一种基于数据中台的数据安全传输方法及系统与流程

1.本技术涉及数据安全传输技术领域，具体而言，涉及一种基于数据中台的数据安全传输方法及系统。


背景技术：

2.随着科技不断的发展和进步，数据传输越来越频繁，传输的量也越来越大。然而在数据传输过程中，可能数据在传输过程中，出现数据传输异常的问题。因此难以确保安全评估话题标签的准确性和可靠性。


技术实现要素：

3.为改善相关技术中存在的技术问题，本技术提供了一种基于数据中台的数据安全传输方法及系统。
4.第一方面，提供一种基于数据中台的数据安全传输方法，所述方法至少包括：获得待挖掘的安防信息集，所述待挖掘的安防信息集是通过对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的；从实时采集的当前数据协防事件中，确定与所述待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件；结合所述第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定所述第一数据安防主题对应的安全评估话题中，评估分数符合指定目标值的各个待挖掘安全评估话题及其目标评估数据集；根据指定异常数据集，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签。
5.在一种独立实施的实施例中，所述获得待挖掘的安防信息集，包括：对采集的所述第一当前数据协防事件进行卷积处理，得到数据安防向量；所述第一当前数据协防事件为若干个；通过对所述数据安防向量进行数据分类处理，得到若干个数据安防主题；确定各个数据安防主题对应的安全评估话题标签；基于属于所述各个数据安防主题的第一当前数据协防事件的采集周期与采集范围，统计各个安全评估话题对应的采集全局特征向量；将所述若干个数据安防主题、所述各个数据安防主题对应的安全评估话题标签，以及，所述各个安全评估话题标签对应的采集全局特征向量，确定为所述待挖掘的安防信息集。
6.在一种独立实施的实施例中，所述确定各个数据安防主题对应的安全评估话题标签，包括：筛选所述各个数据安防主题中的重要安防数据；将所述重要安防数据与所述指定异常数据集中的每一个指定样本安防数据进行比较，得到比较结果；在所述比较结果表示存在与所述重要安防数据关联的指定样本安防数据的前提上，将该指定样本安防数据对应的指定要素标签，确定为所述各个数据安防主题对应的安全评估话题标签；在所述比较结果表示所述重要安防数据与所述指定异常数据集中的指定样本安防数据都不关联的前提上，将所述各个数据安防主题的标签确定为所述各个数据安防主题对应的安全评估话题标签。
7.在一种独立实施的实施例中，所述方法还包括：从实时采集的当前数据协防事件
中，确定与所述待挖掘的安防信息集中的若干个数据安防主题都不关联的第三当前数据协防事件；对所述第三当前数据协防事件进行数据分类处理，得到第二数据安防主题；确定各个第二数据安防主题对应的新增安全评估话题标签；基于属于所述各个第二数据安防主题的第三当前数据协防事件的采集周期与采集范围，统计各个新增安全评估话题对应的采集全局特征向量；将所述第二数据安防主题、所述新增安全评估话题标签和所述各个新增安全评估话题标签对应的采集全局特征向量，添加所述待挖掘的安防信息集，得到优化后的待挖掘的安防信息集。
8.在一种独立实施的实施例中，所述从实时采集的当前数据协防事件中，确定与所述待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件，包括：从所述待挖掘的安防信息集涵盖的各个数据安防主题中确定重要安防数据；通过将每一个重要安防数据与实时采集的每一个当前数据协防事件进行比较，得到不少于一组相互关联的重要安防数据与当前数据协防事件；将所述不少于一组相互关联的重要安防数据与当前数据协防事件中，重要安防数据所属的数据安防主题，确定为所述第一数据安防主题；将所述不少于一组相互关联的重要安防数据与当前数据协防事件中的当前数据协防事件，确定为所述第二当前数据协防事件。
9.在一种独立实施的实施例中，所述通过将每一个重要安防数据与实时采集的每一个当前数据协防事件进行比较，得到不少于一组相互关联的重要安防数据与当前数据协防事件，包括：提取每一个重要安防数据的第一数据安防向量，以及实时采集的每一个当前数据协防事件的第二数据安防向量；确定所述第一数据安防向量与所述第二数据安防向量之间的向量共享性变量；在所述向量共享性变量符合共享性变量目标值的前提上，确定所述每一个重要安防数据与所述每一个当前数据协防事件存在联系，从而得到所述不少于一组相互关联的重要安防数据与当前数据协防事件。
