(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 202211179000.3 (22)申请日 2022.09.27 (71)申请人 符钧 地址 554300 贵州省铜仁市碧江区共青路 南45号 (72)发明人 符钧　刘梅梅　 (51)Int.Cl. H04L 9/40(2022.01) H04L 41/16(2022.01) H04L 41/142(2022.01) H04L 41/14(2022.01) H04L 41/147(2022.01) (54)发明名称 基于人工智能的数据安全防护方法、 系统及 云平台 (57)摘要 本发明实施例提供的基于人工智能的数据 安全防护方法、 系统及云平台， 通过根据安全风 险识别模型进行多元回归分析所得的若干个安 全风险主题中不同安全风险主题之间相同异常 风险行为事件的量化分析结果， 确定所述安全风 险识别模型的模型质量评价指标的评分以调试 所述安全风险识别模型， 并通过调试所得安全风 险识别模型得到数字服务监测大数据中的第一 异常风险行为事件的风险主题回归分析报告， 这 样可以提升针对若干个安全风险主题进行安全 风险识别的精度和可信度。 权利要求书3页 说明书14页 附图1页 CN 115499233 A 2022.12.20 CN 115499233 A 1.一种基于人工智能的数据安全防护方法， 其特征在于， 应用于数据安防云平台， 所述 方法至少包括： 在接收到所述数据安防指令的基础上， 获得所述数字服务监测大数据； 并将所述数字 服务监测大数据加载到安全风险识别模型， 通过所述安全风险识别模型确定所述数字服务 监测大数据中的第一异常风险行为事 件的风险主题回归分析报告； 其中： 所述安全风险识别模型是事先基于模型质量评价指标调试所得， 所述模型质量 评价指标 的评分是基于所述安全风险识别模型进行多元回归分析所得 的若干个安全风险 主题中不同安全风险主题之 间的第一配置数据的数值所确定， 所述若干个安全风险主题中 随机两个安全风险主题之间的第一配置数据的数值是基于所述两个安全风险主题之间相 同异常风险行为事 件的量化分析结果所确定 。 2.如权利要求1所述的方法， 其特征在于， 在所述将所述数字服务监测大数据加载到安 全风险识别模型之前， 所述方法还 包括： 根据第二配置数据的数值、 所述安全风险识别模型进行多元回归分析所得的安全风险 主题数和所述若干个安全风险主题涵盖的数字服务监测信息示例数， 确定所述若干个安全 风险主题的数字服务监测信息示例的提取可能性值， 其中， 所述若干个安全风险主题中任 意一个安全风险主题的数字服务监测信息示例的提取可能性值在第一可能性值与第二可 能性值之间， 其中， 所述第一可能性值为该安全风险主题的数字服务监测信息示例数与所 述若干个安全风险主题的总数字服务监测信息示例数的设定运算结果， 所述第二可能性值 为所述安全风险主题数的映射结果； 利用所述若干个安全风险主题的数字服务监测信 息示例的提取可能性值， 对所述若干 个安全风险主题的数字服务监测信息示例进 行筛选， 并根据筛选得到的数字服务监测信息 示例调试 所述安全风险识别模型。 3.如权利要求2所述的方法， 其特征在于， 在所述根据筛选得到的数字服务监测信 息示 例调试所述安全风险识别模型之后， 所述方法还包括： 从根据不同大小的第二配置数据调 试所得安全风险识别模型中， 确定预测表现数据最佳的安全风险识别模型； 所述将所述数字服务监测大数据加载到安全风险识别模型， 包括： 将所述数字服务监 测大数据加载到所述预测表现数据最佳的安全风险识别模型中， 通过所述预测表现数据最 佳的安全风险识别模型确定所述数字服务监测大数据中的第一异常风险行为事件的风险 主题回归分析报告。 4.