本發明專利技術提供了一種支持分級調整的智能網聯汽車數據分級方法，該方法包括：獲取待分級數據和處于最高級別的標準數據；將標準數據作為目標預測數據，計算目標預測數據與待分級數據之間的推理強度；對推理強度進行排序得到梯度序列；根據梯度序列、預設分級數量和預設各級別的容納數據量確定待分級數據的級別。本方案實現了智能網絡汽車數據的量化分級，提高了數據安全管理的精確性和有效性。
1、隨著數字化轉型的加速，數據安全成為了一個日益突出的問題。目前，數據安全的管理和保護常采用分級保護的策略，但卻多依賴于專家的評審和定性分析。這種方式雖然能夠根據經驗進行合理的風險評估，卻往往缺乏足夠的定量分析能力，導致數據安全級別的劃分不夠精確，難以適應快速變化的安全威脅環境。尤其，智能網聯汽車領域的數據之間存在復雜的關聯性，傳統的數據分級方法通常對單個數據項進行分析和分級，忽略了數據項之間的相互作用，也就無法完全揭示數據項之間的潛在聯系，可能導致高級別的敏感數據被較低級別的數據通過邏輯推理破解，從而帶來安全風險。
>8、針對每個所述目標預測數據，均執行：9、s21：判斷所述待分級數據的數據類型與該目標預測數據的數據類型是否相同，以及判斷預設規則庫是否存在與所述數據類型對應的目標規則集；若判斷結果均為是，則執行步驟s22，反之執行步驟s25；
10、s22：所述目標規則集包括多個預測規則，根據預設推理準確度閾值輸出各預測規則在規定時間內的預測準確度；
11、s23：從所有所述預測規則對應的預測準確度中確定最大預測準確度為所述待分級數據的預測精度；
12、s24：獲取所述待分級數據的風險概率，將所述風險概率和所述預測精度的乘積作為所述推理強度；
13、s25：確定所述推理強度為0。
14、可選地，所述根據所述梯度序列、預設分級數量和預設各級別的容納數據量確定所述待分級數據的級別，包括：
15、s31：判斷最高級別中的當前數據量是否小于所述預設最高級別的容納數據量；若判斷結果為是，則執行步驟s32，否則執行步驟s34；
16、s32：從所述梯度序列中確定出最高推理強度對應的待分級數據，并將該待分級數據作為第一標準數據并分入所述最高級別中；
17、s33：將所述第一標準數據作為目標預測數據，計算所述目標預測數據與所述待分級數據之間的推理強度，對所述推理強度進行排序得到梯度序列，并返回步驟s31；
18、s34：若判斷結果為否，則從所述梯度序列中從高至低確定出與預設次高級別的容納數據量相同數量的所述推理強度，并將該推理強度對應的所述待分級數據分入所述預設次高級別中，完成所述預設次高級別的分級。
19、可選地，在完成所述預設次高級別的分級之后，還包括：
20、s41：將最新完成分級的預設級別作為當前預設級別，判斷是否存在未分入所述當前預設級別的待分級數據，若存在，執行步驟s42，否則執行s45；
21、s42：將所述當前預設級別中的當前級別數據作為目標預測數據，并計算所述目標預測數據與所述待分級數據之間的推理強度；
22、s43：對該推理強度進行排序得到梯度序列；
23、s44：在該梯度序列中從高至低確定出與預設下一級別的容納數據量相同數量的推理強度，并將該推理強度對應的所述待分級數據分入所述預設下一級別中，以及返回步驟s41；其中，所述預設下一級別為所述當前預設級別的下一級；
24、s45：完成所述待分級數據的完全分級。
25、可選地，所述待分級數據包括單一待分級數據和/或由至少兩個所述單一待分級數據組合得到的待分級數據組；
26、在所述待分級數據為所述待分級數據組時，若所述待分級數據組已分入已知級別中，則所述待分級數據組所包括的每個所述單一待分級數據也分入所述已知級別中。
27、可選地，所述待分級數據包括單一待分級數據和/或由至少兩個所述單一待分級數據組合得到的待分級數據組；
28、在所述待分級數據為所述待分級數據組和所述單一待分級數據時，獲取所述待分級數據組所處的第一已知級別和所述待分級數據組中所包括的各所述單一待分級數據所處的各第二已知級別；
29、判斷是否存在所述第一已知級別高于所述第二已知級別；
30、若所述判斷結果為存在，則將該第二已知級別對應的所述單一待分級數據分入所述第一已知級別中。
31、可選地，在所述根據所述梯度序列、預設分級數量和預設各級別的容納數據量確定所述待分級數據的級別之后，還包括：
