基于用戶畫像的檔案信息資源共享平臺安全策略研究

黃小淋 安林昊

摘要：本文論述了構(gòu)建用戶畫像的流程及如何根據(jù)用戶畫像設(shè)置風(fēng)險預(yù)警，建議檔案館基于用戶畫像，構(gòu)建以保護(hù)用戶隱私為基礎(chǔ)的服務(wù)理念、以數(shù)據(jù)為導(dǎo)向的反饋優(yōu)化機(jī)制、以技術(shù)為支撐的創(chuàng)新策略迭代機(jī)制，從而組合成共享平臺安全策略，實(shí)現(xiàn)檔案用戶對檔案信息資源的安全、有效利用。

關(guān)鍵詞：用戶畫像 檔案信息 共享平臺 安全策略

2021年，中共中央辦公廳、國務(wù)院辦公廳印發(fā)的《“十四五”全國檔案事業(yè)發(fā)展規(guī)劃》對檔案安全體系建設(shè)做出了明確要求，強(qiáng)調(diào)提升檔案數(shù)字資源安全管理能力，要從檔案信息安全和軟硬件環(huán)境安全保障、風(fēng)險管理和應(yīng)急處置等多個方面，筑牢檔案服務(wù)利用的安全防線。隨著各類檔案館信息資源共享平臺等共享資源基礎(chǔ)設(shè)施的建設(shè)，平臺安全策略的有效配置將是保障檔案資源處于安全利用環(huán)境下的一道防線。本文提出利用用戶畫像技術(shù)，在搜集、分析用戶利用檔案的類別、頻次等行為信息的基礎(chǔ)上，整合多維度用戶行為特征，抽象出構(gòu)成復(fù)雜的、標(biāo)簽化的用戶模型，[1]從而有效識別普通檔案用戶利用特征，并對不正常的利用行為進(jìn)行預(yù)警。

基于用戶畫像的安全策略構(gòu)建思路是按照時間、業(yè)務(wù)等維度，關(guān)聯(lián)主體行為狀態(tài)，將用戶屬性轉(zhuǎn)換為計算機(jī)可識別的、可理解的、可處理的數(shù)據(jù)格式，對用戶行為實(shí)施精準(zhǔn)、實(shí)時的統(tǒng)計與審計，設(shè)計分析邏輯并推斷出非正常狀態(tài)，從而實(shí)現(xiàn)預(yù)警功能。因此，用戶畫像的生成需要經(jīng)過以下三個步驟：檔案用戶行為分析與數(shù)據(jù)采集、構(gòu)建檔案用戶標(biāo)簽、檔案用戶畫像可視化呈現(xiàn)。

（一）檔案用戶行為分析與數(shù)據(jù)采集

檔案用戶行為是用戶在自身產(chǎn)生檔案信息資源需求基礎(chǔ)上做出的使用檔案信息資源服務(wù)平臺獲得信息資源的意愿，以及由此引起的各種使用活動的總和。通常來說，不同類別檔案用戶產(chǎn)生的用戶行為不同，因此我們需區(qū)別分析。如查檔用戶行為主要是查詢、瀏覽、下載、打印等，服務(wù)利用接待人員行為主要是查詢、瀏覽、授權(quán)、下載、打印等，檔案部門領(lǐng)導(dǎo)行為則是在上述行為基礎(chǔ)上加入審批、管理等行為?；谝陨闲袨榉治?，用戶數(shù)據(jù)采集類別一般可總結(jié)為兩類：用戶靜態(tài)數(shù)據(jù)與用戶動態(tài)數(shù)據(jù)。用戶靜態(tài)數(shù)據(jù)統(tǒng)計來源于數(shù)據(jù)庫中用戶的注冊信息，動態(tài)數(shù)據(jù)則來源于用戶查詢、利用檔案時多節(jié)點(diǎn)產(chǎn)生的行為數(shù)據(jù)。系統(tǒng)會實(shí)時對用戶靜態(tài)數(shù)據(jù)及動態(tài)數(shù)據(jù)進(jìn)行采集、統(tǒng)計，而后基于用戶的基本屬性和行為數(shù)據(jù)將用戶畫像標(biāo)簽化，以建立用戶標(biāo)簽體系。

