一种针对游戏业务数据的细粒度访问控制方案

    公开(公告)号:CN110968894B

    公开(公告)日:2023-05-26

    申请号:CN201911194524.8

    申请日:2019-11-28

    IPC分类号: G06F21/62 A63F13/71 A63F13/77

    摘要: 本发明提供了一种针对游戏业务数据的细粒度访问控制方案,首先建立基于游戏数据特征的访问控制模型,然后通过对不用数据关系的分析,定义这些关系的通用组织结构,根据组织结构设计符合该组织结构的权限判决算法,模型中涉及的数据特征可以通过数据挖掘和分析的相关方法,充实数据特征库,以达到完善权限判决覆盖范围和出发角度的目的,最后根据定义模型以及权限判决规则进行用户访问时的权限判决。本方案保证了方案无感知加入系统,并且完成了权限控制层级的细化,定义规则配置的形式完成动态数据行的控制,在整个访问控制结构中从数据出发,可利用数据分析的方法进行安全特征的提取,更合理的进行数据的细粒度访问控制。

    一种针对游戏业务数据的细粒度访问控制方案

    公开(公告)号:CN110968894A

    公开(公告)日:2020-04-07

    申请号:CN201911194524.8

    申请日:2019-11-28

    IPC分类号: G06F21/62 A63F13/71 A63F13/77

    摘要: 本发明提供了一种针对游戏业务数据的细粒度访问控制方案,首先建立基于游戏数据特征的访问控制模型,然后通过对不用数据关系的分析,定义这些关系的通用组织结构,根据组织结构设计符合该组织结构的权限判决算法,模型中涉及的数据特征可以通过数据挖掘和分析的相关方法,充实数据特征库,以达到完善权限判决覆盖范围和出发角度的目的,最后根据定义模型以及权限判决规则进行用户访问时的权限判决。本方案保证了方案无感知加入系统,并且完成了权限控制层级的细化,定义规则配置的形式完成动态数据行的控制,在整个访问控制结构中从数据出发,可利用数据分析的方法进行安全特征的提取,更合理的进行数据的细粒度访问控制。

    针对运维业务数据表的列级权限知识图谱构建方法

    公开(公告)号:CN110928963B

    公开(公告)日:2023-10-24

    申请号:CN201911192612.4

    申请日:2019-11-28

    IPC分类号: G06F16/28

    摘要: 本发明提供了一种针对运维业务数据表的列级权限知识图谱构建方法,首先对问题领域进行需求分析,形成该领域Schema,然后抽取了原有权限系统的数据模型,补充和完善Schema;人工梳理出结构化的列级权限数据文档,并进行知识抽取。接着分析原有运维业务系统的基于表级的权限数据,构造受表级不受列级控制的数据权限知识,并与之前抽取的知识进行合并,最后进行知识存储,得到最终的数据库表列级权限数据知识图谱。无需改动原有的运维业务数据本身的数据模式,不会影响原有运维业务系统的正常运转,同时大大减少了工作量的同时,当增加新类型的数据和关系时,无需修改设计,适用于运维业务数据实时变化和数据权限实时变动的场景。

    针对运维业务数据表的列级权限知识图谱构建方法

    公开(公告)号:CN110928963A

    公开(公告)日:2020-03-27

    申请号:CN201911192612.4

    申请日:2019-11-28

    IPC分类号: G06F16/28

    摘要: 本发明提供了一种针对运维业务数据表的列级权限知识图谱构建方法,首先对问题领域进行需求分析,形成该领域Schema,然后抽取了原有权限系统的数据模型,补充和完善Schema;人工梳理出结构化的列级权限数据文档,并进行知识抽取。接着分析原有运维业务系统的基于表级的权限数据,构造受表级不受列级控制的数据权限知识,并与之前抽取的知识进行合并,最后进行知识存储,得到最终的数据库表列级权限数据知识图谱。无需改动原有的运维业务数据本身的数据模式,不会影响原有运维业务系统的正常运转,同时大大减少了工作量的同时,当增加新类型的数据和关系时,无需修改设计,适用于运维业务数据实时变化和数据权限实时变动的场景。

    融合图结构和时序特征的移动网络流量特征提取方法

    公开(公告)号:CN118695257A

    公开(公告)日:2024-09-24

    申请号:CN202410762009.X

    申请日:2024-06-13

    IPC分类号: H04W12/121 H04L9/40

    摘要: 本发明公开了融合图结构和时序特征的移动网络流量特征提取方法,首先采集5G网络中的流量数据,进行特征提取,对提取的label特征进行标注,标注后的数据作为原始数据;对原始数据进行预处理,筛选出评分前24名的特征;索引合并,得到新的数据集,并将数据集划分为训练集和测试集;然后分别构建训练集和测试集对应的包含历史流量特征的图片数据;构建网络流量特征提取模型HTEM‑CGSC;分别采用训练集和测试集通过构建的模型进行特征提取;将提取出来的特征拼接,然后进行可视化并保存。本发明解决了现有技术中存在的机器学习方法因忽略了流量间的关系只关注于流量本身特征导致的对恶意流量识别准确率差的问题。

    基于反向传播神经网络的混合染液浓度检测方法

    公开(公告)号:CN113192034B

    公开(公告)日:2024-02-02

    申请号:CN202110485277.8

    申请日:2021-04-30

    摘要: 本发明公开了一种基于反向传播神经网络的混合染液浓度检测方法,首先利用工业相机采集混合染液的图像信息,然后对原始数据进行去噪和预处理,再训练反向传播神经网络模型,最终得到一个最优模型,用得到的模型预测混合染液的浓度。基于反向传播神经网络的混合染液浓度检测方法可以从观测数据出发,寻找出尚不能通过理论分析得到的规律,所用的数据是混合染液的图像信息,数据采集对仪器的要求较低,可以更方便快捷的获取数据,通过构造模型实现对混合染液染料浓度的预测,从而达到改善印染产品品质、提高生产效率、实现节能减排的目的。

    一种针对实体识别和关系抽取任务的语义分析方法

    公开(公告)号:CN112084329B

    公开(公告)日:2024-02-02

    申请号:CN202010762584.1

    申请日:2020-07-31

    摘要: 本发明提供了一种针对实体识别和关系抽取任务的语义分析方法,包含三个模块的内容,建立地铁设计规范领域的概念分层体系和语义关系分类体系,分析规范文本的语言特点,以及获取细分领域任务的实体和关系类别信息。第一个模块,借助本体论的思想,和映射对标UMLS,得到概念分层体系和语义关系分类体系。第二个模块,通过规范文本的来源和构成、数据形式和所具备的子语言特性三个部分,由浅及深地分析规范文本的语言特性,以补充实体识别和关系抽取任务的规则提取。最后一个模块,将本体分类的思想渗入这一领域的研究任务细分过程中,实现任务和实体关系类别的对应,从而提高信息抽取的效率。