[发明专利]一种用于审计审查数据的安全分类分级方法及系统

权利要求书

1.一种用于审计审查数据的安全分类分级方法，其特征在于，包括以下步骤：

(1)通过用户终端将文档传输导入至数据中台，通过数据分类模型对所述文档进行分类，生成分类结果，将分类结果根据电力系统管理要求判定是否为重要数据，若电力系统管理要求中已有明确规定，则将所述文档直接标识为重要数据，若电力系统管理要求未明确规定，则通过重点数据重点阈模型对所述文档进行判定，并人工参与辅助判定；

(2)对所述步骤(1)中标识为重要数据的文档的词语进行切分，提取该文档中的文档词根，根据提出的文档词根与词根分级数据库的词根进行匹配，若提取的文档词根与词根分级数据库的词根匹配成功，则根据词根分级数据库已设定的等级对该文档直接定级，若提取的文档词根与词根分级数据库的词根未匹配成功，则执行步骤(3)；

(3)所述步骤(2)中未匹配成功的文档，根据不同业务的管理要求的重要程度，人工辅助判定该文档的等级，若人工辅助判定存在异议，则执行步骤(4)；

(4)所述步骤(3)中存在异议的文档，根据电力的十大域分级要求，对所述文档进行定级；

(5)对定级后的文档，根据电力系统管理要求和分析管控的反馈，将管理规范内的文档数据集合向量化，向量化后形成文档的重要数据分布热力图，通过颜色的深浅程度来区别重要数据的分布情况。

2.根据权利要求1所述的安全分类分级方法，其特征在于：所述步骤(1)中的所述数据分类模型的建立，包括以下步骤：

S1.以人工方式，根据电力系统管理要求，对文档进行分类，形成初始的训练样本；

S2.将训练样本导入训练模型，逐步形成数据分类模型；

S3.在形成分类后，通过分类实战模拟，进一步地训练分类模型，增加决策数据，提高分类模型对异常的能力；

S4.有异议的分类结果，人工参与辅助判断，人工决策后，将结果数据再次输入分类模型进行分类模型训练，作为训练样本，重新学习。

3.根据权利要求1所述的安全分类分级方法，其特征在于：所述步骤(2)中所述词根分级数据库的建立，包括以下步骤：

Q1.以人工方式，根据电力系统的相关法律法规规定，对词根进行分级，形成最初的训练样本；

Q2.将训练样本导入训练模型，逐步形成词根分级模型；

Q3.在形成分级后，通过分级实战模拟，进一步训练词根分级模型，增加决策数据，提高词根分级模型应对异常的能力；

Q4.有异议的分类结果，人工参与辅助判断，人工决策后，将结果数据再次输入词根分级模型进行词根分级模型训练，作为训练样本，重新学习；

Q5.将结果数据集合组成词根分级数据库，以供与切分的文档词根与词根分级数据库内的词根匹配，从而对词根进行分级。

4.根据权利要求3所述的安全分类分级方法，其特征在于：根据词根分级模型，定义分档的安全级别包括：

密等级是指机构最重要的数据，一旦泄露将对本机构利益、客户利益乃至国家利益和安全造成巨大损害；

机密等级是指机构内重要的数据，如发生泄露将对本机构利益、客户利益乃至国家利益和安全造成重大损害；

秘密等级是指机构内一般的数据，如发生泄露将对本机构利益、客户利益乃至国家利益和安全造成损害；

敏密等级是指机构内的商业秘密及决策的数据，如发生泄露将对本机构利益、客户利益乃至国家利益和安全造成损害；

公开等级是指机构内无须安全管理的数据，可对外进行公开的数据，如发生泄露不会对本机构利益、客户利益乃至国家利益和安全造成损害。

5.根据权利要求4所述的安全分类分级方法，其特征在于：所述词根分级模型是根据逆文本频率指数算法，计算出词根重要性权重值，提取权重值大的词根作为提炼安全级别的定级规则术语挖掘的结果。