一种基于大数据的信息安全管理系统的制作方法

1.本发明涉及信息安全技术领域，更具体地，涉及一种基于大数据的信息安全管理系统。


背景技术：

2.相关技术中，访问存储模块内数据时，只需要输入预先设定好的密码即可访问数据，而密码常容易被人盗窃，照成数据丢失。


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之一。为此，本发明的目的在于提出一种基于大数据的信息安全管理系统，包括：
4.大数据采集模块，大数据采集模块用于获取目标群体的预设大数据信息，并将预设大数据信息分类为数据集；
5.信息验证模块，信息验证模块用于对数据集进行核验，并将不属于数据集内的预设大数据信息进行剔除；
6.存储模块，存储模块用于存储信息，其中，存储模块包括常识分区和涉密分区；
7.访问模块，访问模块用于对目标群体的数据集进行访问核验，并得出访问体积数，并向目标群体发放访问体积数对应的密钥。
8.进一步的，将预设大数据信息分类为数据集包括：
9.将大数据信息输入卷积神经网络，并在卷积神经网络内添加分类条件，并进行第一次卷积，得到一次卷积信息，并将一次卷积信息与数据集进行关联；
10.将一次卷积信息输入卷积神经网络，并进行第二次卷积，得到二次卷积信息，并将二次卷积信息与数据集进行关联；
11.若一次卷积信息关联的数据集与二次卷积信息关联的数据集相同时，则一次卷积信息对应的大数据信息分类为对应关联的数据集；
12.若一次卷积信息关联的数据集与二次卷积信息关联的数据集不相同时，则将二次卷积信息输入卷积神经网络并进行第三次卷积，得到三次卷积信息，并将三次卷积信息与数据集进行关联；当一次卷积信息关联的数据集与三次卷积信息关联的数据集相同时，则一次卷积信息对应的大数据信息分类为对应关联的数据集；当二次卷积信息关联的数据集与三次卷积信息关联的数据集相同时，则二次卷积信息对应数据集为大数据信息分类的数据集；当三次卷积信息关联的数据集与一次卷积信息和二次卷积信息关联的数据集均不相同时，则三次卷积信息对应数据集为大数据信息分类的数据集。
13.进一步的，信息验证模块用于对数据集进行核验包括：
14.获取数据集对应关联为三次卷积信息的预设大数据信息，并标记为核验信息；
15.将核验信息发送至投票平台，获取投票平台对核验信息的投票信息，其中，投票信息包括核验信息对应的数据集，并选取出现次数最多的投票信息对应的数据集为核验数据
集，完成核验。
16.进一步的，将不属于数据集内的预设大数据信息进行剔除包括：
17.获取三次卷积信息对应的数据集，并与核验数据集进行对比，若三次卷积信息对应的数据集与核验数据集不同时，则将三次卷积信息对应数据集的预设大数据信息进行剔除，反之不进行剔除。
18.进一步的，访问模块用于对目标群体的数据集进行访问核验包括：
19.获取目标群体的数据集，并进行特征提取，其中，特征提取包括，提取数据集的标称、起始时间、结束时间及次数值；
20.获取起始时间和结束时间的时间间隔，其中，时间间隔的单位为天。
21.进一步的，得出访问体积数之前还包括：
22.构建参考标准平面，其中，参考标准平面可以是任意空间内的平面；
23.在参考标准平面内构建等边三角形，且将等边三角形的三个点与数据集内的标称相关联，其中，预设大数据信息分类为三个数据集；
24.获取贯穿标称且与参考标准平面相垂直的射线，并标记为特征线；
25.获取标称对应的时间间隔，并选取参考标准平面任一侧的特征线为选定线，其中，选定线上设有n个标准距离节点，且选定线上最后一个标准距离节点对应的节点数与时间间隔的次数相同。
26.进一步的，得出访问体积数包括：
27.获取标称对应的次数值，并选取选定线上与次数值对应的标准距离节点，并将标准距离节点标记为访问节点；
28.依次连接访问节点得出访问节点体积，依次连接选定线上最后一个标准距离节点得出时间节点体积；
29.其中，访问节点体积与时间节点体积的比值为访问体积数。
30.进一步的，向目标群体发放访问体积数对应的密钥包括：
31.若访问体积数大于预设体积数时，则向目标群体发放常识分区和涉密分区对应的密钥。
32.进一步的，向目标群体发放访问体积数对应的密钥还包括：
33.若访问体积数小于预设体积数但大于常识体积数时，则向目标群体发放常识分区对应的密钥。
34.进一步的，向目标群体发放访问体积数对应的密钥还包括：
35.若访问体积数小于常识体积数时，则不向目标群体发放发放密钥。
36.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
37.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：
38.图1是根据本发明实施例的流程示意图；
39.图2是根据本发明实施例的参考标准平面示意图；
40.图3是根据本发明实施例的选定线示意图；
41.图4是根据本发明实施例的访问节点示意图；
42.图5是根据本发明实施例的时间节点体积示意图。
具体实施方式
43.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。
44.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
45.在本发明的描述中，“第一特征”、“第二特征”可以包括一个或者更多个该特征，“多个”的含义是两个或两个以上，第一特征在第二特征“之上”或“之下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。
46.下面参考附图描述根据本发明实施例的一种基于大数据的信息安全管理系统。
