[发明专利]基于标识解析数据的企业安全风险辨识评估方法及系统

权利要求书

1.一种基于标识解析数据的企业安全风险辨识评估方法，其特征在于，所述方法包括：

S1，获取历史工业互联网企业标识解析数据以及对应的历史工业互联网企业信息；

S2，建立信息数据库，将历史工业互联网企业标识解析数据以及对应的历史工业互联网企业信息存入信息数据库中，将信息数据库中的数据均作为样本数据；

S3，分别基于改进的CART决策树模型和支持向量机模型构建企业安全风险辨识评估分类模型，并将样本数据输入至企业安全风险辨识评估分类模型中进行训练，得到最终分类模型；

S4，获取待核验工业互联网企业的标识解析数据及其工业互联网企业信息，输入最终分类模型中进行分类，构建多元线性回归模型，对分类后的待核验工业互联网企业进行安全风险辨识评估，得到对应的安全风险辨识评估报告。

2.如权利要求1所述的一种基于标识解析数据的企业安全风险辨识评估方法，其特征在于，步骤S1具体包括：

所述历史工业互联网企业信息包括对应的企业法律诉讼信息、企业经营情况信息以及管理层信息。

3.如权利要求1所述的一种基于标识解析数据的企业安全风险辨识评估方法，其特征在于，步骤S2具体包括：

设置若干个风险辨识评估类别，采用TF-IDF方法分别从历史工业互联网企业信息中提取与若干个风险辨识评估类别相关的特征信息数据，将历史工业互联网标识解析数据对应的特征信息数据一一存入信息数据库中。

4.如权利要求3所述的一种基于标识解析数据的企业安全风险辨识评估方法，其特征在于，步骤S3具体包括：

S301，将若干个风险辨识评估类别以及特征信息数据进行归一化，分别得到类别集合和特征集合；

S302，基于CART决策树模型构建第一企业安全风险辨识评估分类模型，将类别集合作为因变量，将特征集合作为自变量，对训练样本采用递归分割的方式输入至第一企业安全风险辨识评估分类模型中进行训练，得到第一分类输出结果，并计算训练样本中各数据的后验概率；

S303，基于支持向量机模型构建第二企业安全风险辨识评估分类模型，输入类别集合以及训练样本进行训练，得到第二分类输出结果，计算训练样本中各数据的后验概率；

S304，将第一分类输出结果和第二分类输出结果进行结合得到最终分类输出结果，并结合为最终分类模型。

5.如权利要求4所述的一种基于标识解析数据的企业安全风险辨识评估方法，其特征在于，步骤S302中，对训练样本采用递归分割的方式输入至第一企业安全风险辨识评估分类模型中进行训练具体包括：

创建根节点，将训练样本输入根节点中，计算根节点中全部训练样本的Gini系数G，根节点中包含若干特征属性向量；

对于根节点中的每一特征属性向量，均进行分割阈值计算，其计算过程包括：指定某一特征属性向量为划分特征，设定划分特征的若干分割阈值，将训练样本分成两组，计算划分后全部训练样本的Gini系数G′；计算划分前后的Gini系数减少量ΔG，ΔG＝G-G′；计算划分特征的不同分割阈值对应的Gini系数减少量，对不同分割阈值对应的Gini系数减少量进行比较，得到最大减少量G_B以及对应的分割阈值，并将其作为最佳分割阈值；

对根节点中的所有特征属性向量均进行分割阈值计算，得到最佳划分特征属性向量及其对应的最佳分割阈值，基于最佳划分特征属性向量及其对应的最佳分割阈值对根节点进行划分；

判断划分后的节点是否为叶节点，若不是，以该节点为子树的根节点，重新进行划分；若是，判断此时所有节点是否均达到叶节点，当所有节点均达到叶节点时完成训练过程。