通过云平台进行社区治理数据安全访问的工作方法与流程

电子通信装置的制造及其应用技术1.本发明涉及数据安全领域，尤其涉及一种通过云平台进行社区治理数据安全访问的工作方法。背景技术：2.社会治理环节中，每一个社区就是整个社会的神经末梢，正所谓牵一发而动全身，由海量社区组成的庞大的社区治理数据，从中分析提取出规律性的安全事件或者行为，成为数据挖掘的重要环节，而且在社区治理过程中能够作为安全访问数据的重要参考，对于用户的行为数据，活动轨迹的安全性进行判断和估计，这就亟需本领域技术人员解决相应的技术问题。技术实现要素：3.本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种通过云平台进行社区治理数据安全访问的工作方法。4.为了实现本发明的上述目的，本发明提供了一种通过云平台进行社区治理数据安全访问的工作方法，包括：5.s1，通过云平台形成的社区网络进行社区安全数据收集，形成社区数据关系网络，每一个社区为数据复合节点，对于数据复合节点进行安全访问数据统计；6.s2，在数据统计后发现数据复合节点之间的关系异常数据，通过相关度函数构建安全行为提取标准，并对关系异常数据进行可信度计算；7.s3，根据可信度计算对数据复合节点之间发生的安全请求进行判断，将判断结果传输至云平台。8.优选的，所述s1包括：9.s1-1，在云平台中形成多个社区网络，社区网络形成了数据复合节点，数据复合节点中由社区安全数据组成，社区安全数据与社区安全行为相关联，社区安全数据包括，社区安全数据的关联关系设置为连接边，用于连接数据复合节点，将具有关联关系的数据复合节点形成一个社区网络；10.s1-2，在若干社区网络中，发现安全异常访问数据，预防社区发生安全访问风险，在对安全异常访问数据进行检测过程中，如果发现异常连接点，则进行安全访问修复，对准备修复的连接点进行数据封闭，获取连接点的访问请求数据，对请求数据进行分析，判断访问请求数据来源并对来源路径进行验证。11.优选的，所述s1还包括：12.s1-3，建立访问请求数据验证权重，由验证权重判断访问请求数据安全级别，对连接点产生的访问请求数据进行请求筛选，筛选之后对未达到验证权重的访问请求数据进行数据来源修复，验证权重计算为[0013][0014]其中，s为访问请求的总数量，p(aμ)为连接点的异常访问连接边数a在访问请求承载信息量μ的异常判断函数，p(bμ)为连接点的正常访问连接边数b在访问请求承载信息量μ的正常判断函数，通过异常判断函数和正常判断函数的取值经过求解访问请求的均值，再乘以g(aμ,bμ)的总体访问请求关联函数得出验证权重；[0015]s1-4，经过验证权重筛选后，数据来源分值低的访问请求进行数据时间戳截取以及数据内容分析，经过修复之后如果能够达到验证权重分值则作为安全访问数据进行统计，如果经过修复之后如果未达到验证权重分值则不作为安全访问数据进行统计。[0016]优选的，所述s2包括：[0017]s2-1，安全访问数据统计完成之后，连接点的社区安全行为数据发生偏移进行噪声处理，对内部相邻的社区安全行为进行噪声划分，如果相邻的安全行为相关度越小，社区安全行为对数据复合节点的分类度越高，造成社区安全的风险越高，但是对社区安全风险行为判断精准程度越低，[0018][0019]其中，q为安全行为相关度函数，q为相邻社区安全行为重复概率修正值，通过该修正值的计算，能够对安全行为中相同的行为数据内容进行概率修正计算，对抽样行为因子|e|进行除法运算，通过复杂度调节因子λ进行调节。[0020]优选的，所述s2还包括：[0021]s2-2，并对关系异常数据进行可信度计算；[0022][0023]其中，c为异常数据选择权重，上标θ为权重阈值，求解行为数据采样值ki和异常行为数据采样值gj的最大值，i和j为正整数，且i大于j；[0024]当求解采样最大值发生变化时，不同社区安全行为的采样可信度结果发生变化，数据复合节点之间的差异较小，相邻的社区安全行为差异较大。[0025]优选的，所述s3包括：[0026]所述s3包括：[0027]s3-1，通过可信度提取发现关系异常的数据复合节点，如果两个数据复合节点中的社区安全行为满足可信度计算的判断条件，则安全行为中噪声值越小，在设定的基准安全行为中满足访问条件的要素增加，在全部数据复合节点的节点关系能够保持低风险访问请求响应；[0028]s3-2，当节点的社区安全行为不满足可信度计算的判断条件，则安全行为中噪声值越大，说明需要提取的异常行为在数据复合节点中，需要增加相关度函数的权重值，从而提高安全行为访问权限。[0029]优选的，所述s3还包括：[0030]s3-3，由于安全行为中包括异常访问行为和正常访问行为，在复杂的判断过程中设定区分度进行安全访问过程中的条件，区分度的设定由抽样的安全行为决定，如果社区安全行为复杂，判断条件增加，提高访问行为验证级别，如果社区安全行为简单，判断条件减少，降低访问行为验证级别，将判断结果传输至云平台保存。[0031]综上所述，由于采用了上述技术方案，本发明的有益效果是：[0032]通过对社区安全行为的权重判断对行为进行初步筛选，进而由噪声提取相关度函数对安全行为进行降噪处理，提取异常行为数据，然后通过设置社区安全行为中的安全访问可信度判断条件，对社区安全行为进行判断，提高了社区治理的可操作性以及行为数据安全性，为社区治理提供便利。