32、在所述待分級數據中的目標待分級數據所處的級別高于預設期望級別時，獲取所述待分級數據的數據精度和數據密度，并降低所述待分級數據的所述數據精度和/或所述數據密度得到新目標待分級數據，對所述新目標待分級數據進行分級。
33、可選地，所述對所述新目標待分級數據進行分級，包括：
34、s71：獲取所述目標待分級數據的當前級別，并將在所述當前級別的下一級別的數據順次補入所述當前級別中；
35、s72：將所述新目標待分級數據和除分入所述當前級別和所述當前級別上一級別之外的其他所述待分級數據作為新待分級數據；
36、s73：判斷是否存在未分入所述當前級別的新待分級數據，若存在，執行步驟s74，否則執行步驟s77；
37、s74：將所述當前級別中的當前級別數據作為目標預測數據，并計算所述目標預測數據與所述新待分級數據之間的推理強度；
38、s75：對該推理強度進行排序得到梯度序列；
39、s76：在該梯度序列中從高至低確定出與下一級別的容納數據量相同數量的推理強度，并將該推理強度對應的所述新待分級數據分入所述下一級別中，以及將所述下一級別作為當前級別并返回步驟s73；其中，所述下一級別為所述當前級別的下一級；
40、s77：完成所述新待分級數據的完全分級。
41、第二方面，本專利技術提供了一種支持分級調整的智能網聯汽車數據分級裝置，包括：
42、獲取模塊，用于獲取待分級數據和處于最高級別的標準數據；
43、運算模塊，用于將所述標準數據作為目標預測數據，計算所述目標預測數據與所述待分級數據之間的推理強度，并對所述推理強度進行排序得到梯度序列；
44、分級模塊，用于根據所述梯度序列、預設分級數量和預設各級別的容納數據量確定所述待分級數據的級別。...
【技術保護點】
1.一種支持分級調整的智能網聯汽車數據分級方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述標準數據作為目標預測數據，計算所述目標預測數據與所述待分級數據之間的推理強度，包括：
3.根據權利要求1所述的方法，其特征在于，所述根據所述梯度序列、預設分級數量和預設各級別的容納數據量確定所述待分級數據的級別，包括：
4.根據權利要求3所述的方法，其特征在于，在完成所述預設次高級別的分級之后，還包括：
5.根據權利要求3所述的方法，其特征在于，所述待分級數據包括單一待分級數據和/或由至少兩個所述單一待分級數據組合得到的待分級數據組；
6.根據權利要求1至5中任一所述的方法，其特征在于，在所述根據所述梯度序列、預設分級數量和預設各級別的容納數據量確定所述待分級數據的級別之后，還包括：
7.根據權利要求6所述的方法，其特征在于，所述對所述新目標待分級數據進行分級，包括：
8.一種支持分級調整的智能網聯汽車數據分級裝置，其特征在于，包括：
9.一種計算設備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器執行所述計算機程序時，實現如權利要求1-7中任一項所述的方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，當所述計算機程序在計算機中執行時，令計算機執行權利要求1-7中任一項所述的方法。
...
【技術特征摘要】
1.一種支持分級調整的智能網聯汽車數據分級方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述標準數據作為目標預測數據，計算所述目標預測數據與所述待分級數據之間的推理強度，包括：
3.根據權利要求1所述的方法，其特征在于，所述根據所述梯度序列、預設分級數量和預設各級別的容納數據量確定所述待分級數據的級別，包括：
4.根據權利要求3所述的方法，其特征在于，在完成所述預設次高級別的分級之后，還包括：
5.根據權利要求3所述的方法，其特征在于，所述待分級數據包括單一待分級數據和/或由至少兩個所述單一待分級數據組合得到的待分級數據組；
6....
【專利技術屬性】
技術研發人員：楊世春，鄭博文，曹耀光，光浩然，石燚，公韋灃，閆嘯宇，徐斌，
申請(專利權)人：北京航空航天大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。