如权利要求1所述的方法， 其特征在于， 在所述根据第二配置数据的数值、 所述安全 风险识别模型进行多元回归分析所得 的安全风险主题数和所述若干个安全风险主题涵盖 的数字服务监测信息示例数， 确定所述若干个安全风险主题的数字服务监测信息示例的提 取可能性值之前， 所述方法还包括： 对于所述若干个安全风险主题中的任意一个安全风险 主题， 根据该安全风险主题的数字服务监测信息示例数与所述若干个安全风险主题的总数 字服务监测信息示例数 的设定运算结果， 对该安全风险主题进行筛选， 并根据筛选得到的 数字服务监测信息示例调试 所述安全风险识别模型； 所述根据第 二配置数据的数值、 所述安全风险识别模型进行多元回归分析所得的安全 风险主题数和所述若干个安全风险主题涵盖的数字服务监测信息示例数， 确定所述若干个 安全风险主题的数字服务监测信息示例的提取可能性值， 包括： 在符合设定要求的基础上，权　利　要　求　书 1/3 页 2 CN 115499233 A 2根据第二配置数据的数值、 所述安全风险识别模型进 行多元回归分析所得的安全风险主题 数和所述若干个安全风险主题涵盖的数字服务监测信息示例数， 确定所述若干个安全风险 主题的数字服 务监测信息示例的提取 可能性值。 5.如权利要求4所述的方法， 其特征在于， 所述若干个安全风险主题中随机两个安全风 险主题之 间的第一配置数据的数值， 与所述两个安全风险主题之 间相同的异常风险行为事 件的数目具有第一 量化关系； 其中， 所述若干个安全风险主题中随机两个安全风险主题之间的第一配置数据的数 值， 是基于所述两个安全风险主题之间相同的异常风险行为事件的数目、 与所述两个安全 风险主题中的一个安全风险主题中涵盖的全部异常风险行为事件的数目的设定运算结果 所确定。 6.如权利要求1所述的方法， 其特征在于， 所述若干个安全风险主题包括第 一安全风险 主题和第二安全风险主题， 所述第一安全风险主题是所述若干个安全风险主题中的任意一 个安全风险主题， 所述第二安全风险主题是所述若干个安全风险主题中除所述第一安全风 险主题之外的任意一个安全风险主题； 在所述第一安全风险主题不是所述第二安全风险主 题的下游风险主题或者上游风险主题的基础上， 所述第一安全风险主题与所述第二安全风 险主题之间的第一配置数据的数值， 是基于第一设定运算结果或第二设定运算结果所确 定， 其中， 所述第一设定运算结果反映第一数目与第二数目的设定运算结果， 第二设定运算 结果反映第一数目与第三数目的设定运算结果， 第一数目反映所述第一安全风险主题与所 述第二安全风险主题之 间相同的异常风险行为事件的数目， 第二数目反映所述第一安全风 险主题中涵盖的全部异常风险行为事件的数目， 所述第三数目反映所述第二安全风险主题 中涵盖的全部异常风险行为事 件的数目。 7.如权利要求6所述的方法， 其特征在于， 在所述第 一安全风险主题为所述第 二安全风 险主题的下游风险主题的基础上， 所述第一安全风险主题与所述第二安全风险主题之 间的 第一配置数据的数值为第一设定参量或者第二设定参量； 和/或， 在所述第一安全风险主题 为所述第二安全风险主题的上游风险主题的基础上， 所述第一安全风险主题与所述第二安 全风险主题之间的第一配置数据的数值 为第一设定参 量。 8.如权利要求7所述的方法， 其特征在于， 所述模型质量评价指标是基于所述若干个安 全风险主题对应的模型代价指标所确定， 所述若干个安全风险主题包括第一安全风险主题 和第二安全风险主题， 所述第一安全风险主题是所述若干个安全风险主题中的任意一个安 全风险主题， 所述第二安全风险主题是所述若干个安全风险主题中除所述第一安全风险主 题之外的任意一个安全风险主题， 数字服务监测信息示例中的第二异常风险行为事件的安 全风险主题关键词包括所述第二异常风险行为事件的第一安全风险主题的关键词和所述 第二异常风险行为事件的第二安全风险主题的关键词， 所述安全风险识别模型生成的第二 异常风险行为事件的风险主题回归分析报告包括第二异常风险行为事件匹配于所述第一 安全风险主题的回归分析因子和所述第二异常风险行为事件匹配于所述第二安全风险主 题的回归分析 因子； 所述第一安全风险主题对应的模型代价指标的损失函数值是基于所述 第二异常风险行为事件的第一安全风险主题的关键词、 所述第二异常风险行为事件匹配于 所述第一安全风险主题的回归分析 因子、 所述第二异常风险行为事件的第二安全风险主题 的关键词、 所述第二异常风险行为事件匹配于所述第二安全风险主题的回归分析 因子和所权　利　要　求　书 2/3 页 3 CN 115499233 A 3