解析网络流量数据中包含的文本信息，并根据预定义的敏感度规则库，得出敏感度的高低。
5.根据权利要求1所述的基于机器学习...
【专利技术属性】
技术研发人员：王洪义，陈从刚，刘洪印，刘广福，蔡鹏，
申请(专利权)人：山东慧贝行信息技术有限公司，
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。