CN115396238B - 一种基于大数据安全评估分析***及方法 - Google Patents
一种基于大数据安全评估分析***及方法 Download PDFInfo
- Publication number
- CN115396238B CN115396238B CN202211330505.5A CN202211330505A CN115396238B CN 115396238 B CN115396238 B CN 115396238B CN 202211330505 A CN202211330505 A CN 202211330505A CN 115396238 B CN115396238 B CN 115396238B
- Authority
- CN
- China
- Prior art keywords
- data
- classification
- central point
- detection data
- safety
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1433—Vulnerability analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/12—Applying verification of the received information
- H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于大数据安全评估分析***及方法,主要涉及安全评估技术领域,用以解决现有的大数据安全的评估不准确问题。包括:采集模块,用于获取检测数据的运行状态数据,以创建数据安全信息表;分类模块,用于根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数;统计模块,用于通过分类结果,获得各类别的类别数量;评估模块,用于根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度。本申请通过上述方法提高了大数据安全地评估准确率。
Description
技术领域
本申请涉及大数据安全评估技术领域,尤其涉及一种基于大数据安全评估分析***及方法。
背景技术
大数据安全评估是保证大数据能够安全提供服务的支撑保障,目的是验证评估所有保护大数据的安全策略、安全产品和安全技术的有效性和性能等,确保所有使用的安全防护手段能够满足大数据安全防护的需求。
目前常用的大数据安全评估方法有:一是漏洞评估,漏洞扫描器等自动化工具对大数据应用进行扫描,找出安全漏洞,进而分析评估大数据安全;二是渗透性测试,它是使用各种手段攻击大数据应用以便找出大数据的安全漏洞,进而对大数据安全进行分析评估。
但是,现有技术方案在实现功能的同时也存在不同程度的缺陷:方案一依赖于漏洞数据库的准确定义和详尽,难以对大数据安全形成全面的评估;方案二着重于评估网络***安全,对大数据安全的评估并不全面。
发明内容
针对现有技术的上述不足,本发明提供一种基于大数据安全评估分析***及方法,以解决上述技术问题。
第一方面,本申请提供了一种基于大数据安全评估分析***,***包括:采集模块,用于获取检测数据的运行状态数据,以创建数据安全信息表;分类模块,用于根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数;统计模块,用于通过分类结果,获得各类别的类别数量;评估模块,用于根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度。
作为实施例地,分类模块还包括分类单元;分类单元,用于将检测数据进行向量化处理,以获得检索数据表;获取预设距离区间,并从检索数据表中取任一检测数据作为分类中心点;并生成分类中心点对应的中心点集合;依次从检索数据表中取任一检测数据作为计算点,确定计算点与分类中心点之间的距离值;当距离值小于预设距离区间时,将距离值对应的检测数据,添加至对应的中心点集合,并从检索数据表中删除;当距离值大于预设距离区间时,将距离值对应的检测数据设置为分类中心点;获取距离值在预设距离区间内的剩余检索数据和全部分类中心点;计算剩余检索数据与各个分类中心点的计算距离,以将剩余检索数据添加至计算距离最小值对应的分类中心点的中心点集合,以实现检测数据的分类,获得分类结果。
作为实施例地,分类模块还包括系数计算单元;***计算单元,用于对中心点集合进行聚类处理,获取聚类中心;获取聚类中心对应的预设主要属性数值和预设属性权重,以确定若干预设主要属性数值与预设属性权重乘积的均值为类别系数。
