[发明专利]一种用于数据的溯源方法和系统

权利要求书

1.一种用于数据的溯源方法，其特征在于，包括以下步骤：

S1：响应于企事业单位的目标机器上发生文件操作，获取文件信息，其中所述文件信息包括操作时间、操作类型、文件来源、文件内容和文件属性，对所述目标机器上部署文件操作实时检测服务，所述检测服务通过软件或硬件的方式部署于目标机器上，并经过授权使其自动获得目标机器对应文件操作的信息，获取的文件操作信息作为构建数据关联图谱的基础；

S2：基于对所述文件信息进行筛选，获得结构化数据和与所述结构化数据对应的非结构化数据，其中，所述非结构化数据为文件内容，所述结构化数据包括：操作时间、操作类型、文件来源和文件属性，一个非结构化数据可对应多个结构化数据，所述结构化数据作为固定的关键变量组，所述非结构化数据包括多组可变关键变量组；

S3：响应于关联图谱中不存在所述固定的关键变量组的信息，将所述固定的关键变量组对应的文件信息进行唯一标识并存入所述关联图谱中；以及

S4：响应于关联图谱中存在所述固定的关键变量组的信息，对与所述固定的关键变量组对应的所述可变关键变量组和所述关联图谱中已有的可变关键变量组进行相关性校验，若相关联，则将其纳入所述关联图谱中已有的可变关键变量组对应的文件信息的唯一标识下；

其中所述相关性校验的方法具体为利用协方差计算判断不同可变关键变量组的变化趋势是否一致，所述协方差的计算公式具体为：

其中，变量组X表示待判断的可变关键变量组，变量组Y表示关联图谱中已存在的可变关联变量组，n表示抽取的样本数量；响应于所述变量组X与所述变量组Y正相关，将所述变量组X纳入所述变量组Y的标识下；

S5：利用唯一标识获取所述关联图谱中的所有关联信息，并依据固定关键变量组的时间属性进行优先排序。

2.根据权利要求1所述的用于数据的溯源方法，其特征在于，所述协方差为正值则所述变量组X与所述变量组Y正相关，所述协方差为负值则所述变量组X与所述变量组Y变化趋势相反，所述协方差为0则所述变量组X与所述变量组Y不相关。

3.一种计算机可读存储介质，其上存储有一或多个计算机程序，其特征在于，该一或多个计算机程序被计算机处理器执行时实施权利要求1至2中任一项所述的方法。

4.一种用于数据的溯源系统，其特征在于，所述系统包括：

文件信息获取模块：配置用于响应于企事业单位的目标机器上发生文件操作，获取文件信息，其中所述文件信息包括操作时间、操作类型、文件来源、文件内容和文件属性，对所述目标机器上部署文件操作实时检测服务，所述检测服务通过软件或硬件的方式部署于目标机器上，并经过授权使其自动获得目标机器对应文件操作的信息，获取的文件操作信息作为构建数据关联图谱的基础；

文件信息筛选模块：配置用于基于对所述文件信息进行筛选，获得结构化数据和与所述结构化数据对应的非结构化数据，其中，所述非结构化数据为文件内容，所述结构化数据包括：操作时间、操作类型、文件来源和文件属性，一个非结构化数据可对应多个结构化数据，所述结构化数据作为固定的关键变量组，所述非结构化数据包括多组可变关键变量组；

关联图谱构建模块：配置用于响应于关联图谱中不存在所述固定的关键变量组的信息，将所述固定的关键变量组对应的文件信息进行标识并存入所述关联图谱中；

关联图谱更新模块：配置用于响应于关联图谱中存在所述固定的关键变量组的信息，对与所述固定的关键变量组对应的所述可变关键变量组和所述关联图谱中已有的可变关键变量组进行相关性校验，若相关联，则将其纳入所述关联图谱中已有的可变关键变量组对应的文件信息的唯一标识下；其中所述相关性校验的方法具体为利用协方差计算判断不同可变关键变量组的变化趋势是否一致，所述协方差的计算公式具体为：

其中，变量组X表示待判断的可变关键变量组，变量组Y表示关联图谱中已存在的可变关联变量组，n表示抽取的样本数量；响应于所述变量组X与所述变量组Y正相关，将所述变量组X纳入所述变量组Y的标识下；

溯源模块：配置用于利用唯一标识获取所述关联图谱中的所有关联信息，并依据固定关键变量组的时间属性进行优先排序。