平臺對用戶注冊信息及網(wǎng)頁日志數(shù)據(jù)進(jìn)行采集后，通常需對數(shù)據(jù)進(jìn)行預(yù)處理，通過標(biāo)準(zhǔn)化配置對數(shù)據(jù)源進(jìn)行類型劃分，從而將日志格式進(jìn)行統(tǒng)一轉(zhuǎn)化、分類，并根據(jù)劃分后的數(shù)據(jù)類型進(jìn)行過濾、歸并、補(bǔ)全等操作，形成結(jié)構(gòu)化數(shù)據(jù)，以完成數(shù)據(jù)篩選及特征抽取工作。這里的常用方法包括統(tǒng)計分析、文本挖掘（ TFIDF、LDA）、分類聚類計算（神經(jīng)網(wǎng)絡(luò)、K-means）等。檔案用戶畫像數(shù)據(jù)結(jié)構(gòu)圖如圖1所示。

（二）構(gòu)建檔案用戶標(biāo)簽

這一步驟是指在收集用戶數(shù)據(jù)的基礎(chǔ)上，基于用戶行為邏輯，建立用戶屬性維度，通過對屬性內(nèi)容的組合進(jìn)行建模，刻畫用戶異常行為模型，從而生成用戶標(biāo)簽，實(shí)現(xiàn)檔案用戶異常行為的識別。

1.檔案用戶畫像模型。檔案用戶在應(yīng)用檔案信息服務(wù)平臺過程中，將產(chǎn)生用戶基本信息數(shù)據(jù)和行為數(shù)據(jù)。由于平臺用戶人員類別不同，這里所產(chǎn)生的行為數(shù)據(jù)通常具有較大差別。因此，平臺需對不同用戶角色的行為數(shù)據(jù)進(jìn)行區(qū)別分析?；诖?，本文提出從用戶基礎(chǔ)屬性維度、角色屬性維度及行為屬性維度，構(gòu)建檔案用戶模型。

對于基礎(chǔ)屬性維度項(xiàng)數(shù)據(jù)，我們可通過用戶注冊信息表進(jìn)行抽取，抽取元素通常包含用戶姓名、單位、預(yù)授權(quán)限、查檔需求（目的）等數(shù)據(jù)內(nèi)容。對于角色屬性維度項(xiàng)數(shù)據(jù)，我們主要根據(jù)用戶在注冊時所填寫的人員所屬類別得到，比如部門領(lǐng)導(dǎo)、服務(wù)利用接待人員、查檔用戶等。對于行為屬性維度項(xiàng)數(shù)據(jù)，我們可通過對用戶日志中產(chǎn)生的動態(tài)半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行挖掘而獲得，[2]比如檔案敏感詞查詢、點(diǎn)擊、瀏覽閱讀時間等數(shù)據(jù)。

2.生成檔案用戶標(biāo)簽。檔案用戶標(biāo)簽包含用戶正常行為、用戶非正常行為兩種標(biāo)簽。檔案用戶標(biāo)簽生成流程如圖2所示，重點(diǎn)在模型層。在模型層，平臺采用孤立森林（iForest）等機(jī)器學(xué)習(xí)算法，挖掘異常數(shù)據(jù)，對用戶行為過程進(jìn)行概率分析，進(jìn)行訓(xùn)練數(shù)據(jù)的學(xué)習(xí)模型訓(xùn)練，生成訓(xùn)練模型。而后，平臺通過對測試模型中用戶行為特征的匹配、篩選、識別用戶異常行為，判定是否符合測試模型行為，進(jìn)而生成檔案用戶標(biāo)簽。

（三）檔案用戶畫像可視化呈現(xiàn)