[0033]本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明[0034]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：[0035]图1是本发明实施示意图；[0036]图2是本发明总体示意图。具体实施方式[0037]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。[0038]如图2所示，本发明公开一种通过云平台进行社区治理数据安全访问的工作方法，包括如下步骤：[0039]s1，通过云平台形成的社区网络进行社区安全数据收集，(消费数据、用户之间信息交互数据、行动轨迹数据)形成社区数据关系网络，每一个社区为数据复合节点，对于数据复合节点进行安全访问数据统计；[0040]s2，在数据统计后发现数据复合节点之间的关系异常数据，通过相关度函数构建安全行为提取标准，并对关系异常数据进行可信度计算；[0041]s3，根据可信度计算对数据复合节点之间发生的安全请求进行判断，将判断结果传输至云平台。[0042]所述s1包括：[0043]s1-1，在云平台中形成多个社区网络，社区网络形成了数据复合节点，数据复合节点中由社区安全数据组成，社区安全数据与社区安全行为相关联，社区安全数据包括：消费数据、用户之间信息交互数据、行动轨迹数据，根据图1可知，每个社区安全数据都是包含用户的行为数据，社区安全数据的关联关系设置为连接边，用于连接数据复合节点，将具有关联关系的数据复合节点形成一个社区网络；[0044]s1-2，在若干社区网络中，发现安全异常访问数据，预防社区发生安全访问风险，在对安全异常访问数据进行检测过程中，如果发现异常连接点(社区安全行为)，则进行安全访问修复，对准备修复的连接点进行数据封闭，获取连接点的访问请求数据，对请求数据进行分析，判断访问请求数据来源并对来源路径进行验证，[0045]s1-3，建立访问请求数据验证权重，由验证权重判断访问请求数据安全级别，对连接点产生的访问请求数据进行请求筛选，筛选之后对未达到验证权重的访问请求数据进行数据来源修复，验证权重计算为[0046][0047]其中，s为访问请求的总数量，p(aμ)为连接点的异常访问连接边数a在访问请求承载信息量μ的异常判断函数，p(bμ)为连接点的正常访问连接边数b在访问请求承载信息量μ的正常判断函数，通过异常判断函数和正常判断函数的取值经过求解访问请求的均值，再乘以g(aμ,bμ)的总体访问请求关联函数得出验证权重；[0048]s1-4，经过验证权重筛选后，数据来源分值低的访问请求进行数据时间戳截取以及数据内容分析，经过修复之后如果能够达到验证权重分值则作为安全访问数据进行统计，如果经过修复之后如果未达到验证权重分值则不作为安全访问数据进行统计；[0049]所述s2包括：[0050]s2-1，安全访问数据统计完成之后，每一个数据复合节点由于数据来源的复杂性，对连接点的社区安全行为数据发生偏移进行噪声处理，对内部相邻的社区安全行为进行噪声划分，如果相邻的安全行为相关度越小，社区安全行为对数据复合节点的分类度越高，造成社区安全的风险越高，但是对社区安全风险行为判断精准程度越低，通过实践经验进行数值划分，[0051][0052]其中，q为安全行为相关度函数，q为相邻社区安全行为重复概率修正值，通过该修正值的计算，能够对安全行为中相同的行为数据内容进行概率修正计算，对于计算的结果做为相关度函数计算的因子，对抽样行为因子|e|进行除法运算，通过复杂度调节因子λ进行调节，从而提高安全行为相关度函数准确度，进而能够对社区安全行为形成的数据复合节点提供安全行为相关度判断的收敛条件，如果发生安全行为的异常数据，执行s2-2；[0053]s2-2，并对关系异常数据进行可信度计算；[0054][0055]其中，c为异常数据选择权重，上标θ为权重阈值，求解行为数据采样值ki和异常行为数据采样值gj的最大值，i和j为正整数，且i大于j；[0056]当求解采样最大值发生变化时，不同社区安全行为的采样可信度结果发生变化，数据复合节点之间的差异较小，相邻的社区安全行为差异较大，可信度分布结果的准确度得到了提升，能够有效的分离出高相关的安全行为，继而能够分离出社区安全数据中关系异常的安全行为；[0057]所述s3包括：[0058]s3-1，通过可信度提取发现关系异常的数据复合节点，如果两个数据复合节点中的社区安全行为满足可信度计算的判断条件，则安全行为中噪声值越小，在设定的基准安全行为中满足访问条件的要素增加，在全部数据复合节点的节点关系能够保持低风险访问请求响应；[0059]s3-2，当节点的社区安全行为不满足可信度计算的判断条件，则安全行为中噪声值越大，说明需要提取的异常行为在数据复合节点中，需要增加相关度函数的权重值，从而提高安全行为访问权限；[0060]s3-3，由于安全行为中包括异常访问行为和正常访问行为，在复杂的判断过程中设定区分度进行安全访问过程中的条件，区分度的设定由抽样的安全行为决定，如果社区安全行为复杂，判断条件增加，提高访问行为验证级别，如果社区安全行为简单，判断条件减少，降低访问行为验证级别，将判断结果传输至云平台保存。[0061]尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!