10.在一种独立实施的实施例中，所述各个安全评估话题对应的采集全局特征向量包括：所述各个安全评估话题对应的采集周期与采集范围；所述结合所述第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定所述第一数据安防主题对应的安全评估话题中，评估分数符合指定目标值的各个待挖掘安全评估话题及其目标评估数据集，包括：结合所述第一数据安防主题对应的安全评估话题，以及所述各个安全评估话题对应的采集周期，确定各个第一数据安防主题对应的安全评估话题的评估分数；结合所述评估分数，确定所述评估分数符合指定目标值的待挖掘安全评估话题；结合所述各个安全评估话题对应的采集范围，确定各个待挖掘安全评估话题对应的目标评估数据集。
11.在一种独立实施的实施例中，所述结合所述第一数据安防主题对应的安全评估话题，以及所述各个安全评估话题对应的采集周期，确定各个第一数据安防主题对应的安全评估话题的评估分数，包括：根据各个第一数据安防主题对应的安全评估话题，以及所述各个安全评估话题对应的采集周期，确定各个第一数据安防主题对应的安全评估话题在指定周期内的评估次数；将所述评估次数，确定为所述各个安全评估话题的评估分数。
12.在一种独立实施的实施例中，所述根据指定异常数据集，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签，包括：在确定所述各个待挖掘安全评估话题在指定异常数据集中存在对应的指定关键要素的前提上，根据所述对应的
指定关键要素，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签；和/或，在确定所述各个待挖掘安全评估话题在指定异常数据集中未存在对应的指定关键要素的前提上，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内属于浮动安全评估话题。
13.在一种独立实施的实施例中，所述指定异常数据集包括：指定关键要素，以及各个指定关键要素对应的指定要素标签；所述确定所述各个待挖掘安全评估话题在指定异常数据集中存在对应的指定关键要素，包括：将所述各个待挖掘安全评估话题对应的安全评估话题标签，与所述指定异常数据集中的各个指定要素标签进行关联，得到关联结果；在所述关联结果表示存在与所述各个待挖掘安全评估话题对应的安全评估话题标签关联的指定要素标签的前提上，确定所述各个待挖掘安全评估话题存在对应的指定关键要素。
14.在一种独立实施的实施例中，所述确定所述各个待挖掘安全评估话题在指定异常数据集中未存在对应的指定关键要素，包括：在所述关联结果表示不存在与所述各个待挖掘安全评估话题对应的安全评估话题标签关联的指定要素标签的前提上，确定所述各个待挖掘安全评估话题未存在对应的指定关键要素。
15.在一种独立实施的实施例中，所述根据所述对应的指定关键要素，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签，包括：将所述对应的指定关键要素所属范围，与所述各个待挖掘安全评估话题对应的各个目标评估数据集进行关联，得到关联结果；在所述关联结果表示存在与所述指定关键要素所属范围关联的目标评估数据集的前提上，确定所述各个待挖掘安全评估话题在该目标评估数据集内的安全评估话题标签为已记录安全评估话题，以及，确定所述各个待挖掘安全评估话题在对应的、且在与所述指定关键要素所属范围不关联的目标评估数据集内的安全评估话题标签都为浮动安全评估话题；和/或，在所述关联结果表示所述各个待挖掘安全评估话题对应的目标评估数据集与所述指定关键要素所属范围都不关联的前提上，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签都为浮动安全评估话题。
16.在一种独立实施的实施例中，所述方法还包括：结合所述第一数据安防主题对应的安全评估话题、各个安全评估话题对应的采集全局特征向量，确定所述评估分数不符合指定目标值的非解析安全评估话题及其目标评估数据集；确定所述各个非解析安全评估话题在对应的各个目标评估数据集内为当前安全评估话题。
17.第二方面，提供一种基于数据中台的数据安全传输系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