作为实施例地,安全评估属性值至少包括机密性数据、完整性数据和可用性数据,评估模块还包括属性值计算单元;属性值计算单元,用于通过训练好的决策树算法,确定检测数据对应的机密等级赋值、完整等级赋值和可用等级赋值;确定机密等级赋值、完整等级赋值和可用等级赋值三者的均值为安全评估属性值。
作为实施例地,运行状态数据还包括漏洞危险数据和配置不符合项数据;评估模块还包括安全度计算单元;安全度计算单元,用于通过训练好的决策树算法,确定检测数据中漏洞危险数据对应的漏洞等级赋值,进而确定全部检测数据的漏洞等级赋值的漏洞均值;根据配置不符合项数据的占比值和漏洞均值,确定危险评估属性值;确定危险评估属性值与安全评估属性值的比值为安全度。
作为实施例地,***还包括预测模块;预测模块,用于根据预设安全度数据库和安全度,确定安全度对应的预测***安全等级。
第二方面,本申请提供了一种基于大数据安全评估分析方法,方法包括:获取检测数据的运行状态数据,以创建数据安全信息表;根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数;通过分类结果,获得各类别的类别数量;根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度。
作为实施例地,根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果,具体包括:将检测数据进行向量化处理,以获得检索数据表;获取预设距离区间,并从检索数据表中取任一检测数据作为分类中心点;并生成分类中心点对应的中心点集合;依次从检索数据表中取任一检测数据作为计算点,确定计算点与分类中心点之间的距离值;当距离值小于预设距离区间时,将距离值对应的检测数据,添加至对应的中心点集合,并从检索数据表中删除;当距离值大于预设距离区间时,将距离值对应的检测数据设置为分类中心点;获取距离值在预设距离区间内的剩余检索数据和全部分类中心点;计算剩余检索数据与各个分类中心点的计算距离,以将剩余检索数据添加至计算距离最小值对应的分类中心点的中心点集合,以实现检测数据的分类,获得分类结果。
本领域技术人员能够理解的是,本发明至少具有如下有益效果:
本申请通过对大数据所使用到的安全数据(安全策略、安全产品和安全技术)进行特征提取、识别归类,然后将识别到的策略、技术等进行统计,分析该大数据应用***的安全评估值。这种方法能够有效解决传统的通过漏洞扫描器和渗透性测试评估大数据安全而产生的只能够评估网络***安全并且评估不全面的问题,通过使用本发明可以识别统计出大数据从诞生到销毁整个生命周期中所使用到的安全防护技术,从而实现对大数据安全全面地评估分析。
附图说明
下面参照附图来描述本公开的部分实施例,附图中:
图1是本申请实施例提供的一种基于大数据安全评估分析***内部结构示意图。
图2是本申请实施例提供的一种基于大数据安全评估分析方法流程图。
具体实施方式
本领域技术人员应当理解的是,下文所描述的实施例仅仅是本公开的优选实施例,并不表示本公开仅能通过该优选实施例实现,该优选实施例仅仅是用于解释本公开的技术原理,并非用于限制本公开的保护范围。基于本公开提供的优选实施例,本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例,仍应落入到本公开的保护范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于大数据安全评估分析***。如图1所示,本申请实施例提供的***,主要包括:采集模块、分类模块、统计模块和评估模块。
其中,采集模块为任意可行的能够进行大数据获取的设备或装置等,主要用于获取检测数据的运行状态数据,以创建数据安全信息表;需要说明的是,运行状态数据为大数据从诞生到销毁整个生命周期中所使用到的所有安全策略数据、防护技术数据、漏洞危险数据和配置不符合项数据。
其中,分类模块,用于根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数。
具体地,“获得分类结果”,可以为:通过分类模块中的分类单元将检测数据进行向量化处理,以获得检索数据表;获取预设距离区间,并从检索数据表中取任一检测数据作为分类中心点;并生成分类中心点对应的中心点集合;依次从检索数据表中取任一检测数据作为计算点,确定计算点与分类中心点之间的距离值;当距离值小于预设距离区间时,将距离值对应的检测数据,添加至对应的中心点集合,并从检索数据表中删除;当距离值大于预设距离区间时,将距离值对应的检测数据设置为分类中心点;获取距离值在预设距离区间内的剩余检索数据和全部分类中心点;计算剩余检索数据与各个分类中心点的计算距离,以将剩余检索数据添加至计算距离最小值对应的分类中心点的中心点集合,以实现检测数据的分类,获得分类结果。需要说明的是,预设距离区间可以为任意可行的区间,本领域技术人员可以根据实际需求确定具体内容。
