(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211183571.4 (22)申请日 2022.09.27 (71)申请人 宋刚 地址 150000 黑龙江省哈尔滨市呼兰区利 民开发区南京路 (72)发明人 宋刚　刘旭涛　 (51)Int.Cl. G06F 21/60(2013.01) (54)发明名称 基于人工智能的数据防泄密方法、 系统及云 平台 (57)摘要 本发明涉及数据处理与人工智能技术领域， 特别涉及一种基于人工智能的数据防泄密方法、 系统及云平台。 本发明实施例提供的基于人工智 能的数据防泄密方法、 系统及云平台， 隐私要素 下采样信息能够准确完整地反映远程业务交互 数据集的重要隐私特征， 进而可以提高整体方案 对远程业务交互数据集的重要 隐私特征的关注 度， 以便针对性地确定出与远程业务交互数据集 的适配度尽可能高的数据防泄密决策指示， 从而 可依据数据防泄密决策指示对相关的隐私数据 进行防护处 理， 确保数据防泄密的可靠性。 权利要求书3页 说明书12页 附图1页 CN 115374461 A 2022.11.22 CN 115374461 A 1.一种基于人工智能的数据防泄密方法， 其特征在于， 应用于数据防泄密 云平台， 所述 方法包括： 对接收到的所述远程业务交互数据集进行隐私知识要素识别， 确定所述远程业务交互 数据集的不少于一个隐私知识要素关系网； 对所述隐私知识要素关系网进行多层知识提炼操作， 利用所述隐私知识要素关系网中 各个局部要素集内隐私知识单元的第一级知识提炼结果和不低于一种第X级知识提炼结 果， 确定所述隐私知识要素关系网的隐私要素 下采样信息， X为 正整数； 依据所述隐私知识要素关系网的隐私要素下采样信 息， 确定所述远程业务交互数据集 的数据防泄密决策指示。 2.根据权利要求1所述的方法， 其特征在于， 在所述对所述隐私知识要素关系网进行多 层知识提炼操作之前， 所述方法还包括： 对所述远程业务交互数据集进 行窃取热力度解析， 确定所述远程业务交互数据集的数据窃取热力分布， 所述数据窃取热力分布包括所述远程 业务交互数据集的窃取热力度信息； 依据所述数据窃取热力 分布， 对所述隐私知识要素关 系网进行基于 权重的运算操作， 确定基于 权重的运算操作后的隐私知识要素关系网； 所述对所述 隐私知识要素关系 网进行多层知识提炼操作， 包括： 对基于权重的运算操 作后的隐私知识要素关系网进行多层 知识提炼操作。 3.根据权利要求1或2所述的方法， 其特征在于， 所述对所述 隐私知识要素关系 网进行 多层知识提炼操作， 利用所述隐私知识要 素关系网中各个局部要 素集内隐私知识单元的第 一级知识提炼结果和 不低于一种第X级知识提炼结果， 确定所述隐私知识要素关系网的隐 私要素下采样信息， 包括： 对隐私知识要素关系网中各个局部要素集内隐私知识单元求第 一级知识提炼结果， 得 到所述隐私知识要素关系网的第一轮隐私要素 下采样信息； 依据所述第 一轮隐私要素下采样信 息， 对隐私知识要素关系网中各个局部要素集内隐 私知识单元求不低于一种第X级知识提炼结果， 得到所述隐私知识要素关系网的不少 于一 个第X轮隐私要素 下采样信息； 依据所述第一轮隐私要素下采样信息和所述不少于一个第X轮隐私要素下采样信息， 确定所述隐私知识要素关系网的隐私要素 下采样信息 。 4.根据权利要求3所述的方法， 其特征在于， 对隐私知识要素关系网中各个局部要素集 内隐私知识单元求第一级知识提炼结果， 得到所述隐私知识要素关系网的第一轮隐私要 素 下采样信息， 包括： 依据所述隐私知识要素关系网的下采样算子规模及下采样周期， 确定所述隐私知识要 素关系网的不少于一个第一动态关系网mask； 将每个第一动态关系网mask中的隐私知识单元的平均知识描述值， 确定为每个第一动 态关系网mask对应的第一级知识提炼结果； 依据所述隐私知识要素关系网的不少于一个所述第 一级知识提炼结果， 确定所述隐私 知识要素关系网的所述第一轮隐私要素 下采样信息 。 