18.本技术实施例所提供的一种基于数据中台的数据安全传输方法及系统，通过获得对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的待挖掘的安防信息集，从实时采集的当前数据协防事件中，确定与待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件，并根据第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定第一数据安防主题对应的安全评估话题中，评估分数符合指定目标值的各个待挖掘安全评估话题，可以根据各个安全评估话题在历史至当前这段周期内对应的采集全局特征向量，确定出待挖掘安全评估话题，提高了确定出的待挖掘安全评估话题的精确性，有利于确保安全评估话题的可信度；
以及，通过确定各个待挖掘安全评估话题对应的目标评估数据集，并根据指定异常数据集，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签，可以对待挖掘安全评估话题在各个对应的目标评估数据集内进行安全评估话题标签的准确分类，从而确保安全评估话题标签的准确性和可靠性。
附图说明
19.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
20.图1为本技术实施例所提供的一种基于数据中台的数据安全传输方法的流程图。
21.图2为本技术实施例所提供的一种基于数据中台的数据安全传输装置的框图。
22.图3为本技术实施例所提供的一种基于数据中台的数据安全传输系统的架构图。
具体实施方式
23.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
24.请参阅图1，示出了一种基于数据中台的数据安全传输方法，该方法可以包括以下步骤s101-s104所描述的技术方案。
25.s101、获得待挖掘的安防信息集，待挖掘的安防信息集是通过对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的。
26.本技术实施例中，待挖掘的安防信息集可以包括：通过对第一当前数据协防事件进行数据分类处理后所得的若干个数据安防主题、各个数据安防主题对应的安全评估话题标签（各个安全评估话题标签用于表示一个安全评估话题），以及，各个安全评估话题标签对应的采集全局特征向量，其中，采集全局特征向量包括采集周期和采集范围。
27.在一种可能实施的实施例中，获得通过对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的待挖掘的安防信息集。
28.s102、从实时采集的当前数据协防事件中，确定与待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件。
29.进一步地，待挖掘的安防信息集包括的各个数据安防主题中，涵盖了不少于一个属于同一安全评估话题的当前数据协防事件。可以根据获得的待挖掘的安防信息集，以及根据当前周期内采集的当前数据协防事件，确定出实时采集的当前数据协防事件中的一些当前数据协防事件，与待挖掘的安防信息集中涵盖的一些数据安防主题存在关联情况，从而确定出待挖掘的安防信息集中的第一数据安防主题，以及实时采集的当前数据协防事件中的第二当前数据协防事件。
30.s103、基于第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定第一数据安防主题对应的安全评估话题中，评估分数符合指定
目标值的各个待挖掘安全评估话题及其目标评估数据集。
31.进一步地，待挖掘的安防信息集中包括了各个第一数据安防主题对应的安全评估话题标签，以及各个安全评估话题标签对应的采集全局特征向量，可以根据各个第一数据安防主题对应的安全评估话题标签，以及各个安全评估话题标签对应的采集全局特征向量，从所有第一数据安防主题对应的安全评估话题标签所表示的所有安全评估话题中，确定出各个安全评估话题的评估分数，并确定出评估分数符合指定目标值的待挖掘安全评估话题，以及确定出各个待挖掘安全评估话题对应的目标评估数据集。
32.s104、根据指定异常数据集，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签。