具体地,计算各个分类的类别系数,可以为:通过分类模块中的系数计算单元对中心点集合进行聚类处理,获取聚类中心;获取聚类中心对应的预设主要属性数值和预设属性权重,以确定若干预设主要属性数值与预设属性权重乘积的均值为类别系数。需要说明的是,聚类处理可以通过任意可行的聚类算法实现,本申请在此不做过多限定。
其中,统计模块为任意可行的能够统计集合数量的设备或装置等,主要用于通过分类结果(上述的中心点集合),获得各类别(中心点集合)的类别数量。
其中,评估模块可以为任意可行的能够进行数据评估的设备或装置等,主要用于根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度。
具体地,安全评估属性值的计算过程可以为:通过评估模块中的安全度计算单元中训练好的决策树算法确定检测数据中漏洞危险数据对应的漏洞等级赋值,进而确定全部检测数据的漏洞等级赋值的漏洞均值;根据配置不符合项数据的占比值和漏洞均值的和,确定危险评估属性值;确定危险评估属性值与安全评估属性值的比值为安全度。
此外,本申请还可以对结果进行安全等级的评估。
作为示例地,***还包括预测模块;预测模块为任意可行的能够进行数据库查询的设备或装置等,主要用于根据预设安全度数据库和安全度,确定安全度对应的预测***安全等级。需要说明的是,预设安全度数据库中存储了安全度与预测***安全等级的对应关系。本领域技术人员可以根据实际需求设置预设安全度数据库的具体内容。
除此之外,本申请实施例还提供了一种基于大数据安全评估分析方法,如图2所示,本申请实施例提供的方法,主要包括以下步骤:
步骤210、获取检测数据的运行状态数据,以创建数据安全信息表。
步骤220、根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数;通过分类结果,获得各类别的类别数量。
其中,根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果,具体可以为:将检测数据进行向量化处理,以获得检索数据表;获取预设距离区间,并从检索数据表中取任一检测数据作为分类中心点;并生成分类中心点对应的中心点集合;依次从检索数据表中取任一检测数据作为计算点,确定计算点与分类中心点之间的距离值;当距离值小于预设距离区间时,将距离值对应的检测数据,添加至对应的中心点集合,并从检索数据表中删除;当距离值大于预设距离区间时,将距离值对应的检测数据设置为分类中心点;获取距离值在预设距离区间内的剩余检索数据和全部分类中心点;计算剩余检索数据与各个分类中心点的计算距离,以将剩余检索数据添加至计算距离最小值对应的分类中心点的中心点集合,以实现检测数据的分类,获得分类结果。
步骤230、根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度。
至此,已经结合前文的多个实施例描述了本公开的技术方案,但是,本领域技术人员容易理解的是,本公开的保护范围并不仅限于这些具体实施例。在不偏离本公开技术原理的前提下,本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合,也可以对相关技术特征作出等同的更改或替换,凡在本公开的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本公开的保护范围之内。
Claims (3)
1.一种基于大数据安全评估分析***,其特征在于,所述***包括:
采集模块,用于获取检测数据的运行状态数据,以创建数据安全信息表;其中,运行状态数据为大数据从诞生到销毁整个生命周期中所使用到的所有安全策略数据、防护技术数据、漏洞危险数据和配置不符合项数据;
分类模块,用于根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数;
所述分类模块还包括分类单元;所述分类单元,用于将检测数据进行向量化处理,以获得检索数据表;获取预设距离区间,并从检索数据表中取任一检测数据作为分类中心点;并生成分类中心点对应的中心点集合;依次从检索数据表中取任一检测数据作为计算点,确定计算点与分类中心点之间的距离值;当距离值小于预设距离区间时,将距离值对应的检测数据,添加至对应的中心点集合,并从检索数据表中删除;当距离值大于预设距离区间时,将距离值对应的检测数据设置为分类中心点;获取距离值在预设距离区间内的剩余检索数据和全部分类中心点;计算剩余检索数据与各个分类中心点的计算距离,以将剩余检索数据添加至计算距离最小值对应的分类中心点的中心点集合,以实现检测数据的分类,获得分类结果;
所述分类模块还包括系数计算单元;所述系数计算单元,用于对中心点集合进行聚类处理,获取聚类中心;获取聚类中心对应的预设主要属性数值和预设属性权重,以确定若干预设主要属性数值与预设属性权重乘积的均值为类别系数;
