Daily Plan

更新: 5/3/2025 字数: 0 字 时长: 0 分钟

#todo

• [ ]
• [ ]

Daily Study

更新: 5/3/2025 字数: 0 字 时长: 0 分钟

创新资助文件上传

第一阶段

阶段一: 开发初始的解密算法原型（2024.04.30 - 2024.07.30） 目标： 1. 研究Hive与Kerberos通信加密流量的解密需求。 2. 调查现有的解密技术。 3. 开发初始的解密算法原型。 4. 在模拟环境中进行初步测试和验证。 完成情况：100% 详细描述 需求分析：完成了对Hive与Kerberos通信流程的深入研究，明确了解密需求和关键技术点。技术调研：对现有的解密技术和工具（如Wireshark与Keytab的结合使用）进行了全面分析，找出了现有方法的局限性。算法设计与实现：设计了初始的解密算法架构，采用Python脚本自动化解密流程。现了算法的核心功能，包括Keytab文件的自动导入和Kerberos加密流量的解包。模拟环境测试：在搭建的模拟Hive与Kerberos环境中，对算法进行了初步测试。解密准确率达到**85%以上。对系统性能的影响控制在10%**以内。

第二阶段

阶段二：优化和完善解密算法（2024.07.30 - 2024.10.29） 目标： 1. 优化解密算法，提升解密准确性和效率。 2. 在实际的Hive环境中进行测试，验证算法的实用性。 3. 降低算法对系统性能的影响。 完成情况：100% 详细描述：效率提升：优化了解密流程，减少了不必要的计算，提高了解密速度。准确率提高：改进了算法的关键模块，增强了对复杂加密流量的处理能力。资源优化：通过资源管理和优化，减少了算法对CPU和内存的占用，将对系统性能的影响降低至**5%**以内。

第三阶段

阶段三：开发敏感数据自动检测系统（2024.10.29 - 2025.1.29） 目标： 1. 开发Hive数据的敏感数据自动检测系统。 2. 实现敏感数据的自动识别与分类。 3. 在实验环境中进行系统的初步测试，评估系统的准确性和性能。 4. 控制误报率，并优化系统在大数据环境下的处理能力.

完成情况：100% 详细描述：敏感数据识别与分类技术研究：针对Hive数据中的敏感信息，进行了全面的技术调研，并选择了适合的敏感数据检测方法。该方法结合了正则表达式与基于机器学习的分类模型，以适应不同类型的敏感信息。系统架构设计与开发：设计并实现了敏感数据自动检测系统的初步架构，系统包括数据输入模块、预处理模块、敏感数据检测模块以及结果输出模块。整合了现有的Hive查询引擎与敏感数据检测模块，确保其可以在数据写入、查询等操作中实时对敏感数据进行检测初步测试与优化：在模拟环境中对系统进行了初步测试，测试数据包括各种类型的敏感信息。初步测试结果表明，系统能够成功识别并分类70%的敏感数据类型。

第四阶段

阶段四：优化和完善解密算法（2025.01.29 - 2024.04.02） 目标： 1. 设计并实现解密后数据的动态再加密机制，确保敏感数据在后续处理中的持续安全； 2. 将再加密模块集成至Hive数据处理流程，实现全链路安全防护； 3. 完成系统综合测试，验证再加密机制对性能的影响及安全性； 4. 优化加密策略，确保处理效率与安全性的平衡。

Daily Problem

更新: 5/3/2025 字数: 0 字 时长: 0 分钟