买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了基于人工智能的数据安全检测方法及系统，涉及数据安全检测技术领域，包括收集网络数据并预处理，提取网络数据安全特征；建立智能数据安全检测模型，实时对网络数据进行监测并制定安全处理措施；通过区块链存储网络数据并进行数据安全保护。本发明通过收集网络数据并提取特征向量，使用特征向量建立并训练智能数据安全检测模型对网络数据进行检测，从而判断网络数据安全状态并采取相应的处理措施，提高了数据处理的准确性和效率，增强了网络数据安全检测和保护能力，在处理大规模、多样化的网络数据时具有更高的效率和准确性。

主权项：1.基于人工智能的数据安全检测方法，其特征在于：包括，收集网络数据并预处理，提取网络数据安全特征；建立智能数据安全检测模型，实时对网络数据进行监测并制定安全处理措施；通过区块链存储网络数据并进行数据安全保护；所述收集网络数据并预处理指通过网络流量传感器收集网络数据并进行清洗过滤和格式统一转换并填补缺失值，以及统一网络数据时间戳；所述提取网络数据安全特征指使用算法对预处理后的网络数据进行特征提取： 其中FD为从数据集D中提取的特征向量，n为特征数量，ωi为第i个特征的权重，νij为第i个特征在第j个维度的重要性系数，gjD为从数据集D中提取的第j个维度信息，m为数据维度的数量，hjl为第j个维度的第l个系数，Dl为数据集D的第l个维度，α为调节参数，βl为滤波系数；所述建立智能数据安全检测模型，实时对网络数据进行监测包括以下步骤：将提取的数据特征形成训练样本集和测试样本集，构建智能数据安全检测模型算法： 其中SF为数据安全评分，阈值为[0,1]，ak和bk为模型参数，Fk是从训练样本集中提取的第k个特征，uk为第k个特征的权重；设定损失函数为： 其中q为训练样本数量，yr为第r个训练样本的实际标签值，SFr为第r个训练样本的数据安全评分，Fr为第r个训练样本的特征向量，λ为正则化参数，θk为第k个特征的模型参数；计算模型参数梯度并更新模型参数进行迭代： 其中为模型参数梯度，为SFr关于θk的偏导数，η为学习率；每次迭代结束均使用测试样本集计算模型损失函数值，直至损失函数值不再显著下降或达到预定迭代次数停止迭代完成对智能数据安全检测模型的训练，通过智能数据安全检测模型实时对网络数据进行监测并计算数据安全评分SF，将数据安全评分SF与设定阈值S1和S2进行数值对比判断网络数据安全，其中0＜S1＜S2＜1；若SF＜S1，则代表网络数据存在异常；若S1≤SF＜S2，则代表网络数据存在潜在威胁；若SF≥S2，则代表网络数据安全；所述通过区块链存储网络数据指将收集的网络数据、提取的网络数据安全特征、训练得到的模型参数、数据安全评分和判断结果、设定阈值以及安全处理措施形成数据组合包通过区块链进行存储。

全文数据：

权利要求：

百度查询： 江南大学 基于人工智能的数据安全检测方法、计算机设备及介质