(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111502871.X (22)申请日 2021.12.10 (65)同一申请的已公布的文献号 申请公布号 CN 114022049 A (43)申请公布日 2022.02.08 (73)专利权人 佛山市蜂王人力资源 有限公司 地址 528000 广东省佛山市禅城区黎明一 路23号世博金融中心项目18层08号办 公室 （住所申报） (72)发明人 徐志全　张红艳　 (74)专利代理 机构 贵阳中新专利商标事务所 52100 专利代理师 李亮　李龙 (51)Int.Cl. G06Q 10/06(2012.01) G06N 20/00(2019.01) G06F 21/62(2013.01) G06F 16/26(2019.01)(56)对比文件 CN 113691557 A,2021.1 1.23 CN 113706149 A,2021.1 1.26 CN 113706177 A,2021.1 1.26 CN 111149332 A,2020.0 5.12 CN 109645980 A,2019.04.19 CN 112465790 A,2021.0 3.09 US 104826 03 B1,2019.1 1.19 HONGFANG YUAN 等.An Improved Faster R-CNN for Pulmo nary Embo lism Detecti on From CTPA Ima ges. 《IEEE Access》 .2021,第9卷 鲁博 等.融合 BiFPN 和改进 Yo lov3-tiny 网络的航拍图像车辆 检测方法. 《小型微型计算 机系统》 .2021,(第8 期), Tsung-Yi Lin 等.Feature Pyramid Networks for Object Detecti on. 《arXiv: 1612.03144v2 [cs.CV]》 .2017, 审查员 朱颖 (54)发明名称 一种基于云计算的智慧业务信息风险处理 方法及系统 (57)摘要 本申请涉及云计算及业务风险处理技术领 域， 具体而言， 涉及一种基于云计算的智慧业务 信息风险处理方法及系统， 鉴于无需修改存在隐 私信息窃取风险的智慧业务会话日志的会话分 布结构， 在保证隐私威胁信息检测精度的同时， 减少了隐私威胁信息检测的软硬件资源开销， 在 一定程度上提升 了隐私威胁 检测的效率。 权利要求书3页 说明书19页 附图2页 CN 114022049 B 2022.07.22 CN 114022049 B 1.一种基于云计算的智慧业务信息风险处理方法， 其特征在于， 应用于信息风险处理 系统， 所述方法包括： 对存在隐私信 息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘， 得到多个业务 状态下的异常活动兴趣描述feature1； 基于对所述异常活动兴趣描述feature1执行兴趣描 述属性更新， 得到每个业务状态下的异常活动兴趣描述feature1对应的异常活动兴趣描述 feature2； 其中， 不同业务状态下的异常活动兴趣描述feature1对应的异常活动兴趣描述 feature2的兴趣描述属性 一致； 逐一更新每个业务状态下的异常活动兴趣描述feature2的兴趣描述属性， 得到每个业 务状态下的异常活动兴趣描述feature2对应的异常活动兴趣描述feature3， 其中， 每个业 务状态下的异常活动 兴趣描述feature3的阶段性层面指标的量化分析结果与设定量化分 析结果相匹配； 结合所述异常活动 兴趣描述feature3， 确 定所述存在隐私信息窃取风险的 智慧业务会话日志中的隐私威胁信息； 其中， 所述对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘， 得 到多个业务状态下的异常活动兴趣描述feature1， 包括： 通过多个业务状态下的第一AI机 器学习模型对存在隐私信息窃取风险的智慧业务会话日志执行会话活动兴趣挖掘， 得到每 一个业务状态下的第一AI机器学习模型导出的异常活动兴趣描述feature1； 所述基于对所述异常活动兴趣描述feature1执行兴趣描述属性更新， 得到每个业务状 态下的异常活动兴趣描述feature1对应的异常活动兴趣描述feature2， 包括： 根据确定的 更新后的兴趣描述属性， 以及每一个业务状态下的第一A I机器学习模型导出的所述异常活 动兴趣描述feature1的兴趣描述属性， 确定该业务状态下的第一AI机器学习模 型对应的第 二AI机器学习模型的模型变量数据； 