统计模块,用于通过分类结果,获得各类别的类别数量;其中,类别数量为获得分类结果的统计分类数量;
评估模块,用于根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度;
其中,所述安全评估数据至少包括机密性数据、完整性数据和可用性数据,所述评估模块还包括属性值计算单元;所述属性值计算单元,用于通过训练好的决策树算法,确定检测数据中安全评估数据对应的机密等级赋值、完整等级赋值和可用等级赋值;确定机密等级赋值、完整等级赋值和可用等级赋值三者的均值为安全评估属性值。
2.根据权利要求1所述的基于大数据安全评估分析***,其特征在于,所述***还包括预测模块;
所述预测模块,用于根据预设安全度数据库和安全度,确定所述安全度对应的预测***安全等级。
3.一种基于大数据安全评估分析方法,其特征在于,所述方法包括:
获取检测数据的运行状态数据,以创建数据安全信息表;其中,运行状态数据为大数据从诞生到销毁整个生命周期中所使用到的所有安全策略数据、防护技术数据、漏洞危险数据和配置不符合项数据;
根据预设分类算法,对数据安全信息表中的数据进行分类,获得分类结果;并计算各个分类的类别系数;
其中,获得分类结果,具体为:将检测数据进行向量化处理,以获得检索数据表;获取预设距离区间,并从检索数据表中取任一检测数据作为分类中心点;并生成分类中心点对应的中心点集合;依次从检索数据表中取任一检测数据作为计算点,确定计算点与分类中心点之间的距离值;当距离值小于预设距离区间时,将距离值对应的检测数据,添加至对应的中心点集合,并从检索数据表中删除;当距离值大于预设距离区间时,将距离值对应的检测数据设置为分类中心点;获取距离值在预设距离区间内的剩余检索数据和全部分类中心点;计算剩余检索数据与各个分类中心点的计算距离,以将剩余检索数据添加至计算距离最小值对应的分类中心点的中心点集合,以实现检测数据的分类,获得分类结果;
其中,计算各个分类的类别系数,具体为:对中心点集合进行聚类处理,获取聚类中心;获取聚类中心对应的预设主要属性数值和预设属性权重,以确定若干预设主要属性数值与预设属性权重乘积的均值为类别系数;
通过分类结果,获得各类别的类别数量;其中,类别数量为获得分类结果的统计分类数量;
根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值;根据安全评估属性值、类别系数和类别数量,确定检测数据的安全度;其中,所述安全评估数据至少包括机密性数据、完整性数据和可用性数据;
其中,根据数据安全信息表中检测数据的安全评估数据,确定检测数据对应的安全评估属性值,具体为:通过训练好的决策树算法,确定检测数据中安全评估数据对应的机密等级赋值、完整等级赋值和可用等级赋值;确定机密等级赋值、完整等级赋值和可用等级赋值三者的均值为安全评估属性值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330505.5A CN115396238B (zh) | 2022-10-28 | 2022-10-28 | 一种基于大数据安全评估分析***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330505.5A CN115396238B (zh) | 2022-10-28 | 2022-10-28 | 一种基于大数据安全评估分析***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115396238A CN115396238A (zh) | 2022-11-25 |
CN115396238B true CN115396238B (zh) | 2023-03-14 |
Family
ID=84115041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211330505.5A Active CN115396238B (zh) | 2022-10-28 | 2022-10-28 | 一种基于大数据安全评估分析***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115396238B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682527A (zh) * | 2016-12-25 | 2017-05-17 | 北京明朝万达科技股份有限公司 | 一种基于数据分类分级的数据安全管控方法及*** |
