一种支持分级调整的智能网联汽车数据分级方法

本发明涉及汽车信息安全，特别涉及一种支持分级调整的智能网联汽车数据分级方法。

背景技术：

1、随着数字化转型的加速，数据安全成为了一个日益突出的问题。目前，数据安全的管理和保护常采用分级保护的策略，但却多依赖于专家的评审和定性分析。这种方式虽然能够根据经验进行合理的风险评估，却往往缺乏足够的定量分析能力，导致数据安全级别的划分不够精确，难以适应快速变化的安全威胁环境。尤其，智能网联汽车领域的数据之间存在复杂的关联性，传统的数据分级方法通常对单个数据项进行分析和分级，忽略了数据项之间的相互作用，也就无法完全揭示数据项之间的潜在联系，可能导致高级别的敏感数据被较低级别的数据通过逻辑推理破解，从而带来安全风险。

技术实现思路

1、本发明提供了一种支持分级调整的智能网联汽车数据分级方法，实现了智能网络汽车数据的量化分级，提高了数据安全管理的精确性和有效性。

2、第一方面，本发明提供了一种支持分级调整的智能网联汽车数据分级方法，包括：

3、获取待分级数据和处于最高级别的标准数据；

4、将所述标准数据作为目标预测数据，计算所述目标预测数据与所述待分级数据之间的推理强度；

5、对所述推理强度进行排序得到梯度序列；

6、根据所述梯度序列、预设分级数量和预设各级别的容纳数据量确定所述待分级数据的级别。

7、可选地，所述将所述标准数据作为目标预测数据，计算所述目标预测数据与所述待分级数据之间的推理强度，包括：

8、针对每个所述目标预测数据，均执行：

9、s21：判断所述待分级数据的数据类型与该目标预测数据的数据类型是否相同，以及判断预设规则库是否存在与所述数据类型对应的目标规则集；若判断结果均为是，则执行步骤s22，反之执行步骤s25；

10、s22：所述目标规则集包括多个预测规则，根据预设推理准确度阈值输出各预测规则在规定时间内的预测准确度；

11、s23：从所有所述预测规则对应的预测准确度中确定最大预测准确度为所述待分级数据的预测精度；

12、s24：获取所述待分级数据的风险概率，将所述风险概率和所述预测精度的乘积作为所述推理强度；

13、s25：确定所述推理强度为0。

14、可选地，所述根据所述梯度序列、预设分级数量和预设各级别的容纳数据量确定所述待分级数据的级别，包括：

15、s31：判断最高级别中的当前数据量是否小于所述预设最高级别的容纳数据量；若判断结果为是，则执行步骤s32，否则执行步骤s34；

16、s32：从所述梯度序列中确定出最高推理强度对应的待分级数据，并将该待分级数据作为第一标准数据并分入所述最高级别中；

17、s33：将所述第一标准数据作为目标预测数据，计算所述目标预测数据与所述待分级数据之间的推理强度，对所述推理强度进行排序得到梯度序列，并返回步骤s31；

18、s34：若判断结果为否，则从所述梯度序列中从高至低确定出与预设次高级别的容纳数据量相同数量的所述推理强度，并将该推理强度对应的所述待分级数据分入所述预设次高级别中，完成所述预设次高级别的分级。

19、可选地，在完成所述预设次高级别的分级之后，还包括：

20、s41：将最新完成分级的预设级别作为当前预设级别，判断是否存在未分入所述当前预设级别的待分级数据，若存在，执行步骤s42，否则执行s45；

21、s42：将所述当前预设级别中的当前级别数据作为目标预测数据，并计算所述目标预测数据与所述待分级数据之间的推理强度；

22、s43：对该推理强度进行排序得到梯度序列；

23、s44：在该梯度序列中从高至低确定出与预设下一级别的容纳数据量相同数量的推理强度，并将该推理强度对应的所述待分级数据分入所述预设下一级别中，以及返回步骤s41；其中，所述预设下一级别为所述当前预设级别的下一级；

24、s45：完成所述待分级数据的完全分级。

25、可选地，所述待分级数据包括单一待分级数据和/或由至少两个所述单一待分级数据组合得到的待分级数据组；

26、在所述待分级数据为所述待分级数据组时，若所述待分级数据组已分入已知级别中，则所述待分级数据组所包括的每个所述单一待分级数据也分入所述已知级别中。

27、可选地，所述待分级数据包括单一待分级数据和/或由至少两个所述单一待分级数据组合得到的待分级数据组；

28、在所述待分级数据为所述待分级数据组和所述单一待分级数据时，获取所述待分级数据组所处的第一已知级别和所述待分级数据组中所包括的各所述单一待分级数据所处的各第二已知级别；

29、判断是否存在所述第一已知级别高于所述第二已知级别；

30、若所述判断结果为存在，则将该第二已知级别对应的所述单一待分级数据分入所述第一已知级别中。

31、可选地，在所述根据所述梯度序列、预设分级数量和预设各级别的容纳数据量确定所述待分级数据的级别之后，还包括：

32、在所述待分级数据中的目标待分级数据所处的级别高于预设期望级别时，获取所述待分级数据的数据精度和数据密度，并降低所述待分级数据的所述数据精度和/或所述数据密度得到新目标待分级数据，对所述新目标待分级数据进行分级。

33、可选地，所述对所述新目标待分级数据进行分级，包括：

34、s71：获取所述目标待分级数据的当前级别，并将在所述当前级别的下一级别的数据顺次补入所述当前级别中；

35、s72：将所述新目标待分级数据和除分入所述当前级别和所述当前级别上一级别之外的其他所述待分级数据作为新待分级数据；

36、s73：判断是否存在未分入所述当前级别的新待分级数据，若存在，执行步骤s74，否则执行步骤s77；

37、s74：将所述当前级别中的当前级别数据作为目标预测数据，并计算所述目标预测数据与所述新待分级数据之间的推理强度；

38、s75：对该推理强度进行排序得到梯度序列；

39、s76：在该梯度序列中从高至低确定出与下一级别的容纳数据量相同数量的推理强度，并将该推理强度对应的所述新待分级数据分入所述下一级别中，以及将所述下一级别作为当前级别并返回步骤s73；其中，所述下一级别为所述当前级别的下一级；

40、s77：完成所述新待分级数据的完全分级。

41、第二方面，本发明提供了一种支持分级调整的智能网联汽车数据分级装置，包括：

42、获取模块，用于获取待分级数据和处于最高级别的标准数据；

43、运算模块，用于将所述标准数据作为目标预测数据，计算所述目标预测数据与所述待分级数据之间的推理强度，并对所述推理强度进行排序得到梯度序列；

44、分级模块，用于根据所述梯度序列、预设分级数量和预设各级别的容纳数据量确定所述待分级数据的级别。

45、第三方面，本发明实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一第一方面所述的方法。

46、第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一第一方面所述的方法。

47、第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本说明书任一第一方面所述的方法的步骤。

48、本发明实施例提供了一种支持分级调整的智能网联汽车数据分级方法，获取待分级数据、处于最高级别的标准数据，并将标准数据作为目标预测数据，计算目标预测数据与待分级数据之间的推理强度，然后对推理强度进行排序得到梯度序列，再由梯度序列、预设分级数量和预设各级别的容纳数据量确定待分级数据的级别。如此，基于目标预测数据与待分级数据之间推理强度，实现了智能网络汽车数据的量化分级，提高了数据安全管理的精确性和有效性。