[发明专利]数据认证方法、装置、认证设备及存储介质

说明书

本发明公开了一种数据认证方法、装置、认证设备及存储介质。该方法包括：获取待认证数据；若模型认证功能已开启，则通过预设的认证模型认证所述待认证数据为异常数据或非异常数据，其中，所述认证模型基于k均值聚类算法、线性支持向量机算法以及无标签样本数据构建；若模型认证功能未开启，则根据多因子认证策略认证所述待认证数据为异常数据或非异常数据。上述技术方案通过构建的认证模型以及多因子认证策略，可全面考虑各种因素对数据进行自动认证，提高了数据认证的安全性，并且具有更广的适用性。

技术领域

本发明实施例涉及数据安全技术领域，尤其涉及一种数据认证方法、装置、 认证设备及存储介质。

背景技术

近年来，人们对于数据和账号安全、身份信息等的安全意识越来越强烈。 基于防火墙或者利用跳板机、网关等类似防火墙的设备，可以将网络拓扑划分 为内网和外网，通常默认内网为安全的，外网为有威胁的，以此来检测业务数 据是否存在异常，如果存在异常则拒绝相应的业务，以避免信息泄露或者财产 损失等。但随着大数据技术的发展，业务复杂多样，这种基于内外网隔离的网 络访问控制已经无法满足如今的安全性要求，例如，如果攻击者向内网设备发 送带有攻击信息的电子邮件，或者高风险设备接入内网，仍会对数据安全造成 威胁。

也有一些方法根据特定的策略来判断数据是否异常，但这些策略往往局限 于设定了哪几种考虑因素或者认证规则，而除这些考虑因素和认证规则以外的 情况则无法自动认证。目前的数据认证方法安全性低，应用时具有较大的局限 性。

发明内容

本发明提供了一种数据认证方法、装置、认证设备及存储介质，以提高数 据认证的安全性，具有更广的适用性。

第一方面，本发明实施例提供了一种数据认证方法，包括：

获取待认证数据；

若模型认证功能已开启，则通过预设的认证模型认证所述待认证数据为异 常数据或非异常数据，其中，所述认证模型基于k均值聚类算法、线性支持向 量机算法以及无标签样本数据构建；

若模型认证功能未开启，则根据多因子认证策略认证所述待认证数据为异 常数据或非异常数据。

可选的，在获取待认证数据之前，还包括：

基于k均值聚类算法对无标签的样本数据进行聚类，以为所述无标签的样 本数据添加标签；

基于线性支持向量机算法对添加标签后的样本数据进行分类；

根据分类结果构建所述认证模型。

可选的，基于k均值聚类算法对无标签的样本数据进行聚类，以为所述无 标签的样本数据添加标签，包括：

计算每个无标签的样本数据与每个聚类中心之间的距离总和；

以最小化所述距离总和为优化目标更新各所述聚类中心，直至所述距离总 和低于设定值或者达到最小值；

对于每个无标签的样本数据，将与该样本数据距离最近的更新后的聚类中 心作为该样本数据的标签。

可选的，基于线性支持向量机算法对添加标签后的样本数据进行分类，包 括：

基于线性支持向量机算法寻找最大白边方程，所述最大白边方程用于将所 述添加标签后的样本数据分成正样本和负样本，且使得与所述最大白边方程所 在的超平面最近的正样本以及与所述超平面最近的负样本之间的距离达到最大 值。

可选的，根据分类结果构建所述认证模型，包括：

计算基于所述最大白边方程对测试数据进行分类的误差率；

若所述误差率小于或等于预设阈值，则将所述最大白边方程作为所述认证 模型。