买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东方童(北京)科技有限公司申请的专利一种大数据软件的加密方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120470599B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510435070.8，技术领域涉及：G06F21/60；该发明授权一种大数据软件的加密方法和系统是由黄芳;龚元豪设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本一种大数据软件的加密方法和系统在说明书摘要公布了：本发明提供一种大数据软件的加密方法和系统，涉及电数字数据处理技术领域，本发明通过动态划分核心部分特征集与非核心部分特征集，避免对无关特征数据重复计算，从而降低了全系统的计算负担；提出了基于用户行为分析和风险评分驱动的动态加密算法切换机制，可灵活调整加密复杂性以平衡安全性与性能需求；引入风险反馈机制，通过隔离仓库的风险评分输出纠正下一监测时间段的筛选阈值，使加密策略具备持续优化能力。

本发明授权一种大数据软件的加密方法和系统在权利要求书中公布了：1.一种大数据软件的加密方法，其特征在于，具体步骤包括： 步骤S1：多次收集目标用户在当前监测时间段内的多源数据，多源数据包括用户行为数据、业务敏感数据和环境参数，并将多源数据输入至大数据云端平台中进行存储以及预处理； 将目标用户在当前监测时间段内的多源数据收集次数以序列集表示为{1,2，…，i，…，N}，其中i表示收集时间段次数的索引，N表示收集时间段的总次数； 将大数据云端平台中N次存储的多源数据单独整合为各自的多维特征向量； 步骤S2：预先设定多维特征向量的初始筛选阈值，使用初始筛选阈值对N次存储的多维特征向量进行核心部分特征集和非核心部分特征集的筛选； 定义所述用户行为数据包括键盘按键压力平均值、鼠标轨迹曲率变化率和窗口交互习惯指标； 定义在收集时间段i的键盘按键压力平均值为，键盘按键压力平均值是通过压力感应键盘捕捉目标用户在当前监测时间段内输入时的键盘按压平均力度； 定义在收集时间段i的鼠标轨迹曲率变化率为，鼠标轨迹曲率变化率是通过记录鼠标移动时的轨迹曲率变化率； 定义在收集时间段i的窗口交互习惯指标为，窗口交互习惯指标是统计用户在软件界面中对窗口的操作数据，包括窗口拖拽次数、调整窗口大小的幅度习惯； 定义所述业务敏感数据包括目标用户对敏感数据的修改一致性指标、访问权限动态变化频率和业务数据使用时长指标； 定义在收集时间段i的修改一致性指标为，修改一致性指标是记录目标用户对敏感业务数据字段的修改频率； 定义在收集时间段i的访问权限动态变化频率为，访问权限动态变化频率是监控目标用户在正常业务操作中实时动态变更权限的频率； 定义在收集时间段i的业务数据使用时长指标为，业务数据使用时长指标是统计目标用户访问敏感数据文件或字段时的停留时长； 定义所述环境参数包括操作设备的位置一致性指标、以及操作设备在执行加密运算期间的温度波动和网络抖动率； 定义在收集时间段i的位置一致性指标为，位置一致性指标用于评估操作设备的定位数据在一定时间段内的稳定性和一致性； 定义在收集时间段i内，操作设备在执行加密运算期间的温度波动为； 定义在收集时间段i内，操作设备在执行加密运算期间的网络抖动率为； 将收集时间段i下的多维特征向量表征为； 对中所有特征值进行一致的无量纲化处理； 将进行一致的无量纲化处理的多维特征向量表征为： ； 其中，，和分别表示用户行为数据、业务敏感数据和环境参数在收集时间段i内经过一致无量纲化后的特征值； 获取无量纲化处理的多维特征向量； 设定中各参数值的初始筛选阈值分别为； 计算N次存储的多维特征向量的以下比例值： ； 初始将中所有参数值作为核心部分特征集； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征；且n1取值在中选取，和均表示向上取整数； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 设定中各参数值的初始筛选阈值分别为； 计算N次存储的多维特征向量的以下比例值： ； 初始将中所有参数值作为核心部分特征集； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 设定中各参数值的初始筛选阈值分别为 计算N次存储的多维特征向量的以下比例值： 初始将中所有参数值作为核心部分特征集； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 若符合的多维特征向量数量在n1之下时，则将作为非核心部分特征； 步骤S3：获取筛选的核心部分特征集进行分析处理，以得到核心风险评价系数，核心风险评价系数用于评估目标用户在当前监测时间段内的访问模式操作风险，并得到风险评分； 将，和中的各参数分别记为，和； 若符合核心部分特征，；若是非核心部分特征，； 将中各参数进行结合分析，得到以下用户行为趋势系数： ； 其中，是用户行为趋势系数，输出值与或或为正相关表示，，和分别是相应参数的权重系数，且，和取值在区间0,1内，； 将中各参数进行结合分析，得到以下业务敏感趋势系数： 其中，是业务敏感趋势系数，输出值与或或为正相关表示；和表示相邻两次收集时间段的索引；，和分别是相应参数的权重系数，且，和取值在区间0,1内，； 将中各参数进行结合分析，得到以下环境趋势系数： ； 其中，是环境趋势系数，输出值与或或为正相关表示，，和分别是相应参数的权重系数，且，和取值在区间0,1内，； 定义核心风险评价系数计算公式如下： ； 其中，是核心风险评价系数，，和分别是相应参数的权重系数，且，和取值在区间0,1内，； 设定的值域为0,1；并设定的判断阈值区间为；分别是判断阈值区间的上限值和下限值，包含于0,1； 当时，评估目标用户在当前监测时间段内的访问模式操作风险为低风险，并将风险评分记为0； 当时，评估目标用户在当前监测时间段内的访问模式操作风险为中风险，并将风险评分记为1； 当时，评估目标用户在当前监测时间段内的访问模式操作风险为高风险，并将风险评分记为10； 步骤S4：获取目标用户在当前监测时间段内的风险评分，并根据风险评分生成一个自动切换加密算法的切换策略，切换策略包括针对加密算法的序列长度和元素复杂性进行动态调整，最终生成加密元素序列，加密算法包括对称加密与非对称加密； 步骤S5：根据生成的加密元素序列，对目标用户在当前监测时刻的多源数据进行加密处理，并将加密后的多源数据传输至隔离仓库进行存储处理，隔离仓库根据当前监测时间段的风险评分输出值情况，为下一监测时间段的初始筛选阈值提供纠正策略； 为下一监测时间段的初始筛选阈值提供纠正策略，具体包括： 若当前监测时间段的风险评分输出值为0，不针对下一监测时间段的初始筛选阈值进行纠正； 若当前监测时间段的风险评分输出值为1，针对下一监测时间段的初始筛选阈值进行一级纠正； 将，和的一级纠正策略综合定义为： ； 其中，表征，和中各初始筛选阈值； 表征相应参数纠正后的初始筛选阈值；表征用户行为趋势系数、业务敏感趋势系数和环境趋势系数中相应参数的权重系数； 若当前监测时间段的风险评分输出值为10，针对下一监测时间段的初始筛选阈值进行二级纠正； 将，和的二级纠正策略综合定义为： ； 定义一级纠正的调整幅度小于二级纠正的调整幅度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东方童(北京)科技有限公司，其通讯地址为：100101 北京市朝阳区慧忠路5号A座15层1501a；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。