5.根据权利要求1所述的方法， 其特征在于， 依据所述第一轮隐私要素下采样信息， 对 隐私知识要素关系网中各个局部要素集内隐私知识单元求不低于一种第X级知识提炼结 果， 得到所述隐私知识要素关系网的不少于一个第X轮隐私要素 下采样信息， 包括：权　利　要　求　书 1/3 页 2 CN 115374461 A 2依据所述隐私知识要素关系网的下采样算子规模及下采样周期， 确定所述隐私知识要 素关系网的不少于一个第二动态关系网mask； 在所述第一轮隐私要素下采样信息中确定每个第二动态关系网mask对应的第一级知 识提炼结果； 根据每个第二动态关系网mask和每个第二动态关系网mask对应的所述第一级知识提 炼结果， 确定每 个第二动态关系网mask对应的第X级知识提炼结果； 依据所述 隐私知识要素关系 网的不少于一个所述第X级知识提炼结果， 确定所述 隐私 知识要素关系网的第X轮隐私要素 下采样信息 。 6.根据权利要求1所述的方法， 其特征在于， 所述依据所述第 一轮隐私要素下采样信 息 和所述不少 于一个第X轮隐私要素下采样信息， 确定所述隐私知识要素关系网的隐私要素 下采样信息， 包括： 分别对所述第一轮隐私要素下采样信息、 所述不少于一个第X轮隐私要素下采样信息 进行量纲标准化处理， 确定量纲标准化后的所述第一轮隐私要素下采样信息、 以及量纲标 准化后的所述 不少于一个第X轮隐私要素 下采样信息； 将量纲标准化后的第 一轮隐私要素下采样信 息、 以及量纲标准化后的所述不少于一个 第X轮隐私要素 下采样信息整合， 确定所述隐私知识要素关系网的隐私要素 下采样信息 。 7.根据权利要求5所述的方法， 其特征在于， 所述依据所述隐私知识要素关系网的隐私 要素下采样信息， 确定所述远程 业务交互数据集的数据防泄密决策指示， 包括： 对所述隐私知识要素关系网的隐私要素下采样信 息进行多元回归分析处理， 确定所述 隐私要素 下采样信息的多元回归分析处 理结果； 依据所述隐私要素下采样信 息的多元回归分析处理结果， 确定所述远程业务交互数据 集的数据防泄密决策指示。 8.根据权利要求6所述的方法， 其特征在于， 所述方法应用于防泄密决策分析模型， 所 述防泄密决策分析模型的调试思路包括： 获取敏感数据示例集， 所述敏感数据示例集包括多个远程业务敏感数据样例， 以及所 述远程业务敏感数据样例的先验决策指示； 将所述远程业务敏感数据样例加载到所述防泄密决策分析模型处理， 得到所述远程业 务敏感数据样例的数据防泄密决策指示； 依据所述敏感数据示例集中的所述远程业务敏感数据样例的先验决策指示、 所述远程 业务敏感数据样例的数据防泄密决策指示、 设定模型质量代价算法对所述防泄密决策分析 模型进行循环调试， 得到调试好的防泄密决策分析模型； 其中， 所述防泄密决策分析模型包括不少于一个知识提炼子模型， 用于对所述远程业 务敏感数据样例的 隐私知识要 素关系网进 行多层知识提炼操作， 确定所述隐私知识要 素关 系网的隐私要素 下采样信息 。 9.一种基于人工智能的数据防泄密系统， 其特征在于， 包括互相之间通信的数据防泄 密云平台和业 务用户设备； 数据防泄密云平台用于： 对接收到的远程业务交互数据集进行隐私知识要素识别， 确 定所述远程业务交互数据集的不少于一个隐私知识要 素关系网； 对所述隐私知识要素关系 网进行多层知识 提炼操作， 利用所述隐私知识要 素关系网中各个局部要 素集内隐私知识单权　利　要　求　书 2/3 页 3 CN 115374461 A 3