[发明专利]一种用于数据的溯源方法和系统

说明书

本发明给出了一种用于数据的溯源方法和系统，包括响应于目标机器上发生文件操作，获取文件信息；基于对文件信息进行筛选，获得结构化数据和与结构化数据对应的非结构化数据，其中，结构化数据作为固定的关键变量组，非结构化数据包括多组可变关键变量组；响应于关联图谱中不存在固定变量组的信息，将固定变量组对应的文件信息进行唯一标识并存入关联图谱中；响应于关联图谱中存在固定变量组的信息，对与固定变量组对应的可变关键变量组和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。利用该方法进行数据溯源可以大幅提高工作效率。

技术领域

本发明涉及计算机技术应用领域，尤其是一种用于数据的溯源方法和系统。

背景技术

随着经济全球化、商务电子化和管理信息化的快速发展，计算机已逐渐成为各企事业单位的主要办公手段，各种电子文档也逐渐取代纸质文件成为重要的信息载体，信息泄密、商业纠纷等涉及电子数据安全问题越来越多，如何从海量数据中快速提取有价值的信息，是当前企事业单位亟待解决的问题。

现有技术中对数据溯源的方法中存在以下问题：

1)数据孤岛问题：目前大部分数据防护技术更多关注单条数据的获取、存储及查询，当需要从海量数据中掌握某条数据的全周期动态流向时，往往会造成更多的人力和时间成本，此技术通常较难满足企事业单位对数据潜在价值获取的需求。

2)数据原始有效性问题：目前存在部分数据签名技术，通过对数据写入自定义特征信息，基于对应的特征信息对数据进行唯一标识，便于对海量数据进行相关性分析，此技术需要对所有数据进行二次编码，影响到数据本身的原始性，降低了数据的可信度。

发明内容

为了解决现有技术存在的问题，针对企事业单位的应用场景，现提出一种基于特征关联的数据溯源的方法。

本发明提出了一种用于数据关联图谱的构建和数据的溯源方法和系统。

在一个方面，本发明提出了一种用于数据关联图谱的构建，包括以下步骤：

S1：响应于目标机器上发生文件操作，获取文件信息，其中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；

S2：基于对文件信息进行筛选，获得结构化数据和与结构化数据对应的非结构化数据，其中，结构化数据作为固定的关键变量组，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固定变量组的信息，将固定变量组对应的文件信息进行唯一标识并存入关联图谱中；

S4：响应于关联图谱中存在固定变量组的信息，对与固定变量组对应的可变关键变量组和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。

在具体的实施例中，非结构化数据包括文件内容，结构化数据包括：操作时间、操作类型、文件来源和文件属性。利用结构化数据和非结构化数据的筛选，可将文件数据分割筛选，更加便于关联图谱的构建。

在具体的实施例中，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。通过相关性校验可获得特征相似或相同的数据，便于进行归纳关联。

在优选的实施例中，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。协方差可用于判断两个变量之间的总体误差，亦可利用其判断两个变量之间的变化趋势，推算获得两个变量之间的关联性。