進(jìn)行檔案用戶畫像可視化呈現(xiàn)，是為了更生動地展示和分析用戶行為。這一步驟是在提取用戶標(biāo)簽數(shù)據(jù)后，利用數(shù)據(jù)可視化技術(shù)，通過直方圖、雷達(dá)圖等統(tǒng)計圖形及多維度多層級標(biāo)簽，直觀地以動態(tài)圖譜形式展示出用戶畫像和模型驗(yàn)證的對應(yīng)結(jié)果。在用戶畫像管理模塊，管理人員可根據(jù)近期預(yù)警情況和用戶反饋情況，優(yōu)化數(shù)據(jù)搜集類別及分析結(jié)果的排序、展現(xiàn)方式，實(shí)現(xiàn)圖譜展示內(nèi)容的自定義調(diào)整和完善。用戶畫像管理模塊可包含用戶訪問記錄展示、用戶行為統(tǒng)計分析界面、行為特征庫提取界面、異常行為報警界面等。[3]

（一）檔案用戶風(fēng)險行為

由于不同類型的檔案用戶在平臺上的檔案利用行為有所區(qū)別，因此平臺對用戶風(fēng)險行為的判斷應(yīng)與角色屬性識別相結(jié)合。例如，部門領(lǐng)導(dǎo)通常做審批工作居多，具體查檔工作相比較于服務(wù)利用接待人員較少，若某段時間，部門領(lǐng)導(dǎo)查檔頻次多、頻率極高，則可能產(chǎn)生風(fēng)險行為；服務(wù)利用接待人員若在工作時間外進(jìn)行查檔的在線時間超過設(shè)定時間范圍，則可能產(chǎn)生風(fēng)險行為；所有檔案用戶查詢敏感詞數(shù)量及頻次較高，例如30分鐘內(nèi)查詢敏感詞次數(shù)超過5次等，或是反饋評價內(nèi)容情感表現(xiàn)負(fù)面程度較深、使用敏感詞匯較多，則可能產(chǎn)生風(fēng)險行為。

在風(fēng)險行為分析過程中，平臺應(yīng)加入聚類分析方法，對比待分析用戶的行為是否偏離具有相同角色的用戶整體的行為，以減少異常檢測中虛警過高的問題，從而在相同用戶角色的角度進(jìn)一步分析異常行為，提高異常判斷的置信度。另外，平臺可結(jié)合百度AI開放平臺情感傾向分析接口（BaiduNLP）進(jìn)行用戶評價的情感分析，判斷用戶情緒風(fēng)險；還可利用華為云內(nèi)容檢測語料庫對敏感詞庫進(jìn)行擴(kuò)充，[4]并標(biāo)記敏感詞權(quán)重，以權(quán)重降序記錄權(quán)重較高敏感詞出現(xiàn)的頻率。

（二）根據(jù)風(fēng)險行為設(shè)置風(fēng)險預(yù)警

平臺應(yīng)根據(jù)異常行為次數(shù)與用戶角色屬性中業(yè)務(wù)節(jié)點(diǎn)維度的屬性閾值偏離程度、異常行為權(quán)重排序等異常行為事件與異常事件規(guī)則的匹配度來判定是否屬于異常行為，并進(jìn)行風(fēng)險預(yù)警。

平臺根據(jù)異常的程度，記錄異常情況的影響性排序，對于容易產(chǎn)生重大不良影響的行為，判定為高風(fēng)險行為，給予實(shí)時警告，并限制用戶暫時訪問平臺，待平臺管理人員審核，做出解除限制或繼續(xù)限制的操作，再恢復(fù)或永久限制用戶權(quán)限。對于用戶的一般敏感情形，平臺可判定為低風(fēng)險行為，記錄用戶行為信息，并提示平臺管理人員審核、判定用戶行為后，進(jìn)行手動處理。平臺技術(shù)人員應(yīng)定期對風(fēng)險預(yù)警數(shù)據(jù)進(jìn)行模型分析，并將該模型作為機(jī)器學(xué)習(xí)的數(shù)據(jù)源。