结合涵盖了确定的模型变量数据的所述每一个业务状 态下的第二AI机器学习模 型， 对该业务状态下的第二A I机器学习模型对应的第一A I机器学 习模型导出的异常活动兴趣描述feature1进 行兴趣特征分析， 得到该业务状态下的第二AI 机器学习模型导出的所述异常活动兴趣描述feature2； 所述逐一更新每个业务状态下的异常活动兴趣描述feature2的兴趣描述属性， 得到每 个业务状态下的异常活动兴趣描述feature2对应的异常活动兴趣描述feature3， 包括： 基 于不同业务状态下的第一A I机器学习模型之 间的阶段性层面指标的量化分析结果， 以及每 一个业务状态下的第一AI机器学习模型对应的所述异常活动兴趣描述feature2的阶段性 层面指标， 确定每个业务状态下的第一AI机器学习模型分别对应的异常活动兴趣描述 feature3的阶段性层面指标； 根据确定的每个业务状态下的第一AI机器学习模 型分别对应 的异常活动兴趣描述feature3的阶段性层面指标， 以及每一个业务状态下的第一AI机器学 习模型对应的所述异常活动兴趣描述feature2的阶段性层面指标， 确定该业务状态下的第 一AI机器学习模 型对应的第三A I机器学习模 型的模型变量数据； 结合涵盖了确定的模型变 量数据的所述每一个业务状态下的第三A I机器学习模型， 对 该业务状态下的第三A I机器学 习模型对应的异常活动兴趣描述feature2进 行兴趣特征分析， 得到该业务状态下的第三AI 机器学习模型导出的所述异常活动兴趣描述feature3 。 2.如权利 要求1所述的方法， 其特征在于， 所述基于对所述异常活动兴趣描述feature1 执行兴趣描述属性更新， 得到每个业务状态下的异常活动兴趣描述feature1对应的异常活 动兴趣描述feature2， 包括：权　利　要　求　书 1/3 页 2 CN 114022049 B 2确定所述每个业务状态下的异常活动兴趣描述feature1对应的兴趣描述属性中量化 约束最少的异常活动兴趣描述feature1， 并将除所述量化约束最少的异常活动兴趣描述 feature1外的剩余异常活动兴趣描述feature1， 更新为与该量化约束最少的异常活动兴趣 描述feature1相同兴趣描述属性的异常活动兴趣描述， 将所述量化约束最少的异常活动兴 趣描述feature1， 以及更新后所述与该量化约束最少的异常活动兴趣描述feature1相同兴 趣描述属性的异常活动 兴趣描述作为所述异常活动 兴趣描述feature2； 或者， 将所述每个 业务状态下的异常活动 兴趣描述feature1更新为设定兴趣描述属性下的异常活动 兴趣描 述， 将该设定兴趣描述属性下的异常活动兴趣描述作为所述异常活动兴趣描述feature2。 3.如权利要求1所述的方法， 其特征在于， 所述结合所述异常活动兴趣描述feature3， 确定所述存在隐私信息窃取风险的智慧业 务会话日志中的隐私威胁信息， 包括： 将每个业务状态下的异常活动兴趣描述feature2对应的所述异常活动兴趣描述 feature3进行 连接处理， 得到完成连接的异常活动兴趣描述feature4； 结合所述异常活动兴趣描述feature4， 确定所述存在隐私信息窃取风险的智慧业务会 话日志中的隐私威胁信息 。 4.如权利要求3所述的方法， 其特征在于， 将每个业务状态下的异常活动兴趣描述 feature2对应的所述异常活动兴趣描述feature3进行连接处理， 得到完成连接的异常活动 兴趣描述feature4， 包括： 依据预设的连接方式， 将每个业务状态下的异常活动兴趣描述feature2对应的所述异 常活动兴趣描述feature3逐一进行连接处理， 得到每一轮完成连接的过渡异常活动兴趣描 述； 基于每一轮完成连接的过渡异常活动兴趣描述， 得到所述异常活动兴趣描述 feature4。 5.如权利要求4所述的方法， 其特征在于， 将每个业务状态下的异常活动兴趣描述 feature2对应的异常活动兴趣描述feature3作为第一个业务状态下的异常活动兴趣描述 feature3至第X个业务状态下的异常活动兴趣描述feature3， 其中第X个业务状态下的异常 活动兴趣描述feature3的阶段性层面指标大于第X ‑1个业务状态下的异常活动兴趣描述 feature3的阶段性层面指标， X为大于1的正整 数， 则依据预设的连接方式， 将每个业务状态 下的异常活动兴趣描述feature2对应的所述异常活动兴趣描述feature3逐一进行连接处 理， 得到每一轮完成连接的过渡异常活动兴趣描述， 包括以下其中一项： 依据从第一个业务状态下的异常活动兴趣描述feature3到所