33.示例性的，根据指定异常数据集和各个待挖掘安全评估话题对应的安全评估话题标签，可以确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签。示例性的，安全评估话题标签可以包括：浮动安全评估话题和已记录安全评估话题，其中，已记录安全评估话题譬如可以是在册安全评估话题。譬如，在一个待挖掘安全评估话题对应的安全评估话题标签为x，且该待挖掘安全评估话题对应了第一目标评估数据集和第二目标评估数据集的前提上，可以根据指定异常数据集和安全评估话题标签x，分析出该待挖掘安全评估话题在第一目标评估数据集内属于浮动安全评估话题还是已记录安全评估话题，以及，分析出该待挖掘安全评估话题在第二目标评估数据集内属于浮动安全评估话题还是已记录安全评估话题，从而最终分别得到该待挖掘安全评估话题在第一目标评估数据集内的安全评估话题标签，以及在第二目标评估数据集内的安全评估话题标签。
34.本技术实施例中，通过获得对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的待挖掘的安防信息集，从实时采集的当前数据协防事件中，确定与待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件，并根据第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定第一数据安防主题对应的安全评估话题中，评估分数符合指定目标值的各个待挖掘安全评估话题，可以根据各个安全评估话题在历史至当前这段周期内对应的采集全局特征向量，确定出待挖掘安全评估话题，提高了确定出的待挖掘安全评估话题的精确性，有利于确保安全评估话题的可信度；以及，通过确定各个待挖掘安全评估话题对应的目标评估数据集，并根据指定异常数据集，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签，可以对待挖掘安全评估话题在各个对应的目标评估数据集内进行安全评估话题标签的准确分类，从而确保安全评估话题标签的准确性和可靠性。
35.在一种可能实施的实施例中，可以通过自身对事先采集的第一当前数据协防事件进行处理，得到待挖掘的安防信息集的方式获得待挖掘的安防信息集。上述s101可以通过s1011-s1015实现。
36.s1011、对采集的第一当前数据协防事件进行卷积处理，得到数据安防向量；第一当前数据协防事件为若干个。
37.s1012、通过对数据安防向量进行数据分类处理，得到若干个数据安防主题。
38.示例性的，可以对每一个第一当前数据协防事件进行卷积处理，得到每一个第一当前数据协防事件对应的数据安防向量，然后，根据已有的数据分类处理算法对提取的所有数据安防向量进行数据分类处理，从而可以得到若干个数据安防主题。
39.s1013、确定各个数据安防主题对应的安全评估话题标签。
40.示例性的，可以通过图像关联方法，确定各个数据安防主题对应的安全评估话题标签。
41.在一种可能实施的实施例中，对于每一个数据安防主题，可以筛选该数据安防主题中的重要安防数据，将该重要安防数据与指定异常数据集中的每一个指定样本安防数据进行比较，得到比较结果，并在比较结果表示存在与该重要安防数据关联的指定样本安防数据的前提上，将该指定样本安防数据对应的指定要素标签确定为该数据安防主题对应的安全评估话题标签；而在比较结果表示该重要安防数据与指定异常数据集中的指定样本安防数据都不关联的前提上，将该数据安防主题的标签确定为该数据安防主题对应的安全评估话题标签。数据安防主题的标签可以是依照指定的编号方式为数据安防主题指定的、且区分于指定要素标签的标签。
42.示例性的，对于每一个数据安防主题，可以从该数据安防主题中筛选一张当前数据协防事件确定为重要安防数据，其中，重要安防数据可以是脸部范围比较多的当前数据协防事件。
43.示例性的，可以通过计算向量共享性变量的方式，实现一张重要安防数据与一张指定样本安防数据之间的比较。可以分别提取该重要安防数据的数据安防向量和该指定样本安防数据的数据安防向量，并计算提取的数据安防向量之间的向量共享性变量，将所得的向量共享性变量与指定目标值或指定目标值范围进行比对，从而得到该向量共享性变量与该指定目标值之间的大小关系，或得到该向量共享性变量与该指定目标值范围之间的所属关系。在所得的该向量共享性变量大于或等于该指定目标值，或所得的该向量共享性变量属于该指定目标值范围的前提上，可以确定该重要安防数据与该指定样本安防数据相关联；而在所得的该向量共享性变量小于该指定目标值或不属于该指定目标值范围的前提上，可以确定该重要安防数据与该指定样本安防数据不关联。
44.本技术实施例中，采用各个数据安防主题的重要安防数据与指定样本安防数据进行比较，能够减少确定各个数据安防主题对应的安全评估话题标签这一过程中的工作量，从而提高处理效率。
45.s1014、基于属于各个数据安防主题的第一当前数据协防事件的采集周期与采集范围，统计各个安全评估话题对应的采集全局特征向量。
