[发明专利]一种威胁检测方法、装置及系统

说明书

本申请公开了一种威胁检测方法、装置及系统，基于从通信设备上采集的待检测数据的第一数据特征和第一决策树确定第一检测结果；基于该待检测数据的第二数据特征和第二决策树确定第二检测结果；根据第一检测结果和第二检测结果确定目标检测结果。上述两个数据特征为待检测数据对应的数据特征变换得到，上述两个决策树为训练所得决策树变换得到，目标检测结果表征待检测数据的威胁程度信息。这样，根据变换后的决策树和变换后的数据特征分别确定检测结果，并利用多个检测结果确定能够该待检测数据的目标检测结果，实现对威胁检测过程的各个环节都进行隐私保护，使得对待检测数据的威胁检测更加全面，从而提升对用户隐私保护的安全性和可靠性。

技术领域

本申请涉及安全技术领域，特别是涉及一种威胁检测方法、装置及系统。

背景技术

随着互联网和物联网的发展，海量的数据给人们的工作和生活带来了极大的便利，但是这些数据中通常也会包含用户的隐私以及敏感信息，深入分析这些数据可能会导致用户的隐私被挖掘和滥用，所以，产生的海量数据也给用户带来了极大的安全隐患。

为了给用户提供更好的安全保护，对通信设备采集的数据进行威胁检测。但是，目前对数据进行威胁检测的过程不够完备，导致威胁检测结果不够安全和可靠。

基于此，亟待提供一种威胁检测方法，能够更加全面和安全的对待检测数据实现威胁检测。

发明内容

基于此，本申请实施例提供了一种威胁检测方法、装置及系统，实现更加全面、安全和可靠的威胁检测，提升对用户的隐私保护。

第一方面，本申请实施例提供了一种威胁检测方法，该方法例如可以包括：基于待检测数据的第一数据特征和第一决策树确定第一检测结果，并且，基于待检测数据的第二数据特征和第二决策树确定第二检测结果，从而，根据第一检测结果和第二检测结果，确定目标检测结果，该目标检测结果用于表征待检测数据的威胁程度信息，而威胁程度信息可以用于衡量待检测数据存在威胁或者是非法数据的可能性。其中，第一数据特征为从待检测数据中提取的数据特征，第二数据特征为从待检测数据中提取的数据特征，该待检测数据为从通信设备上采集得到的数据，第二数据特征和第一数据特征满足第一函数关系，第二决策树和第一决策树为第三决策树变换得到的决策树。这样，通过该方法，将待检测数据变换为多个数据特征分别进行存储，并将训练获得的进行了隐私保护的决策树变换得到多个决策树，从而在检测待检测数据时能够根据变换后的决策树和变换后的数据特征分别确定检测结果，并利用多个检测结果确定能够表征待检测数据的威胁程度信息的目标检测结果，如此，实现了对威胁检测过程的各个环节的隐私保护，对待检测数据进行了更加全面的威胁检测，从而提升对用户隐私保护的安全性和可靠性。

在一种可能的实现方式中，训练决策树的过程例如可以包括：根据第一样本和初始决策树，确定第五决策树的第一梯度，第五决策树的深度比初始决策树的深度大一；根据第二样本和初始决策树，确定第六决策树的第二梯度，第六决策树的深度比初始决策树的深度大一；根据第一梯度和第二梯度，更新初始决策树，并返回执行根据第一样本和初始决策树确定第五决策树的第一梯度，以及根据第二样本和初始决策树，确定第六决策树的第二梯度，直到更新后的初始决策树满足预设条件；将满足预设条件的初始决策树确定为第四决策树。如此，能够采用联邦学习技术进行模型训练，无需发送自身的数据，避免了用户数据的泄露，提高了该模型训练的安全性；而且，由多方分别利用自身的数据进行子模型训练，并由一方对各方训练的子模型进行安全聚合，得到共同训练出一个机器学习模型，该过程中通过联合训练方案技术不断迭代训练出后续实际检测过程中可用的第四决策树，提高了模型训练过程中样本、模型等的安全性。

作为一个示例，该实现方式中，上述根据第一样本和初始决策树，确定第五决策树的第一梯度，可以包括：根据第一样本、差分隐私算法和初始决策树，确定第五决策树；计算第五决策树的梯度，记作第一梯度。这样，在决策树训练过程中加入随机扰动，即，通过差分隐私算法避免攻击者截获模型，提高了所训练决策树的安全性。