（一）構(gòu)建以保護(hù)用戶隱私為基礎(chǔ)的服務(wù)理念

平臺數(shù)據(jù)及運(yùn)行的安全，是保障檔案數(shù)據(jù)資源能夠被有效利用和精準(zhǔn)為用戶服務(wù)的基礎(chǔ)?；谟脩舢嬒駱?gòu)建安全策略需要檔案館通過平臺深度掌握用戶動向，構(gòu)建檔案利用態(tài)勢展示平臺，用于動態(tài)展示利用數(shù)據(jù)、監(jiān)控用戶訪問和利用行為，但在用戶畫像數(shù)據(jù)抽取、分析等一系列過程中，很容易造成用戶隱私數(shù)據(jù)的泄露。因此，檔案館一是應(yīng)當(dāng)加強(qiáng)對用戶數(shù)據(jù)的維護(hù)，避免數(shù)據(jù)的流失、損壞、泄露，配套建立相關(guān)的用戶數(shù)據(jù)隱私保護(hù)法規(guī)體系，識別技術(shù)應(yīng)用的算法風(fēng)險，規(guī)范算法應(yīng)用行為，[5]在用戶畫像建模過程中融入隱私保護(hù)相關(guān)技術(shù)，如通過進(jìn)行用戶數(shù)據(jù)脫敏、建立隱藏式標(biāo)簽等方式實(shí)現(xiàn)用戶敏感數(shù)據(jù)隱藏[6]；二是應(yīng)當(dāng)注重提高檔案工作人員的職業(yè)道德素養(yǎng)。在構(gòu)建及利用檔案用戶畫像過程中，平臺管理及相關(guān)專業(yè)技術(shù)人員通常是用戶數(shù)據(jù)的“知曉者”“處理者”和“監(jiān)管者”，因此增強(qiáng)檔案工作人員的安全保密意識，使其養(yǎng)成良好的工作行為習(xí)慣尤為必要。對于此，檔案館可定期組織或參與行業(yè)內(nèi)有關(guān)檔案職業(yè)道德和職業(yè)素養(yǎng)的培訓(xùn)，并進(jìn)行相關(guān)考核，依法懲處竊取隱私的行為，全力保障檔案用戶數(shù)據(jù)的內(nèi)部使用安全，[7]營造健康、可靠的檔案資源共享環(huán)境。

（二）以數(shù)據(jù)為導(dǎo)向建立反饋優(yōu)化機(jī)制

不同階段的用戶行為數(shù)據(jù)常常出現(xiàn)不同特征。例如，在建黨百年之際，用戶查詢、利用黨史相關(guān)檔案資料的數(shù)量會激增，一些非正常利用者可能會借此數(shù)據(jù)量激增時機(jī)，獲取敏感檔案資料，檔案館應(yīng)當(dāng)定期借助反饋機(jī)制全面監(jiān)測、分析用戶行為變化趨勢，對不同階段的用戶行為數(shù)據(jù)進(jìn)行分析對比，及時調(diào)整數(shù)據(jù)搜集維度，優(yōu)化用戶畫像本體模型，不斷完善用戶畫像標(biāo)簽類別和內(nèi)容。

檔案館在構(gòu)建“獲取數(shù)據(jù)、察覺問題、提交反饋、優(yōu)化模型”的用戶畫像優(yōu)化反饋機(jī)制時，可以突破各類平臺安全防御壁壘，避免用戶“鉆空子”的查詢行為，同時也能為安全策略優(yōu)化升級提供有效向?qū)А?/p>

（三）以技術(shù)為支撐創(chuàng)新策略迭代機(jī)制

策略的生成通常不是一次性的過程，而需通過長期的積累和不斷地更新迭代。[8]從用戶畫像數(shù)據(jù)分析來看，數(shù)據(jù)包含初始數(shù)據(jù)和增量數(shù)據(jù)兩種類型，初始數(shù)據(jù)通?？赡軙霈F(xiàn)無效、不規(guī)律、不具備規(guī)模數(shù)量的情況，而策略在實(shí)現(xiàn)過程中需要對大量數(shù)據(jù)進(jìn)行聚類，采用迭代方式對不斷更新的增量數(shù)據(jù)進(jìn)行自動學(xué)習(xí)，從而發(fā)現(xiàn)各類信息峰谷值，并將這些信息作為策略生成的主要依據(jù)。因此，在迭代學(xué)習(xí)過程中，策略會被不斷更新，當(dāng)策略被管理人員檢測為高命中率的策略時，該策略可成為生效或成為優(yōu)化策略的一類。

