基于隐私计算的企业知识大脑数据存储方法

专利主权项内容

1.一种基于隐私计算的企业知识大脑数据存储方法，其特征在于，所述方法包括：从企业知识大脑智能系统中获取至少两个数据类型的数据信息；数据信息包括：访问次数、每次访问的访问时间、每次访问的访问时长、修改次数和每次修改的修改时间；在每个数据类型中，根据访问时长的波动情况和访问次数，获得每个数据类型的访问程度；根据每个数据类型的修改次数和修改时间的频繁程度，获得每个数据类型的修改特征值；根据每个数据类型的修改特征值对数据类型进行聚类，获得修改程度聚类簇；根据每个修改程度聚类簇中修改特征值的占比情况，以及对应的修改程度聚类簇中每个数据类型的访问时间的间隔变化情况和修改时间的间隔变化情况，获得每个数据类型的访问操作系数；根据每个数据类型的访问程度和访问操作系数，确定每个数据类型的密钥长度范围；基于每个数据类型的密钥长度范围将对应的数据类型进行加密存储；所述访问程度的获取方法包括：对于任意一个数据类型，计算该数据类型中所有的访问时长的平均值，获得该数据类型的均时长；计算该数据类型中所有的访问时长的标准差，并进行负相关映射获得该数据类型的时长置信度；根据该数据类型的均时长和时长置信度，获得该数据类型的时长指标；均时长和时长置信度均与时长指标呈正相关；将该数据类型的时长指标与访问次数的乘积，进行归一化处理获得该数据类型的访问程度；所述修改特征值的获取方法包括：对于任意一个数据类型，计算该数据类型中每相邻两次修改的修改时间之间的时间差异，获得该数据类型的修改间隔段；计算该数据类型中所有修改间隔段的平均值，并进行负相关映射作为该数据类型的修改间隔指标；将该数据类型中修改次数和修改间隔指标的乘积进行归一化处理，获得该数据类型的修改特征值；所述访问操作系数的获取方法包括：计算每个修改程度聚类簇中所有修改特征值的平均值，作为每个修改程度聚类簇的修改值；将所有修改程度聚类簇的修改值的累加值作为修改指标；依次将每个数据类型作为目标类，将目标类所在修改程度聚类簇的修改值与修改指标的比值，作为目标类的修改占比；计算目标类中每相邻两次访问的访问时间之间的时间差异，获得目标类的访问间隔段；将所有访问间隔段按照时序顺序进行排序，获得目标类的访问间隔序列；将所有修改间隔段按照时序顺序进行排序，获得目标类的修改间隔序列；根据每个访问间隔段在访问间隔序列中的分布位置，获得每个访问间隔段的访问影响置信度；根据每个修改间隔段在修改间隔序列中的分布位置，获得每个修改间隔段的修改影响置信度；通过目标类的访问间隔序列中访问间隔段之间差异的变化程度，获得目标类的访问变化值；通过目标类的修改间隔序列中修改间隔段之间差异的变化程度，获得目标类的修改变化值；对目标类的访问变化值和修改变化值进行加权求和，并进行归一化处理获得目标类的访问操作指标；将目标类的访问操作指标和修改占比的乘积作为目标类的访问操作系数；所述密钥长度范围的获取方法包括：将每个数据类型的访问程度和访问操作系数的乘积进行归一化处理，获得每个数据类型的安全程度；对于任意一个数据类型，将该数据类型的安全程度与预设标准长度值的乘积向上取整，获得该数据类型的最小边界值；将最小边界值与数值1的和值，作为该数据类型的最大边界值；将最小边界值作为以2为底的幂函数的次数进行计算，获得该数据类型的密钥下边界值；将最大边界值作为以2为底的幂函数的次数进行计算，获得该数据类型的密钥上边界值；将该数据类型的密钥下边界值与密钥上边界值构成的数据范围，作为该数据类型的密钥长度范围。。更多数据：