敏感信息异常流出监测方法、装置和服务器

    公开(公告)号:CN109413036B

    公开(公告)日:2022-02-08

    申请号:CN201811060582.7

    申请日:2018-09-12

    IPC分类号: H04L9/40 H04L47/2441

    摘要: 本发明公开了一种敏感信息异常流出监测方法、装置和服务器,其中,该监测方法包括:获取预设时间段内的访问信息;提取访问信息中敏感信息对应的访问位置信息;根据敏感信息对应的访问位置信息生成与预设时间段对应的敏感信息流向向量;根据敏感信息流向向量识别在预设时间段内出现敏感信息流出异常的情况。本发明实施例提供的敏感信息异常流出监测方法、装置和服务器,避免在数据平台之中嵌入监听式监控设备,从而避免向数据平台引入通信安全隐患,有利于保证通信安全。此外,本发明实施例提供的敏感信息异常流出监测方法无需对数据平台上的访问数据做镜像,从而避免了旁路式监控的大量硬件投入,有利于降低敏感信息异常流出的监测成本。

    一种混合数据的脱敏方法、脱敏装置及脱敏设备

    公开(公告)号:CN109460676A

    公开(公告)日:2019-03-12

    申请号:CN201811277579.0

    申请日:2018-10-30

    IPC分类号: G06F21/62

    摘要: 本发明公开了一种混合数据的脱敏方法、脱敏装置及脱敏设备,其中,混合数据的脱敏方法包括如下步骤:获取待脱敏的数据;根据数据类型和数据长度对待脱敏数据进行拆分,并归类形成若干种敏感类型的数据;生成每种敏感类型的数据对应的脱敏算法;使用若干条异步线程根据对应的脱敏算法对各种敏感类型的数据进行脱敏处理;一条异步线程一次处理一种敏感类型的数据。通过对待脱敏的混合数据按照数据类型和数据长度进行拆分,归类成若干种敏感类型的数据,从而使格式统一的数据被拆分出来,因而,再生成各个敏感类型的数据对应的脱敏算法,对敏感数据进行处理,能够解决传统的脱敏算法对混合数据的处理效果较差,效率较为低下的问题。

    一种基于联邦学习的模型训练系统及方法

    公开(公告)号:CN115758127A

    公开(公告)日:2023-03-07

    申请号:CN202111020735.7

    申请日:2021-09-01

    摘要: 本发明提供了一种基于联邦学习的模型训练系统及方法,该系统包括多个客户端和多个服务器,客户端包括:模型训练模块用于根据本地训练集对初始模型训练得到模型更新值;训练过程包括前期训练阶段和后期训练阶段,前期训练阶段的学习率是对前期基础学习率扩大若干倍得到的,后期训练阶段的学习率是对后期基础学习率缩小若干倍得到的;参数分享模块用于对模型更新值计算得到多个秘密分享值,将秘密分享值发送至各服务器;服务器用于根据秘密分享值计算聚合更新值;模型生成模块用于根据聚合更新值计算模型更新的真实值,对初始模型进行更新得到优化模型。通过执行本发明能够规避各客户端对同一初始模型进行共同训练时产生的路径冲突。

    敏感信息异常流出监测方法、装置和服务器

    公开(公告)号:CN109413036A

    公开(公告)日:2019-03-01

    申请号:CN201811060582.7

    申请日:2018-09-12

    IPC分类号: H04L29/06 H04L12/851

    摘要: 本发明公开了一种敏感信息异常流出监测方法、装置和服务器,其中,该监测方法包括:获取预设时间段内的访问信息;提取访问信息中敏感信息对应的访问位置信息;根据敏感信息对应的访问位置信息生成与预设时间段对应的敏感信息流向向量;根据敏感信息流向向量识别在预设时间段内出现敏感信息流出异常的情况。本发明实施例提供的敏感信息异常流出监测方法、装置和服务器,避免在数据平台之中嵌入监听式监控设备,从而避免向数据平台引入通信安全隐患,有利于保证通信安全。此外,本发明实施例提供的敏感信息异常流出监测方法无需对数据平台上的访问数据做镜像,从而避免了旁路式监控的大量硬件投入,有利于降低敏感信息异常流出的监测成本。