CN114611928A (zh) * | 2022-03-11 | 2022-06-10 | 夏拥军 | 基于大数据分析的企业信息安全管理水平评估方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016018286A1 (en) * | 2014-07-30 | 2016-02-04 | Hewlett-Packard Development Company, L.P. | Product risk profile |
CN108363717B (zh) * | 2017-12-29 | 2021-03-12 | 天津南大通用数据技术股份有限公司 | 一种数据安全级别的识别检测方法及装置 |
US20200302296A1 (en) * | 2019-03-21 | 2020-09-24 | D. Douglas Miller | Systems and method for optimizing educational outcomes using artificial intelligence |
-
2022
- 2022-10-28 CN CN202211330505.5A patent/CN115396238B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682527A (zh) * | 2016-12-25 | 2017-05-17 | 北京明朝万达科技股份有限公司 | 一种基于数据分类分级的数据安全管控方法及*** |
CN114611928A (zh) * | 2022-03-11 | 2022-06-10 | 夏拥军 | 基于大数据分析的企业信息安全管理水平评估方法及*** |
Non-Patent Citations (1)
Title |
---|
大数据应用中的个人信息分级保护研究;高磊等;《信息安全研究》;20190505(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115396238A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111083126A (zh) | 一种基于专家知识库的渗透测试风险评估方法以及模型 | |
CN104866763A (zh) | 基于权限的Android恶意软件混合检测方法 | |
CN116366374B (zh) | 基于大数据的电网网络管理的安全评估方法、***及介质 | |
CN112711757B (zh) | 一种基于大数据平台的数据安全集中管控方法及*** | |
CN115271511A (zh) | 一种建筑工程质量监理方法 | |
CN106027528A (zh) | 一种web水平权限自动化识别的方法及装置 | |
CN113919331A (zh) | 环境培训课程推荐方法、装置、设备及存储介质 | |
CN115622738A (zh) | 一种基于rbf神经网络安全应急处置***及应急处置方法 | |
CN114885334A (zh) | 一种高并发的短信处理方法 | |
CN117614743B (zh) | 网络诈骗的预警方法及其*** | |
CN110598397A (zh) | 一种基于深度学习的Unix***用户恶意操作检测方法 | |
CN113283768A (zh) | 食品检测项目提取方法、装置、设备及存储介质 | |
CN115396238B (zh) | 一种基于大数据安全评估分析***及方法 | |
CN109918638B (zh) | 一种网络数据监测方法 | |
CN111782908A (zh) | 一种基于数据挖掘聚类分析的web违规操作行为检测方法 | |
CN114817518B (zh) | 基于大数据档案识别的证照办理方法、***及介质 | |
CN115795319A (zh) | 基于cnas检测实验室的试验项检测方法及相关装置 | |
CN110445790A (zh) | 一种基于用户登录行为的账号异常检测方法 | |
CN116258501A (zh) | 一种基于大数据的电子交易数据在线监管***及方法 | |
CN108075918B (zh) | 互联网业务变更检测方法及*** | |
CN105487936A (zh) | 云环境下面向等级保护的信息***安全性测评方法 | |
CN114117425A (zh) | 一种基于dsmm的数据采集安全检测方法 | |
CN113839956A (zh) | 数据安全评估方法、装置、设备及存储介质 | |
CN113704825A (zh) | 一种数据库审计方法、装置、***及计算机存储介质 | |
CN112149089A (zh) | 一种基于物联网的计算机登录认证管理*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |