[发明专利]一种基于人工智能的数据安全防护方法及系统

权利要求书

1.一种基于人工智能的数据安全防护方法，其特征在于，应用于数据安全防护服务器，所述方法包括：

获取所述待处理业务交互数据集；

将所述待处理业务交互数据集加载至预设的数据安全防护网络，并通过所述数据安全防护网络对所述待处理业务交互数据集进行数据隐私描述数组提取，得到所述待处理业务交互数据集的数据隐私描述数组，依据所述数据隐私描述数组进行隐私内容种类推理，得到所述待处理业务交互数据集的隐私内容种类识别结果；

基于所述待处理业务交互数据集的隐私内容种类识别结果，通过预设的数据防护映射关系，调取与所述隐私内容种类识别结果对应的防护策略；

基于所述防护策略对所述待处理业务交互数据集进行安全防护；

其中，所述数据安全防护网络是通过实际模板和模拟模板协同调试得到的，所述数据安全防护网络被配置为对模拟隐私内容种类和实际隐私内容种类进行识别；当对包含新的隐私内容种类的业务交互数据集进行识别前，所述方法包括对数据安全防护网络进行优化的步骤，包括：

获取新调试模板，所述新调试模板对应的新隐私内容种类未包含于全部所述实际隐私内容种类；

将所述新调试模板加载到所述数据安全防护网络，依据所述数据安全防护网络提取所述新调试模板的数据隐私描述数组；

确定描述数组值域中和各个模拟隐私内容种类各自对应的目标参考描述数组，并通过所述数据隐私描述数组和每一目标参考描述数组之间的预设计算结果，确定与所述新调试模板对应的目标模拟隐私内容种类；

将所述目标模拟隐私内容种类替换为所述新隐私内容种类。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括所述数据安全防护网络的调试过程，包括：

获取实际模板和模拟模板，所述模拟模板为通过所述实际模板生成获得；

采取拟调试的数据安全防护网络对所述实际模板进行推理，通过推理获得的第一推理结果确定所述实际模板对应于第一目标隐私内容种类的第一误差值，所述第一目标隐私内容种类包括所述实际模板对应的目标实际隐私内容种类以及与所述实际模板对应的目标模拟隐私内容种类；

通过所述拟调试的数据安全防护网络对所述模拟模板进行推理，通过推理获得的第二推理结果确定所述模拟模板对应于第二目标隐私内容种类的第二误差值，所述第二目标隐私内容种类包括分别与所述模拟模板对应的目标实际隐私内容种类和目标模拟隐私内容种类；

通过所述第一误差值和第二误差值生成目标误差算法，采用所述目标误差算法对所述拟调试的数据安全防护网络进行优化调试直到符合预设的调试截止要求，得到调试好的数据安全防护网络。

3.根据权利要求2所述的方法，其特征在于，所述采用所述目标误差算法对所述拟调试的数据安全防护网络进行优化调试，包括：

采用所述目标误差算法对所述拟调试的数据安全防护网络进行多次优化调试，在每次优化调试后，获取当前优化调试对应的偏导向量，通过所述偏导向量的逆向传递对描述数组值域中各个隐私内容种类对应的参考描述数组进行优化；其中，末次优化调试结束时获得的各个隐私内容种类对应的参考描述数组为各个隐私内容种类的目标参考描述数组；

所述采取拟调试的数据安全防护网络对所述实际模板进行推理，通过推理获得的第一推理结果确定所述实际模板对应于第一目标隐私内容种类的第一误差值，包括：

采取拟调试的数据安全防护网络提取所述实际模板的数据隐私描述数组，并通过所述实际模板的数据隐私描述数组进行推理，得到所述实际模板对应于全部隐私内容种类的第一置信度；

通过所述第一置信度和所述实际模板对应的目标实际隐私内容种类，确定所述实际模板对应于所述目标实际隐私内容种类的第一基础误差值；

通过所述第一置信度获取所述实际模板对应的除开所述目标实际隐私内容种类之外的其余隐私内容种类的第一虚设置信度；

通过所述第一虚设置信度获取所述实际模板对应于所对应的目标模拟隐私内容种类的第一模拟误差值；

通过所述第一基础误差值和所述第一模拟误差值获取所述实际模板对应于第一目标隐私内容种类的第一误差值。