買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京同力宇科技有限公司申請的專利應(yīng)用于大數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)安全管理方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119293670B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202411806548.5，技術(shù)領(lǐng)域涉及：G06F18/2431；該發(fā)明授權(quán)應(yīng)用于大數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)安全管理方法及系統(tǒng)是由相苗苗;任菲菲;耿梓嫣設(shè)計(jì)研發(fā)完成，并于2024-12-10向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本應(yīng)用于大數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)安全管理方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了應(yīng)用于大數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)安全管理方法及系統(tǒng)，涉及數(shù)據(jù)安全管理領(lǐng)域，包括：獲取大數(shù)據(jù)實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)集，將數(shù)據(jù)集進(jìn)行分割后加入空閑的數(shù)據(jù)處理隊(duì)列；建立數(shù)據(jù)威脅識(shí)別模型，實(shí)時(shí)檢測平臺(tái)的異常數(shù)據(jù)風(fēng)險(xiǎn)威脅，基于威脅類型采取自動(dòng)化應(yīng)對措施；對已入庫的數(shù)據(jù)查詢采用差分隱私技術(shù)，根據(jù)數(shù)據(jù)風(fēng)險(xiǎn)威脅情況，實(shí)時(shí)調(diào)整查詢時(shí)噪聲量；基于異常數(shù)據(jù)風(fēng)險(xiǎn)威脅情況對動(dòng)態(tài)數(shù)據(jù)進(jìn)行敏感數(shù)據(jù)篩選與緩存?zhèn)浞荩粰z測當(dāng)前處理速度與待處理任務(wù)堆積，結(jié)合異常數(shù)據(jù)風(fēng)險(xiǎn)威脅自動(dòng)對資源分配進(jìn)行調(diào)整。

本發(fā)明授權(quán)應(yīng)用于大數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)安全管理方法及系統(tǒng)在權(quán)利要求書中公布了：1.應(yīng)用于大數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)安全管理方法，其特征在于，包括：獲取大數(shù)據(jù)實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)集，將數(shù)據(jù)集進(jìn)行分割后加入空閑的數(shù)據(jù)處理隊(duì)列；建立數(shù)據(jù)威脅識(shí)別模型，實(shí)時(shí)檢測平臺(tái)的異常數(shù)據(jù)風(fēng)險(xiǎn)威脅，基于威脅類型采取自動(dòng)化應(yīng)對措施；對已入庫的數(shù)據(jù)查詢采用差分隱私技術(shù)，根據(jù)數(shù)據(jù)風(fēng)險(xiǎn)威脅情況，實(shí)時(shí)調(diào)整查詢時(shí)噪聲量；基于異常數(shù)據(jù)風(fēng)險(xiǎn)威脅情況對動(dòng)態(tài)數(shù)據(jù)進(jìn)行敏感數(shù)據(jù)篩選與緩存?zhèn)浞荩粰z測當(dāng)前處理速度與待處理任務(wù)堆積，結(jié)合異常數(shù)據(jù)風(fēng)險(xiǎn)威脅自動(dòng)對資源分配進(jìn)行調(diào)整；所述建立數(shù)據(jù)威脅識(shí)別模型，實(shí)時(shí)檢測平臺(tái)的異常數(shù)據(jù)風(fēng)險(xiǎn)威脅，基于威脅類型采取自動(dòng)化應(yīng)對措施具體包括：獲取系統(tǒng)平臺(tái)歷史處理數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，基于設(shè)定數(shù)據(jù)分類對訓(xùn)練數(shù)據(jù)進(jìn)行類型劃分，對類型劃分后的數(shù)據(jù)進(jìn)行類型歸屬