【技术实现步骤摘要】
本专利技术涉及信息安全，尤其涉及一种基于大数据的信息安全验证方法。
技术介绍
1、大数据的快速发展带来了海量、多样化的数据资源,为身份验证提供了丰富的数据源。传统的基于密码、令牌等的身份验证方式已经无法满足大数据环境下的安全需求。基于大数据的信息安全验证方法应运而生,以利用大数据技术提高身份验证的效率和准确性。但现存的基于大数据的信息安全验证方法中大数据来源广泛，数据质量参差不齐，需要有效的数据清洗和预处理；大数据包含大量个人隐私信息，需要采取有效的隐私保护措施；基于大数据的算法可能存在固有的偏差,需要采取措施消除偏差。
技术实现思路
1、基于此，有必要提供一种基于大数据的信息安全验证方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于大数据的信息安全验证方法，包括以下步骤：
3、步骤s1：通过多渠道监控设备进行多源异构数据采集，得到异构用户原始数据；对异构用户原始数据进行多粒度跨域用户行为语义解析，得到多粒度用户行为语义数据；根据多粒度用户行为语义数据进行多粒度数据融合，得到用户行为画像；
4、步骤s2：根据得到用户行为画像进行区块链多粒度信任共识，得到区块链信任度共识数据；根据区块链信任度共识数据进行动态信任度评估，得到跨域信任度证据链映射数据；
5、步骤s3：获取用户原始隐私数据；根据用户原始隐私数据进行联邦同态表征，得到同态身份特征向量；根据同态身份特征向量对差分隐私身份验证模型进行联邦安全验证，得到差分隐私身份验
6、步骤s4：对联邦身份验证模型进行偏差反事实样本提取，得到多样性增强样本集；根据多样性增强样本集进行主动去偏样本增强，得到泛化身份验证模型；
7、步骤s5：获取用户连续交互行为数据；根据泛化身份验证模型以及用户连续交互行为数据进行零知识安全对抗验证，得到身份验证零知识证明；根据身份验证零知识证明进行去中心化信任联盟，得到联盟分布式身份验证数据。
8、本专利技术多渠道监控设备采集多源异构数据，获得了全面的异构用户原始数据；对原始数据进行多粒度跨域用户行为语义解析,得到了丰富的多粒度用户行为语义数据；并通过多粒度数据融合,生成了综合全面的用户行为画像,为后续的信任评估和身份验证奠定了坚实的数据基础。根据用户行为画像进行区块链多粒度信任共识，利用区块链的去中心化和不可篡改特性，得到了可信的区块链信任度共识数据；并基于共识数据进行动态信任度评估,生成了跨域信任度证据链映射数据，实现了跨域信任的传递和量化，为身份验证提供了可靠的信任依据。获取用户原始隐私数据，通过联邦同态表征，将隐私数据转化为同态身份特征向量，在保护隐私的同时实现了身份特征的提取；利用同态身份特征对差分隐私身份验证模型进行联邦安全验证,得到了优化后的差分隐私身份验证模型；并对优化模型进行联邦隐私学习保护,最终得到了安全、隐私保护的联邦身份验证模型。对联邦身份验证模型进行偏差反事实样本提取，得到了多样性增强样本集，丰富了模型训练数据的多样性和代表性；并根据多样性增强样本集进行主动去偏样本增强,得到了泛化性更强、偏差更小的泛化身份验证模型,提高了模型在实际复杂场景中的适应能力和鲁棒性。获取用户连续交互行为数据,结合泛化身份验证模型进行零知识安全对抗验证，在不泄露隐私的前提下得到了身份验证零知识证明，实现了隐私保护下的身份验证；并根据身份验证零知识证明构建去中心化信任联盟，生成了联盟分布式身份验证数据，实现了多方协作下的分布式身份验证,提高了身份认证的可信度和安全性。因此，本专利技术提供了一种基于大数据的信息安全验证方法，通过异构数据清洗融合、动态信任评估、联邦隐私学习、去偏增强、零知识验证、去中心化联盟，系统地解决了大数据身份信息安全验证中的数据质量、隐私保护、偏差消除的问题。
9、优选地，步骤s1包括以下步骤：
10、步骤s11：通过多渠道监控设备进行多源异构数据采集，得到异构用户原始数据；对异构用户原始数据进行多粒度跨域用户行为语义解析，得到多粒度用户行为语义数据；
11、步骤s12：根据多粒度用户行为语义数据进行行为片段时序关联，得到时序关联行为图谱；根据时序关联行为图谱进行低维语义表示学习，得到低维语义表示数据；
12、步骤s13：根据低维语义表示数据进行行为高层语义捕捉，得到语义丰富行为表示数据；根据语义丰富行为表示数据进行多视图行为表示融合，得到多视图融合行为图像；
13、步骤s14：对多视图融合行为图像进行动态演化行为画像更新，得到用户行为画像。
