[发明专利]一种针对游戏业务中数据访问事件的安全策略生成方法

说明书

本发明是一种针对游戏业务中数据访问事件的安全策略生成方法，首先对源游戏数据表进行处理，删除无意义的数据减轻算法运行负担。然后以游戏数据表的一列作为一个数据项，使用FP‑Growth算法在Spark上进行并行运算进行数据挖掘来处理大规模数据集。通过FP‑Growth得出的频繁项来获取数据频次特征，在通过频繁项获取强关联规则。最后通过数据的频次特征和关联关系转化到权限规则配置，使其作用于游戏数据表行或游戏数据表列。本方案能有效的加入系统，并完成权限控制的细化，从访问数据出发，利用数据挖掘的方法生成安全策略，是一种较为合理的数据访问控制策略。

技术领域

本发明应用于大数据中的访问数据权限控制技术领域，具体涉及一种针对游戏业务中数据访问事件的安全策略生成方法，实现数据的细化访问控制。

背景技术

近年来由于计算机性能提高，导致大数据时代的到来，大量的数据通过数据分析得出的重要结论是企业发展的重要助力。数据已经渐渐的成为企业间竞争的重要条件。为了更好的使用数据，必须对数据进行分析和共享，因此数据必须对特定的人群开放。这也就产生了数据保护的问题。尤其在游戏数据保护方面，其中的角色关系会有多种共享数据访问情况，数据权限更加细化，所以游戏数据表中具体数据的访问权限控制技术是数据共享过程中保障数据安全的重要手段之一。由于业务场景的不同，数据保护技术在实施中存在控制对象、控制范围等不同方面的要求。目前访问控制的主体框架已经比较成熟。但从被保护数据本身特征出发的访问控制研究却比较少。因此本文从数据特征出发通过数据挖掘生成频繁项集，来生成对游戏数据保护的安全策略。

发明内容

本发明的目的是针对游戏共享数据访问事件提出一种针对游戏业务中数据访问事件的安全策略生成方法，使用数据的访问特征来生成安全保护策略。解决了现有技术中存在的游戏数据共享时数据的安全问题，对数据更细化的保护。

本发明所采用的技术方案是，基于数据挖掘得出数据之间的关联规则，再生成安全策略，首先对游戏数据表进行预处理，使用FP-Growth对游戏数据进行挖掘，获取频繁项。将获取到的频繁项进行分析和筛选，从频繁项集中再获取数据频次特征和关联关系特征，最终根据数据频次特征和关联关系特征制定安全策略实现游戏数据表的细化访问。

一种针对游戏业务中数据访问事件的安全策略生成方法，首先对源游戏数据表做预处理，然后通过优化后的FP-Growth算法对数据进行挖掘获取频繁项和关联关系。用获取到的频次特征和关联关系分别对游戏数据表列和行进行权限配置。充实数据特征库，以达到细化保护数据的目的，最后根据定义模型以及权限判决规则进行用户访问时的权限判决。

具体包括以下步骤：

步骤1，由于游戏数据的复杂性的特点，对游戏数据表进行数据清理并选择选择合适的最小支持；

步骤2，基于优化后的FP-Growth对游戏数据进行挖掘；

步骤3，获取数据项值在频繁项集出现频率，作为游戏数据表列权限配置输入；

步骤4，获取权限配置，根据步骤三的结果最终获取的权限配置作用于游戏数据表列；

步骤5，选择置信度并筛选强关联关系，将得出的强关联关系作为数据表行权限配置输入；

步骤6，获取权限配置，根据步骤五最终获取的权限配置作用于游戏数据表行；

步骤1具体步骤为：

步骤1.1：源数据处理；

将数据库和数据挖掘的对应关系进行解释定义；分析对象即数据源是数据库表，数据项为游戏数据表列，数据项值为该数据项的某一条数据具体的表示，事务按照数据库理解为一行数据；

如果某个数据项值出现率接近零或该数据项任意一个数据项值都没有重复此时删除该数据项，包括但不限于主键；若某数据项中存在大量空值且占比超过90％，则判定该数据项为无意义数据项；