批量打標(biāo)；將批量打標(biāo)后的數(shù)據(jù)進(jìn)行預(yù)處理與特征提取，建立數(shù)據(jù)分類特征向量，選擇卷積神經(jīng)網(wǎng)絡(luò)，基于特征提取后的訓(xùn)練數(shù)據(jù)，訓(xùn)練數(shù)據(jù)分類識(shí)別模型，將訓(xùn)練好的模型部署到系統(tǒng)中；設(shè)定數(shù)據(jù)分類威脅識(shí)別分工，建立每種設(shè)定數(shù)據(jù)分類的對應(yīng)威脅識(shí)別模型，具體為：基于當(dāng)前數(shù)據(jù)分類的歷史風(fēng)險(xiǎn)排查處理結(jié)果，設(shè)定數(shù)據(jù)分類對應(yīng)的風(fēng)險(xiǎn)威脅分類；檢索當(dāng)前數(shù)據(jù)分類對應(yīng)訓(xùn)練數(shù)據(jù)中的風(fēng)險(xiǎn)排查結(jié)果具體涉及到的數(shù)據(jù)，標(biāo)記為風(fēng)險(xiǎn)源數(shù)據(jù)，對所有風(fēng)險(xiǎn)源數(shù)據(jù)基于設(shè)定威脅分類進(jìn)行歸屬標(biāo)注；將風(fēng)險(xiǎn)源數(shù)據(jù)進(jìn)行預(yù)處理與特征提取，建立風(fēng)險(xiǎn)數(shù)據(jù)威脅分類特征向量，選擇卷積神經(jīng)網(wǎng)絡(luò)，基于特征提取后的風(fēng)險(xiǎn)源數(shù)據(jù)訓(xùn)練當(dāng)前數(shù)據(jù)分類的專用風(fēng)險(xiǎn)威脅識(shí)別模型；將所有數(shù)據(jù)分類對應(yīng)的專用風(fēng)險(xiǎn)威脅識(shí)別模型進(jìn)行組合后部署到系統(tǒng)中；基于歷史風(fēng)險(xiǎn)威脅處理方式設(shè)定對應(yīng)響應(yīng)策略，建立風(fēng)險(xiǎn)威脅-響應(yīng)策略關(guān)聯(lián)關(guān)系；獲取數(shù)據(jù)處理線程，對數(shù)據(jù)處理線程中正在處理的實(shí)時(shí)數(shù)據(jù)通過數(shù)據(jù)分類識(shí)別模型進(jìn)行數(shù)據(jù)類型識(shí)別，基于數(shù)據(jù)類型識(shí)別結(jié)果選擇對應(yīng)的專用風(fēng)險(xiǎn)威脅識(shí)別模型進(jìn)行風(fēng)險(xiǎn)威脅識(shí)別，根據(jù)風(fēng)險(xiǎn)威脅識(shí)別結(jié)果結(jié)合風(fēng)險(xiǎn)威脅-響應(yīng)策略關(guān)聯(lián)關(guān)系，進(jìn)行自動(dòng)化響應(yīng)策略選擇與數(shù)據(jù)風(fēng)險(xiǎn)威脅處理；所述對已入庫的數(shù)據(jù)查詢采用差分隱私技術(shù)，根據(jù)數(shù)據(jù)風(fēng)險(xiǎn)威脅情況，實(shí)時(shí)調(diào)整查詢時(shí)噪聲量具體包括：獲取數(shù)據(jù)庫所有表結(jié)構(gòu)，選取隱私統(tǒng)計(jì)字段，基于當(dāng)前設(shè)定分段窗口內(nèi)風(fēng)險(xiǎn)威脅識(shí)別模型的識(shí)別命中率，使用Sigmoid函數(shù)對設(shè)定隱私預(yù)算進(jìn)行風(fēng)險(xiǎn)性實(shí)時(shí)調(diào)整，具體表達(dá)式為： ；式中，、分別為設(shè)定隱私預(yù)算與調(diào)整后的隱私預(yù)算，為風(fēng)險(xiǎn)威脅識(shí)別模型識(shí)別命中率；設(shè)定統(tǒng)計(jì)字段更新監(jiān)控窗口時(shí)間，獲取隱私統(tǒng)計(jì)字段的最近一個(gè)時(shí)間窗口的插入最大批量大小，結(jié)合調(diào)整后的隱私預(yù)算，計(jì)算噪聲尺度參數(shù)；選取一個(gè)服從拉普拉斯分布的隨機(jī)值，根據(jù)噪聲尺度與選取的隨機(jī)值生成拉普拉斯噪聲，具體表達(dá)式為： ；式中，為生成的拉普拉斯噪聲，為隨機(jī)值的符號(hào)，為隨機(jī)值，為隱私統(tǒng)計(jì)字段的設(shè)定插入批量大小，為噪聲尺度參數(shù)；將生成的噪聲應(yīng)用到隱私統(tǒng)計(jì)字段的查詢過程，增加統(tǒng)計(jì)數(shù)據(jù)查詢的隱私性。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京同力宇科技有限公司，其通訊地址為：210000 江蘇省南京市雨花臺(tái)區(qū)寧雙路28號(hào)11層創(chuàng)新0235；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。