[发明专利]一种基于机器学习技术的数据泄漏风险检测的方法在审
| 申请号： | 202111180540.9 | 申请日： | 2021-10-11 |
| 公开（公告）号： | CN113886851A | 公开（公告）日： | 2022-01-04 |
| 发明（设计）人： | 廖文哲 | 申请（专利权）人： | 全知科技（杭州）有限责任公司 |
| 主分类号： | G06F21/60 | 分类号： | G06F21/60;G06F21/62;G06N20/00 |
| 代理公司： | 杭州奇炬知识产权代理事务所(特殊普通合伙) 33393 | 代理人： | 贺心韬 |
| 地址： | 310000 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 机器 学习 技术 数据 泄漏 风险 检测 方法 | ||
【权利要求书】：
1.一种基于机器学习技术的数据泄漏风险检测的方法，其特征在于，
S1.计算API历史一段时间的KPI；
S2.进行数据抽样；
S3.对样本进行时间序列分类；
S4.对KPI根据不同的时间序列类别分别给出智能上阈值；
S5.计算API最近一个单位时间的KPI值，判断是否超出了上阈值，一旦超出阈值，立即触发告警，启动相应应急方案；
S6.每隔一个单位时间重复S2-S5步骤。
2.根据权利要求1所述的一种基于机器学习技术的数据泄漏风险检测的方法，其特征在于：所述的步骤S3中，选用CNN时间序列分类法，设置多个分类类别。
3.根据权利要求2所述的一种基于机器学习技术的数据泄漏风险检测的方法，其特征在于：所述的步骤S4中，对于S3步骤时间序列分类中KPI属于平稳型和无规律波动型，则计算这个时间段内KPI的均值u和方差σ，利用u+3σ作为上阈值。
4.根据权利要求2所述的一种基于机器学习技术的数据泄漏风险检测的方法，其特征在于：所述的步骤S4中，对于S3步骤时间序列分类中KPI属于周期型，则利用时间差分减去昨天同时段的值，然后再计算上述值的均值u和方差σ，利用u+3σ作为上阈值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于全知科技（杭州）有限责任公司，未经全知科技（杭州）有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111180540.9/1.html，转载请声明来源钻瓜专利网。