46.示例性的，对于各个数据安防主题，可以根据属于该数据安防主题的每一个第一当前数据协防事件对应的采集周期和采集范围，统计该数据安防主题对应的安全评估话题在一些采集周期对应一些采集范围，从而得到该安全评估话题的采集全局特征向量。
47.在一种可能实施的实施例中，各个安全评估话题对应的采集全局特征向量可以是该安全评估话题在各个单位周期内对应的采集周期与采集范围。示例性的，可以根据属于该数据安防主题的每一个第一当前数据协防事件对应的采集周期和采集范围，统计各个单位周期内该数据安防主题对应的安全评估话题是否对应有采集周期与采集范围，以及对应了一些采集周期和一些不同的采集范围。
48.s1015、将若干个数据安防主题、各个数据安防主题对应的安全评估话题标签，以及，各个安全评估话题标签对应的采集全局特征向量，确定为待挖掘的安防信息集。
49.在一种可能实施的实施例中，在上述s101之后，所述方法还包括s201-s205，其中，
s201-s205可以与s102-s104同步执行，也可以在s102-s104中任意步骤之后执行。
50.s201、从实时采集的当前数据协防事件中，确定与待挖掘的安防信息集中的若干个数据安防主题都不关联的第三当前数据协防事件。
51.示例性的，可以从当前周期内采集的当前数据协防事件中，确定一些当前数据协防事件与待挖掘的安防信息集中涵盖的各个数据安防主题都不关联，并将当前周期内采集的当前数据协防事件中与待挖掘的安防信息集中涵盖的各个数据安防主题都不关联的当前数据协防事件确定为第三当前数据协防事件。
52.s202、对第三当前数据协防事件进行数据分类处理，得到第二数据安防主题。
53.示例性的，可以对每一个第三当前数据协防事件进行卷积处理，得到数据安防向量，并通过对数据安防向量进行数据分类处理，得到不少于一个第二数据安防主题。
54.s203、确定各个第二数据安防主题对应的新增安全评估话题标签。
55.示例性的，各个第二数据安防主题对应的安全评估话题标签为新增安全评估话题标签。可以采用与上述s1013相同的方法，确定各个第二数据安防主题对应的新增安全评估话题标签。
56.s204、基于属于各个第二数据安防主题的第三当前数据协防事件的采集周期与采集范围，统计各个新增安全评估话题对应的采集全局特征向量。
57.同样地，可以采用与上述s1014相同的方法，统计各个新增安全评估话题对应的采集全局特征向量。
58.s205、将第二数据安防主题、新增安全评估话题标签和各个新增安全评估话题标签对应的采集全局特征向量，添加待挖掘的安防信息集，得到优化后的待挖掘的安防信息集。
59.示例性的，通过上述方法对待挖掘的安防信息集进行优化，能够使优化后的待挖掘的安防信息集涵盖足够多的数据安防主题与安全评估话题，提高了确定下一次的实时采集的当前数据协防事件中的第二当前数据协防事件时的准确性，从而有利于确保安全评估话题的可信度。
60.在一种可能实施的实施例中，上述s102可以通过s1021-s1024实现。
61.s1021、从待挖掘的安防信息集涵盖的各个数据安防主题中确定重要安防数据。
62.s1022、通过将每一个重要安防数据与实时采集的每一个当前数据协防事件进行比较，得到不少于一组相互关联的重要安防数据与当前数据协防事件。
63.举例而言，可以提取每一个重要安防数据的第一数据安防向量，以及提取实时采集的每一个当前数据协防事件的第二数据安防向量，确定第一数据安防向量与第二数据安防向量之间的向量共享性变量；在向量共享性变量符合共享性变量目标值的前提上，确定该重要安防数据与该当前数据协防事件存在联系，从而得到不少于一组相互关联的重要安防数据与当前数据协防事件。
64.s1023、将不少于一组相互关联的重要安防数据与当前数据协防事件中，重要安防数据所属的数据安防主题，确定为第一数据安防主题。
65.s1024、将不少于一组相互关联的重要安防数据与当前数据协防事件中的当前数据协防事件，确定为第二当前数据协防事件。
66.在一种可能实施的实施例中，各个安全评估话题对应的采集全局特征向量包括：
各个安全评估话题对应的采集周期与采集范围；基于此，上述s103可以通过s1031-s1033实现。
67.s1031、基于第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集周期，确定各个第一数据安防主题对应的安全评估话题的评估分数。
68.本技术实施例中，可以根据各个第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集周期，确定各个第一数据安防主题对应的安全评估话题在指定周期内的评估次数，并将评估次数确定为安全评估话题的评估分数。
