[发明专利]一种数据动态防泄漏与预警方法及系统

权利要求书

1.一种数据动态防泄漏与预警方法，该方法包括以下步骤：

操作主体绑定，将用户认证信息与用户生物特征图像进行绑定；

用户行为日志分析训练，对用户行为进行日志采集，通过机器学习技术训练获得该用户的用户行为模型，基于所述用户行为模型分析判断用户行为语义，得到用户行为识别结果；

操作主体识别，利用机器学习技术识别用户生物特征图像，并与终端登录用户绑定的用户生物特征图像进行对比，识别是否为登录用户；

主体行为识别，利用机器学习技术识别特征图像，并与指定的行为特征图像进行对比，识别操作主体是否有特定操作；

用户行为数据整合，将用户行为识别结果、操作主体识别结果与主体行为识别结果进行整合，转换为用户行为特征数据；

用户行为计算，使用用户行为特征数据作为输入，基于机器学习技术，以所述用户行为模型为参考，计算获得用户行为异常指数；

用户行为预警，将所述用户行为异常指数与设定的预警阈值进行比较，如果大于预警阈值，向管理员产生预警信息；

所述机器学习技术训练的数据包括：文件操作行为、网络操作行为和应用程序操作行为。

2.根据权利要求1所述的方法，所述用户生物特征包括但不限于：人脸、虹膜。

3.根据权利要求1所述的方法，所述主体行为识别结果包括：用户使用手机或其他视觉采集设备拍摄终端屏幕。

4.根据权利要求1所述的方法，与用户行为相关的日志数据包括：时间戳、终端信息、登录用户名、操作数据元信息、操作主体特征图像、主体行为特征图像。

5.一种数据动态防泄漏及预警系统，该系统包括：

用户行为识别模块，基于已有的用户行为模型分析判断用户行为语义，产生用户行为日志特征结果；

操作主体识别模块，使用采集的操作主体生物特征与绑定的用户生物特征进行比对，产生操作主体特征结果；

主体行为识别模块，使用采集的主体行为生物特征与已建立的危险行为特征进行比对，产生主体行为特征结果；

用户行为异常计算模块，基于机器学习技术使用上述三个结果进行用户行为的异常指数计算；

用户行为预警模块，基于异常指数计算结果，根据预先设定的预警策略，决定是否进行用户行为预警；

用户行为日志分离模块，分离普通的日志数据、操作主体特征及主体行为特征。

6.根据权利要求5所述的系统，该系统还包括：

用户行为日志采集模块，接收终端发送的相关日志数据。

7.根据权利要求6所述的系统，该系统还包括：

用户行为日志清洗模块，将接收的相关日志数据进行数据清洗，剔除不完整或不合规的日志数据。

8.一种数据防泄漏用户行为实时审计与预警系统，该系统包括：多个用户终端及服务器；

所述终端实现：日志采集、用户生物特征图像采集与用户行为特征图像采集，并将采集的数据上报给服务器；

所述服务器，执行以下操作：

用户行为日志分析训练，对用户行为进行日志采集，通过机器学习技术训练获得该用户的用户行为模型，基于所述用户行为模型分析判断用户行为语义，得到用户行为识别结果；

操作主体识别，利用机器学习技术识别用户生物特征图像，并与终端登录用户绑定的用户生物特征图像进行对比，识别是否为登录用户；

主体行为识别，利用机器学习技术识别行为特征图像，并与指定的行为特征图像进行对比，识别操作主体是否有特定操作；

用户行为数据整合，将用户行为识别结果、操作主体识别结果与主体行为识别结果进行整合，转换为用户行为特征数据；

用户行为计算，使用用户行为特征数据作为输入，基于机器学习技术，以所述用户行为模型为参考，计算获得用户行为异常指数；

用户行为预警，将所述用户行为异常指数与设定的预警阈值进行比较，如果大于预警阈值，向管理员产生预警信息；

所述机器学习技术训练的数据包括：文件操作行为、网络操作行为和应用程序操作行为。

9.一种用于数据防泄漏用户行为实时审计与预警系统的服务器，该服务器包括：处理器和计算机存储介质，该计算机存储介质存储有计算机指令，当该处理器执行所述计算机指令时，实现以下操作：

接收数据，接收日志数据、用户生物特征图像与用户行为特征图像；

用户行为日志分析训练，通过机器学习技术训练获得该用户的用户行为模型，基于所述用户行为模型分析判断用户行为语义，得到用户行为识别结果；

操作主体识别，利用机器学习技术识别用户生物特征图像，并与终端登录用户绑定的用户生物特征图像进行对比，识别是否为登录用户；

主体行为识别，利用机器学习技术识别行为特征图像，并与指定的行为特征图像进行对比，识别操作主体是否有特定操作；

用户行为数据整合，将用户行为识别结果、操作主体识别结果与主体行为识别结果进行整合，转换为用户行为特征数据；

用户行为计算，使用用户行为特征数据作为输入，基于机器学习技术，以所述用户行为模型为参考，计算获得用户行为异常指数；

用户行为预警，将所述用户行为异常指数与设定的预警阈值进行比较，如果大于预警阈值，向管理员产生预警信息；

所述机器学习技术训练的数据包括：文件操作行为、网络操作行为和应用程序操作行为。