[发明专利]一种针对HDFS的数据窃取检测方法及装置

摘要

本发明公开了一种针对HDFS的数据窃取检测方法及装置，该方法包括通过已生成的待检测文件夹的检测数据集，提取出待检测文件夹中每一个待检测文件的最近访问时间和创建时间，并通过最近访问时间、创建时间和检测时刻的关系以及最近访问时间和预设的复制结束时刻的关系，确定文件所属的类别；根据属于截止簇的文件的数量和在检测时刻待检测文件夹中所有文件的数量计算复制比例；通过复制比例与复制阈值的关系，以及在检测时刻待检测文件夹中所有文件数量与数量阈值的关系，确定文件是否存在已被复制的风险。因此，实现了对文件批量复制行为的量化检测，并且，采用MapReduce并行处理方式，提高了检测的速度。

主权项

一种针对HDFS的数据窃取检测方法，其特征在于，包括：接收待检测文件夹的检测数据集，并从所述检测数据集中提取每一个待检测文件的最近访问时间和创建时间；所述待检测文件夹包括至少一个待检测文件；分别依据每一个待检测文件的最近访问时间、创建时间和检测时刻，确定所述每一个待检测文件的类别；计算属于截止簇子集中文件的数量以及在所述检测时刻所述待检测文件夹中所有文件的数量；所述属于截止簇子集的待检测文件的创建时间小于所述检测时刻，且最近访问时间大于等于所述检测时刻并小于等于预设的复制结束时刻；其中，所述预设的复制结束时刻为所述检测时刻和预设的复制时间的和；计算属于所述截止簇子集中文件的数量和在所述检测时刻所述待检测文件夹中所有文件的数量的比值，得到复制比例；判断所述复制比例和预设的复制阈值的关系以及所述待检测文件夹中所有文件的数量和预设的数量阈值的关系；当所述复制比例大于预设的复制阈值且在所述检测时刻所述待检测文件夹中所有文件的数量大于预设的数量阈值时，则所述待检测文件夹存在已被窃取的风险。