69.s1032、基于评估分数，确定评估分数符合指定目标值的待挖掘安全评估话题。
70.s1033、基于各个安全评估话题对应的采集范围，确定各个待挖掘安全评估话题对应的目标评估数据集。
71.示例性的，可以根据所有第一数据安防主题的安全评估话题所对应的采集范围，确定各个待挖掘安全评估话题在指定周期内对应的采集范围，并从确定出的采集范围中，去除重复的范围之后，将剩下的采集范围，确定为该待挖掘安全评估话题对应的一个或若干个不同的目标评估数据集。
72.在一种可能实施的实施例中，上述s104可以通过s1041与s1042实现，或者，可以通过s1041或s1042实现。
73.s1041、在确定各个待挖掘安全评估话题在指定异常数据集中存在对应的指定关键要素的前提上，根据对应的指定关键要素，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签。
74.s1042、在确定各个待挖掘安全评估话题在指定异常数据集中未存在对应的指定关键要素的前提上，确定各个待挖掘安全评估话题在对应的目标评估数据集内属于浮动安全评估话题。
75.在一种可能实施的实施例中，指定异常数据集包括：指定关键要素，以及各个指定关键要素对应的指定要素标签，从而上述s1041中的确定各个待挖掘安全评估话题在指定异常数据集中存在对应的指定关键要素，可以通过下述方式实现：将各个待挖掘安全评估话题对应的安全评估话题标签，与指定异常数据集中的各个指定要素标签进行关联，得到关联结果；在关联结果表示存在与各个待挖掘安全评估话题对应的安全评估话题标签关联的指定要素标签的前提上，确定各个待挖掘安全评估话题存在对应的指定关键要素。
76.示例性的，对于一个待挖掘安全评估话题，在关联结果表示存在与该待挖掘安全评估话题对应的安全评估话题标签关联的指定要素标签的前提上，可以将该指定要素标签对应的指定关键要素，确定为该待挖掘安全评估话题对应的指定关键要素。
77.在一种可能实施的实施例中，上述s1042中的确定各个待挖掘安全评估话题在指定异常数据集中未存在对应的指定关键要素，可以通过下述方式实现：在关联结果表示不存在与各个待挖掘安全评估话题对应的安全评估话题标签关联的指定要素标签的前提上，确定各个待挖掘安全评估话题未存在对应的指定关键要素。
78.在一种可能实施的实施例中，上述s1041中的根据对应的指定关键要素，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签，可以通过s301-s303，或者，通过s301，以及s302或s303实现。
79.s301、将对应的指定关键要素所属范围，与各个待挖掘安全评估话题对应的各个
目标评估数据集进行关联，得到关联结果。
80.s302、在关联结果表示存在与指定关键要素所属范围关联的目标评估数据集的前提上，确定各个待挖掘安全评估话题在该目标评估数据集内的安全评估话题标签为已记录安全评估话题，以及，确定各个待挖掘安全评估话题在对应的、且在与指定关键要素所属范围不关联的目标评估数据集内的安全评估话题标签都为浮动安全评估话题。
81.s303、在关联结果表示各个待挖掘安全评估话题对应的目标评估数据集与指定关键要素所属范围都不关联的前提上，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签都为浮动安全评估话题。
82.在一种可能实施的实施例中，对于一个指定关键要素所属范围和一个目标评估数据集，在该目标评估数据集归属于该指定关键要素所属范围，或，该指定关键要素所属范围与该目标评估数据集为相同的范围的前提上，可以确定该指定关键要素所属范围与该目标评估数据集相关联。
83.在一种可能实施的实施例中，上述方法还包括s401-s402；s401-s402可以与s103-s104同步执行，也可以在s103或s104之后执行，本技术实施例对此不作限定；其中，s401-s402如下：s401、基于第一数据安防主题对应的安全评估话题、各个安全评估话题对应的采集全局特征向量，确定评估分数不符合指定目标值的非解析安全评估话题及其目标评估数据集。
84.示例性的，可以在采用上述s1041的方法确定出各个第一数据安防主题对应的安全评估话题的评估分数的前提上，根据各个第一数据安防主题对应的安全评估话题的评估分数，确定评估分数不符合上述指定目标值的安全评估话题为非解析安全评估话题，之后，通过上述s1043所述的方法，确定各个非解析安全评估话题对应的一个或若干个不同的目标评估数据集。