47.参照图1-5所示，可以包括：
48.大数据采集模块，其中，大数据采集模块用于获取目标群体的预设大数据信息，并将预设大数据信息分类为数据集；
49.在具体实施时，将大数据信息输入卷积神经网络，并在卷积神经网络内添加分类条件，这里，分类条件为预先设置好的，其中，分类条件包括违规信息条件，访问信息条件和拷贝信息条件，因此，卷积神经网络通过三个分类条件可以将大数据信息分类为三个数据集；
50.具体的，进行第一次卷积，得到一次卷积信息，并将一次卷积信息与数据集进行关联；
51.将一次卷积信息输入卷积神经网络，并进行第二次卷积，得到二次卷积信息，并将二次卷积信息与数据集进行关联；
52.若一次卷积信息关联的数据集与二次卷积信息关联的数据集相同时，则一次卷积信息对应的大数据信息分类为对应关联的数据集；
53.若一次卷积信息关联的数据集与二次卷积信息关联的数据集不相同时，则将二次卷积信息输入卷积神经网络并进行第三次卷积，得到三次卷积信息，并将三次卷积信息与数据集进行关联；当一次卷积信息关联的数据集与三次卷积信息关联的数据集相同时，则一次卷积信息对应的大数据信息分类为对应关联的数据集；当二次卷积信息关联的数据集与三次卷积信息关联的数据集相同时，则二次卷积信息对应数据集为大数据信息分类的数据集；当三次卷积信息关联的数据集与一次卷积信息和二次卷积信息关联的数据集均不相同时，则三次卷积信息对应数据集为大数据信息分类的数据集。
54.这里通过两次卷积进行对比的方式可以节省大数据信息输入卷积神经网络内进行卷积的次数进而减少运算量和运算时间。
55.在将预设大数据信息分类为数据集后，信息验证模块对数据集进行核验，具体的，获取数据集对应关联为三次卷积信息的预设大数据信息，并标记为核验信息；
56.这里选取三次卷积信息的预设大数据信息可以快速的将又分歧的数据进行分离，增加数据筛选的效率。
57.将核验信息发送至投票平台，这里，投票平台是由专业人事组成的评审团体，获取投票平台对核验信息的投票信息，其中，投票信息包括核验信息对应的数据集，并选取出现次数最多的投票信息对应的数据集为核验数据集，完成核验。
58.通过投票信息对应的数据集为核验数据集完成核验可以保证数据分类的准确性，提高信息安全。
59.若预设大数据信息不属于数据集内，则将不属于数据集内的预设大数据信息进行剔除，这样可以减少数据量，提升处理效率，具体得，获取三次卷积信息对应的数据集，并与核验数据集进行对比，若三次卷积信息对应的数据集与核验数据集不同时，则将三次卷积信息对应数据集的预设大数据信息进行剔除，反之不进行剔除。
60.当获取到数据集后，访问模块对目标群体的数据集进行访问核验，并得出访问体积数，具体的，获取目标群体的数据集，并进行特征提取，其中，特征提取包括，提取数据集的标称、起始时间、结束时间及次数值；
61.在本实施例中，违规信息条件对应的数据集内标称为违规信息、起始时间、结束时间为违规信息在大数据信息中搜索的时间范围，次数值为违规信息在时间范围内对应出现的次数。
62.其中，违规信息例如，违规上传文件，对应的违规信息条件即为包括违规字符的信息，当然违规信息条件可以根据使用场景灵活设置；
63.在本实施例中，访问信息条件对应的数据集内标称为访问信息，即同一个id的访问信息，起始时间、结束时间为访问信息在大数据信息中搜索的时间范围，次数值为同一个id在时间范围内的访问次数。
64.在本实施例中，拷贝信息条件对应的数据集内标称为拷贝信息即同一个id的拷贝信息，起始时间、结束时间为拷贝信息在大数据信息中搜索的时间范围，次数值为同一个id在时间范围内的拷贝次数。
65.其中，获取起始时间和结束时间的时间间隔，其中，时间间隔的单位为天，例如，起始时间为2022年1月1日，结束时间为2022年2月1日，对应的时间间隔为31，单位为天。
66.构建参考标准平面，其中，参考标准平面可以是任意空间内的平面；
67.在参考标准平面内构建等边三角形，且将等边三角形的三个点与数据集内的标称相关联，其中，预设大数据信息分类为三个数据集；
68.获取贯穿标称且与参考标准平面相垂直的射线，并标记为特征线；
69.获取标称对应的时间间隔，并选取参考标准平面任一侧的特征线为选定线，其中，选定线上设有n个标准距离节点，且选定线上最后一个标准距离节点对应的节点数与时间间隔的次数相同；
70.获取标称对应的次数值，并选取选定线上与次数值对应的标准距离节点，并将标
准距离节点标记为访问节点；
71.依次连接访问节点得出访问节点体积，依次连接选定线上最后一个标准距离节点得出时间节点体积；
72.其中，访问节点体积与时间节点体积的比值为访问体积数。
73.若访问体积数大于预设体积数时，则向目标群体发放常识分区和涉密分区对应的密钥。
74.若访问体积数小于预设体积数但大于常识体积数时，则向目标群体发放常识分区对应的密钥。
75.若访问体积数小于常识体积数时，则不向目标群体发放发放密钥。
76.通过大数据动态的对目标群体进行筛选，可以得出动态的访问体积数，从而避免了常规密码带来的信息安全问题，同时，还可以对某一筛选条件进行改变，从而达到更改密码的效果，进一步的保证了信息的安全性。
77.对应的，本发明的信息均存储在存储模块内，其中，存储模块包括常识分区和涉密分区。
78.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
79.在本说明书的描述中，参考术语“实施例”、“具体实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
80.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。