[发明专利]一种基于风险评分卡的景区算法应用风险评估方法

说明书

一种基于风险评分卡的景区算法应用风险评估方法，将算法应用风险分为内生风险和外生风险两大类，算法内生风险以算法应用厂家提供的算法数据输入、算法架构设计、算法训练数据、推理服务运行方式、算法输出数据等属性指标形成内生风险因子，算法外生风险以算法应用部署网络环境、设备及个人隐私数据采集、存储、加密、销毁等处理流程形成外生风险因子，结合个人信息安全影响需求对多种因子进行归一化和权重分配，构成风险评分模型。最后通过模型对已上线或待上线算法应用进行风险评分，生成风险评分报告，满足景区自查及上级监管部门对算法应用的监管需求。

技术领域

本发明属于算法审计领域，尤其涉及旅游景区的算法应用利用个人隐私数据行为的风险评估。

背景技术

随着大数据在社会治理中发挥越来越重要的作用，要求有关算法的监管要尽可能避免“一刀切”、进入常态化治理阶段，实现“灵活敏捷治理”，使算法治理能够跟上技术发展步伐。目前对算法的监管主要是从网络安全、法律风险等角度作规范，由于数据流转过程中的追溯难度大、涉及面广、算法的封闭性、算法审计制度不完善等因素导致算法监管技术手段匮乏。旅游景区作为服务提供方及算法应用使用方，大量使用等保规范保障信息安全，对于涉及大量个人隐私数据相关的算法应用安全风险、风险影响范围均无相关技术手段进行防范，无法满足监管单位需求。

CN202210276088.4涉及城市节假日旅游景区风险评估的方法，包括以下步骤：

步骤一：确定并获取与景区旅游风险相关影响因素的数据；步骤二：使用线性假设描述影响景区风险的固定要素；步骤三：使用RBF网络描述影响景区风险的浮动要素；步骤四：合并固定要素影响和浮动要素影响得到景区风险模型；步骤五：利用景区风险模型进行风险评估，并使用RBF网络学习提升模型描述的准确性。本发明结合城市节假日旅游景区治理调度的业务需求，从景区天气、历史平均游客接待量、景区隐患点、救援力量分布、景区客流、游客投诉等方面的数据，可以定量的反映旅游景区的风险情况，将有限的救援力量投入关键的地点，提高救援的精准度，降低风险发生的概率。

CN202210276116.2一种基于RBF网络学习的景区风险预测模型构建方法，包括以下步骤：固定因素提取，获取景区历史旅游数据，提取某一时间段内的影响景区风险大小的相对固定因素，并采用线性假设方式将提取的相对固定因素组合为景区风险线性函数；浮动因素提取，根据景区历史旅游数据提取浮动因素，并构建RBF网络对提取的浮动因素进行线性转换，获得与景区风险线性相关的的浮动因素；风险预测模型构建，合并固定因素和浮动因素得到最终景区风险模型。本发明可以定量的反映旅游景区的风险情况，将有限的救援力量投入关键的地点，提高救援的精准度，降低风险发生的概率。

CN202111258913X景区疫情风险预测与限流方法、装置、设备和存储介质，方法包括：获取预设的历史时段内各单位时间的景区疫情数据，得到样本数据，所述景区疫情数据包括景区所在的县级行政区在确诊患者城市流动网络中的中心度、景区所在的县级行政区的传染病再生数、景区人流量以及景区人流密度；分别根据样本数据中的各景区疫情数据，对各景区疫情数据对应的神经网络模型进行训练；分别根据训练后的各神经网络模型，得到各景区疫情数据的预测值，并根据各景区疫情数据的预测值，计算疫情风险指数；根据疫情风险指数，确定限流比例。

CN2017109308670一种景区交通监测管理系统，围绕重点旅游景区交通监测管理建设，构建完备的景区大面积交通拥堵预警与监管、停车拥堵预警与监管、客流密度预警与监管以及景区交通出行信息服务体系，突破在重点旅游景区行人车辆聚集与交通综合运行稳定性评估分析方面的核心技术。

为满足算法监管需求，互联网大厂从算法应用内部进行风险评估，将机器学习模型风险从自身信息泄露风险、训练数据泄露风险、推理服务数据泄露风险、模型攻击成本等维度进行刻画，并采用逻辑回归算法拟合算法整体的风险得分，得分越高风险越高。该方法实现一种算法内生监管模式，能满足算法应用开发方自身的算法风险防范，但对于算法监管方和算法使用方的算法应用风险监管还存在以下问题：