[发明专利]—种基于深度学习来更新白名单的方法

说明书

本发明公开了—种基于深度学习来更新白名单的方法，包括以下步骤，步骤1：基于白名单对获取的用户信息进行第一步筛选；通过深度学习对用户接下来的操作进行多级分析，进行第二次筛选，判断用户操作是否规范，对于存在操作不规范的用户将进行阻拦和警告并且移除白名单，防止非法分子盗用白名单用户信息进行不规范操作，对于不符合白名单要求的数据，通过深度学习对数据信息进行模拟和判断，将不符合白名单要求的数据直接进行阻拦，然后再次根据用户操作是否规范对新的符合白名单要求的数据进行第三次筛选，将既安全数据又操作规范的用户数据录入白名单，进而使白名单进行更新。

技术领域

本发明属于深度学习技术领域，具体涉及—种基于深度学习来更新白名单的方法。

背景技术

深度学习(也称为深度结构化学习或分层学习)是基于人工神经网络的更广泛的机器学习方法族的一部分；学习可以是有监督的、半监督的或无监督的；大多数现代的深度学习模型基于人工神经网络，特别是卷积神经网络 (CNN)，尽管它们也可以包括命题公式或在深度生成模型中逐层组织的潜变量，例如深度信念网络和深度玻尔兹曼机中的节点；在深度学习中，每一级学习将其输入数据转换成稍微抽象和复合的表示；重要的是，深入的学习过程可以学习将哪些特征放在哪个级别上是最优的。

白名单的概念与“黑名单”相对应；例如：在电脑系统里，有很多软件都应用到了黑白名单规则，操作系统、防火墙、杀毒软件、邮件系统、应用软件等，凡是涉及到控制方面几乎都应用了黑白名单规则；黑名单启用后，被列入到黑名单的用户(或IP地址、IP包、邮件、病毒等)不能通过；如果设立了白名单，则在白名单中的用户(或IP地址、IP包、邮件等)会优先通过，不会被当成垃圾邮件拒收，安全性和快捷性都大大提高；将其含义扩展一步，那么凡有黑名单功能的应用，就会有白名单功能与其对应。

由于用户数据较为庞大，白名单在对用户信息进行存储时，需要对用户数据进行严密的检测，过滤掉含有不良信息的数据，而对于符合白名单要求的数据还要对人为操控行为进行检测，防止人为盗用白名单用户的数据进行不规范操作，进而保证了白名单对用户数据获取的准确性和安全性，为此提出了—种基于深度学习来更新白名单的方法。

发明内容

本发明要解决的技术问题是克服现有的缺陷，提供—种基于深度学习来更新白名单的方法，以解决上述背景技术中提出的白名单在对用户信息进行存储时，需要对用户数据进行严密的检测，过滤掉含有不良信息的数据，而对于符合白名单要求的数据还要对人为操控行为进行检测，防止人为盗用白名单用户的数据进行不规范操作的问题。

为实现上述目的，本发明提供如下技术方案：—种基于深度学习来更新白名单的方法，包括以下步骤，

步骤1：基于白名单对获取的用户信息进行第一步筛选；

步骤2：基于深度学习对第一步筛选出的白名单数据进行第二步筛选；

步骤3：基于深度学习对第一步筛选出的非白名单数据进行第二步筛选；

步骤4：基于深度学习对第二步筛选的非白名单数据进行第三步筛选；

步骤5：基于深度学习对第一步筛选出的白名单用户数据和对第三次筛选出的非白名单数据存储到白名单。

优选的，所述步骤1包括以下步骤，

步骤1.1：针对用户数据进行获取；

步骤1.2：针对用户操作数据进行获取。

优选的，所述步骤2包括以下步骤，

步骤2.1：基于深度学习针对第一步筛选出的白名单数据进行操作数据检测；

步骤2.2：针对白名单数据中非规范操作数据进行阻拦、警报和记录；

步骤2.3：针对白名单数据中规范操作数据进行放行。