85.s402、确定各个非解析安全评估话题在对应的各个目标评估数据集内为当前安全评估话题。
86.在上述基础上，请结合参阅图2，提供了一种基于数据中台的数据安全传输装置200，应用于基于数据中台的数据安全传输系统，所述装置包括：信息获取模块210，用于获得待挖掘的安防信息集，所述待挖掘的安防信息集是通过对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的；数据评估模块220，用于从实时采集的当前数据协防事件中，确定与所述待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件；结合所述第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定所述第一数据安防主题对应的安全评估话题中，评估分数符合指定目标值的各个待挖掘安全评估话题及其目标评估数据集；标签确定模块230，用于根据指定异常数据集，确定所述各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签。
87.在上述基础上，请结合参阅图3，示出了一种基于数据中台的数据安全传输系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
88.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
89.综上，基于上述方案，通过获得对事先采集的第一当前数据协防事件进行数据分类处理和全局特征分析所得的待挖掘的安防信息集，从实时采集的当前数据协防事件中，确定与待挖掘的安防信息集中的第一数据安防主题存在关联情况的第二当前数据协防事件，并根据第一数据安防主题对应的安全评估话题，以及各个安全评估话题对应的采集全局特征向量，确定第一数据安防主题对应的安全评估话题中，评估分数符合指定目标值的各个待挖掘安全评估话题，可以根据各个安全评估话题在历史至当前这段周期内对应的采集全局特征向量，确定出待挖掘安全评估话题，提高了确定出的待挖掘安全评估话题的精确性，有利于确保安全评估话题的可信度；以及，通过确定各个待挖掘安全评估话题对应的目标评估数据集，并根据指定异常数据集，确定各个待挖掘安全评估话题在对应的目标评估数据集内的安全评估话题标签，可以对待挖掘安全评估话题在各个对应的目标评估数据集内进行安全评估话题标签的准确分类，从而确保安全评估话题标签的准确性和可靠性。
90.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
91.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
92.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
93.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
94.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软
件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
95.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
96.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。
97.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
98.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
99.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
100.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后
附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
101.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
102.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。