[发明专利]一种基于聚类技术的数据分类分级方法

说明书

本发明提出了一种基于聚类技术的数据分类分级方法，包括如下步骤：构建数据分类分级体系；利用规则引擎实现初步的分类分级；结合聚类算法实施持续的迭代训练。本发明通过先人工、后智能的方法，在数据训练集中，对各数据资源的字段信息进行人工分词、标注，形成数据分类分级词库、语料库、规则库以及模型库；然后利用规则引擎实现初步的数据分类分级，再结合自然语言处理的深度学习聚类算法，实现了数据分类分级的自动化、智能化。

技术领域

本发明涉及数据安全领域，具体是一种基于聚类技术的数据分类分级方法。

背景技术

随着互联网、物联网、大数据、人工智能等产业与实体经济融合，数据已经成为目前非常重要且有价值的资产，数据以其产生、采集、存储、分析、流转和应用为主线，助力大数据产业发展，以数据为关键要素的数字经济得以形成。但如果我们不能对数据进行有效管理和开发，数据的价值就不能被充分挖掘，甚至有可能造成巨大的风险。

实行数据分类分级是保障数据安全的前提，也是数据安全治理过程中极为重要的一环。目前我国已经发布并实施了相关的数据分类分级制度和法律法规，但是目前现有的数据分类分级方法仍然不具备成熟、明确的标准，而是更多地依赖人工，受人员限制程度高，数据处理效率低下。

因此，如何突破传统人工分类的限制，实现数据分类分级的自动化和智能化，对进一步促进数据开放共享起重要作用。

发明内容

本发明的目的在于提供一种基于聚类技术的数据分类分级方法，以解决上述背景技术中提出现有技术的问题。

为实现上述目的，本发明采用了如下技术方案。

本发明提供了一种基于聚类技术的城市数据分类分级方法，该方法包括如下步骤：

步骤1、构建数据分类分级体系；

步骤2、利用规则引擎实现初步的分类分级；

步骤3、结合聚类算法实施持续的迭代训练。

其中，所述构建数据分类分级体系，具体包括数据分类的构建和数据分级的构建。

具体地，数据分类是指：通过多维数据特征准确描述基础数据类型，实施对数据的有效管理，并按类别正确开发利用数据，实现数据价值的最大挖掘。

具体地，数据分级是指：根据数据表、数据字段、数据记录的敏感度，对数据表、数据字段、数据记录分配不同的敏感级别。数据表、数据字段根据其属性的敏感程度进行分级，数据记录(含有数据库及其加密措施信息)根据其内容涉及的敏感程度(通常根据数据记录对象的影响程度)进行分级。

进一步地，所述数据记录，为含有数据库及其加密措施信息的记录；所述数据内容涉及的敏感程度，为根据数据记录对象的影响程度。

其中，利用规则引擎实现初步的分类分级具体过程为：

参照规则要求，以人工方式对各个数据资源的字段进行分词、标注，形成数据分类分级词库、语料库、规则库以及模型库。

其中，结合聚类算法实施持续的迭代训练具体过程为：

采用基于深度学习的K-Means聚类算法对数据进行分类分级。首先利用深层神经网络结构对原始数据进行特征学习；之后对学习到的特征表示进行预聚类，通过不断迭代微调，来进行特征优化和聚类优化，使其学习到隐含在大规模数据中的深层特征，并根据聚类要求对其进行进一步优化，在保持原始数据结构的同时探索数据簇结构。

与现有技术相比，本发明的创新之处在于：基于深度学习的自然语言处理技术实现了数据分类分级的自动化、智能化，利用规则引擎进行了城市数据分类分级，并结合深度学习方式进行了主观类别分类。