龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：浙江御安信息技术有限公司
摘要：本发明公开了一种基于深度强化学习的网站敏感信息检测方法及装置，包括：步骤一、获取待检测网站的真实数据；步骤二、提取真实网站文本数据中待检测的数据，得到候选信息集；步骤三、对候选信息集进行特征提取，生成待检测候选信息集的特征向量；步骤四、将待检测候选信息集的特征向量输入至深度强化学习模型中，判断待检测候选信息集是否含有敏感信息。本发明具有精准预测网站信息所属的敏感信息分类标签的有益效果。本方法还公开了一种基于机器学习的网站敏感信息检测装置，包括：网站数据获取模块，特征提取模块，敏感信息检测模块。本发明使用基于深度强化学习的方法来解决网络中敏感信息与常规信息的分类问题，能够快速有效地发现网站中是否存在敏感信息，从而供相关工作人员及时做出应对措施，避免泄露敏感信息，保证数据安全。
主权项：1.一种基于深度强化学习的网站敏感信息检测方法，其特征在于，包括以下步骤：步骤一、获取待检测网站的真实数据；步骤二、提取真实网站文本数据中待检测的数据，得到候选信息集；步骤三、对候选信息集进行特征提取，生成待检测候选信息集的特征向量；步骤四、将待检测候选信息集的特征向量输入至深度强化学习模型中，判断待检测候选信息集是否含有敏感信息。所述深度强化学习模型在训练时，设置少数类样本的绝对奖励价值高于多数类。当智能体正确或错误地识别少数类样本时，环境反馈智能体会获得更大的奖励或惩罚。在本发明中，敏感信息样本的回报设为1.0，常规信息样本的回报设为λ0≤λ≤1，λ具体值通常设为敏感信息数量与常规信息数量之比，如下所示： 其中，状态st表示第t条待检测候选信息的特征向量，at表示对st执行的分类动作，lt表示第t条待检测候选信息的标签，Rst,at,lt表示回报值，DM表示敏感信息集，DB表示常规信息集。所述深度强化学习模型在训练时调整不平衡率，即在获得特征向量之后，通过随机弃用某些样本，将敏感信息样本数和常规信息样本数之比调整为1:λ，选用不同的λ值分别训练模型，用以模拟真实DNS流量中可能出现的不平衡比例。
全文数据：
权利要求：
百度查询： 浙江御安信息技术有限公司 一种基于深度强化学习的网站敏感信息检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号