14、本专利技术通过多渠道监控设备的数据采集有助于全面捕捉用户在不同场景下的行为数据,提供信息丰富度；多源异构数据的融合利用互补信息,克服单一数据源的局限性,增强用户描述的全面性；多粒度跨域用户行为语义解析能够提取不同抽象层次的行为语义,实现行为理解的精细化。行为片段时序关联能够刻画用户行为在时间维度上的依赖与演化规律,捕捉行为的动态特性；时序关联行为图谱蕴含了丰富的行为模式和上下文信息,为用户刻画提供结构化表示；低维语义表示学习能够提取行为图谱的内在语义,克服稀疏性问题,实现高效表示；低维语义表示数据体现了用户行为的高层语义信息,便于后续高层语义捕捉和表示融合。行为高层语义捕捉能够进一步提取低维表示中蕴含的抽象语义,刻画行为的内在意图和模式；多视图行为表示融合能够整合不同视角下的用户行为表示,形成全局一致的用户行为画像。动态演化行为画像更新能够及时反映用户行为模式的变化趋势,实现用户画像的动态更新；最终得到的用户行为画像综合了多源数据、多粒度语义、多视图表示的优势,刻画精准全面。
15、优选地，步骤s11包括以下步骤：
16、步骤s111：对异构用户原始数据进行语义解析，得到用户语义解析数据；对用户语义解析数据进行语义驱动数据清洗，得到用户语义数据；
17、步骤s112：对用户语义数据进行隐私数据脱敏，得到脱敏用户语义数据集；对脱敏用户语义数据集进行自适应数据格式归一，得到归一化异构用户数据；
18、步骤s113：根据归一化异构用户数据进行跨域用户身份解析，得到统一跨域用户映射数据；
19、步骤s114：根据统一跨域用户映射数据进行行为语义挖掘并进行提炼，得到多粒度用户行为语义数据。
20、本专利技术通过对异构用户原始数据进行语义解析和语义驱动的数据清洗,提取了数据的语义信息,并去除了噪声和冗余数据,得到了高质量的用户语义数据,为后续的数据处理和分析奠定了基础。对用户语义数据进行隐私数据脱敏,保护了用户的敏感信息,提高了数据安全性；通过自适应数据格式归一,消除了异构数据源之间的格式差异,实现了数据的标准化表示,便于后续的跨域用户身份解析。根据归一化的异构用户数据进行跨域用户身份解析,建立了不同域之间用户身份的映射关系,实现了跨域用户身份的统一表示,为后续的行为分析和用户画像构建提本文档来自技高网...
【技术保护点】
1.一种基于大数据的信息安全验证方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的信息安全验证方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的基于大数据的信息安全验证方法，其特征在于，步骤S11包括以下步骤：
4.根据权利要求1所述的基于大数据的信息安全验证方法，其特征在于，步骤S2包括以下步骤：
5.根据权利要求4所述的基于大数据的信息安全验证方法，其特征在于，步骤S21包括以下步骤：
6.根据权利要求1所述的基于大数据的信息安全验证方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求6所述的基于大数据的信息安全验证方法，其特征在于，步骤S35包括以下步骤：
8.根据权利要求1所述的基于大数据的信息安全验证方法，其特征在于，步骤S4包括以下步骤：
9.根据权利要求4所述的基于大数据的信息安全验证方法，其特征在于，步骤S5包括以下步骤：
10.根据权利要求9所述的基于大数据的信息安全验证方法，其特征在于，步骤S51包括以下步骤：<...
【技术特征摘要】
1.一种基于大数据的信息安全验证方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的信息安全验证方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的基于大数据的信息安全验证方法，其特征在于，步骤s11包括以下步骤：
4.根据权利要求1所述的基于大数据的信息安全验证方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求4所述的基于大数据的信息安全验证方法，其特征在于，步骤s21包括以下步骤：
6.根...
【专利技术属性】
技术研发人员：杨漳，钟有萍，余丽，
申请(专利权)人：丰华智诚北京通信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。