用戶畫像策略的構(gòu)建不僅需要運(yùn)用有效、合適的算法進(jìn)行聚類等計算，更要依靠大數(shù)據(jù)等技術(shù)的支持，來實(shí)現(xiàn)關(guān)聯(lián)數(shù)據(jù)等的分析。傳統(tǒng)上基于用戶畫像的分析技術(shù)主要包括以Python技術(shù)為主的數(shù)據(jù)挖掘技術(shù)、以神經(jīng)網(wǎng)絡(luò)模型等算法為主的數(shù)據(jù)分析技術(shù)等。隨著人工智能的發(fā)展，“AI機(jī)器學(xué)習(xí)”等算法不斷被應(yīng)用于個性化推薦等領(lǐng)域，因此，通過應(yīng)用AI技術(shù)不斷學(xué)習(xí)、優(yōu)化用戶畫像模型，學(xué)習(xí)和推斷用戶行為，可作為檔案信息資源共享平臺安全策略研究內(nèi)容的新方向。

近年來，檔案信息資源共享平臺發(fā)展迅速，但目前國內(nèi)所擁有的技術(shù)、設(shè)備還依然有很大的改進(jìn)空間。此外，隨著大數(shù)據(jù)時代的發(fā)展，網(wǎng)絡(luò)、人員失泄密事件時有發(fā)生，人員教育主動性及其安全意識還未達(dá)到標(biāo)準(zhǔn)要求，檔案資源開放、共享還存在著一定的安全風(fēng)險。為此，參與檔案信息資源平臺建設(shè)的各方人員務(wù)必在已有條件的基礎(chǔ)上樹立安全、責(zé)任意識，不斷總結(jié)經(jīng)驗(yàn)，謀求合理、可行的安全策略，[9]為檔案信息資源的共享保駕護(hù)航。

注釋及參考文獻(xiàn)：

[1]趙晨陽，苗立俐，李萌.用戶畫像技術(shù)在用電安全服務(wù)中的應(yīng)用[J].大眾用電，2019， 34（3）：16-17.

[2]許鵬程，畢強(qiáng)，張晗，等.數(shù)據(jù)驅(qū)動下數(shù)字圖書館用戶畫像模型構(gòu)建[J].圖書情報工作， 2019（3）：30-37.

[3]雷璟.用戶行為特征提取及安全預(yù)警建模技術(shù)[J].中國電子科學(xué)研究院學(xué)報，2019， 14（4）：368-372.

[4]金燕，孫佳佳.基于用戶畫像的UGC質(zhì)量預(yù)判模型[J].情報理論與實(shí)踐，2019，42（10）：77-83.

[5]于英香，李雨欣.“AI+檔案”應(yīng)用的算法風(fēng)險與治理路徑探析[J].北京檔案，2021（10）：5-9.

[6]蘇君華，邵亞偉，姜璐.用戶畫像運(yùn)用于檔案館精準(zhǔn)服務(wù)：現(xiàn)狀，業(yè)務(wù)流程及策略[J].檔案學(xué)研究， 2020（6）：94-98.

[7]周林興，徐承來，周麗.用戶畫像視域下檔案用戶隱私問題研究[J].檔案學(xué)研究， 2020， 173（2）：60-66.

[8]歐陽帆，張月天.一種基于用戶行為畫像的安全審計系統(tǒng)[J].信息通信，2018（11）：107-108.

[9]胡樹煜，孫士宏，金丹.大數(shù)據(jù)時代檔案信息資源共享平臺安全策略研究[J].蘭臺世界， 2016（2）：5-7.

作者單位：解放軍檔案館