本發明涉及數據網絡和數據安全，尤其涉及一種基于動態網絡分析的數據資產價值評估方法及系統。
背景技術：
1、在現有技術中，很多數據節點評估系統在對數據進行價值計算時，忽略了風險因素的動態變化。通常，這些系統依賴于靜態的節點特征，如質量值和訪問頻率，然而這些因素并不能反映節點在面對潛在風險時的實際價值。這導致了一種問題：當數據節點的風險發生變化時，系統無法及時調整節點的價值，從而影響了數據網絡的穩定性和安全性。
2、另外，現有的很多數據節點價值評估方法，對于節點間的關聯關系考慮不足。雖然節點與節點之間存在交互作用，但很多傳統技術在計算節點價值時，只是簡單地把各個節點的特征獨立地評估，并沒有綜合考慮節點間的風險傳播效應。這樣，整個網絡的風險和價值評估就會缺乏全局視角，無法精準反映數據網絡中各個節點的真實情況。
3、再者，傳統的數據節點價值計算方法大多未能實時更新。在當前快速變化的數據環境中，數據節點的價值和風險是隨時可能變化的?？墒呛芏喱F有技術并未對這一點做出有效的反應，導致了它們的評估結果很可能是滯后的，這樣的數據處理方式很難滿足現代動態數據環境下的實際需求。
4、最后，傳統系統中的風險評估往往采用單一的、固定的風險模型。這種方法忽略了不同應用場景下的差異。舉個例子，某些行業需要對數據節點的隱私性和安全性有更高的要求，而現有技術并未根據這些行業特定的需求做出靈活的調整。這使得現有技術在多元化的實際場景中，無法做到最優的風險評估。
技術實現思路
1、為了彌補以上不足，本發明提供了一種基于動態網絡分析的數據資產價值評估方法及系統，旨在改善現有技術在面對快速變化的網絡環境和多元化的風險因素時，缺乏靈活性和精準度的問題。
2、第一方面，本發明提供了下技術方案，一種基于動態網絡分析的數據資產價值評估方法，包括以下步驟：
3、s1.?構建數據資產目錄，提取每個數據節點的數據特征向量，形成數據網絡，其中數據節點通過關聯關系連接，并為每條數據節點之間的關聯關系分配權重；
4、s2.?對每個數據節點進行質量評估，計算質量值，并基于數據節點與使用者需求之間的匹配度評估其匹配值，同時計算每個數據節點的訪問頻率，該訪問頻率用于后續的價值計算；
5、s3.?基于歷史數據和訪問日志，訓練圖神經網絡模型，利用該模型計算并動態更新數據節點之間的關聯權重，通過歷史風險事件數據集對數據進行標簽化，識別并標記敏感數據，并對這些數據節點的處理方式進行調整；
6、s4.?實時采集數據訪問事件并更新數據網絡中的數據節點關聯關系，基于實時數據變化，調整節點間的關聯強度，并定期更新每個數據節點的總價值；
7、s5.?對數據節點的風險進行評估，計算每個數據節點的風險觸發概率和潛在損失，并結合數據節點的即時效用及其風險值修正數據的最終價值；
8、s6.?輸出帶有風險修正的價值矩陣，其中包含每個數據節點對所有使用者的當前價值，并綜合計算整個數據網絡的總價值，以供后續決策支持使用。
9、較佳的，所述s1數據網絡中關聯關系權重通過訓練的圖神經網絡模型計算得出，圖神經網絡模型根據數據節點的關聯特征進行調整。
10、較佳的，所述s2數據節點的質量值基于數據的準確性、完整性和時效性進行評估，所述評估通過權重加權求得綜合質量值。
11、較佳的，所述s2數據節點與使用者需求之間的匹配度通過計算數據節點內容與使用者需求的相似性來評估，并根據相似性得分對匹配度進行加權處理。
12、較佳的，所述s5數據節點的即時效用由數據節點的質量值、匹配度和訪問頻率的加權系數組合計算而得，所述加權系數依據具體應用場景進行調整。
13、較佳的，所述s5數據節點的風險評估基于數據節點的敏感度和使用者的風險行為系數計算，敏感度反映數據的隱私性或安全性，風險行為系數表示使用者觸發風險的傾向性。
14、較佳的，所述s5數據節點的風險值根據計算風險觸發概率、損失值與風險傳播系數得出，所述風險傳播系數表示數據節點間風險的傳播強度。
15、第二方面，本發明提供以下技術方案，一種基于動態網絡分析的數據資產價值評估系統，包括：
16、數據輸入模塊，用于構建數據資產目錄并提取每個數據節點的數據特征向量；
17、數據處理模塊，用于執行數據血緣分析并構建數據節點之間的關聯關系圖譜；
18、模型訓練模塊，用于通過歷史數據訓練圖神經網絡模型并計算數據節點之間的關聯權重；
19、動態評估模塊，用于實時采集數據訪問事件并更新數據網絡圖中的關聯權重；
20、風險評估模塊，用于計算數據節點的風險值，并結合即時效用計算修正數據價值；
21、輸出模塊，用于輸出帶有風險修正的價值矩陣，并提供最終計算結果以供決策支持使用。
22、第三方面，該發明提供以下技術方案，一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述的一種基于動態網絡分析的數據資產價值評估方法。
23、第四方面，本發明提供以下技術方案，一種可讀存儲介質，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現上述的一種基于動態網絡分析的數據資產價值評估方法。
24、本發明具有下有益效果：
25、1、本發明中，采用基于數據關系的價值評估理論，綜合工程實施，達到了更加科學合理的評估數據入表時的價值效果。相較于現有技術中單一依賴靜態數據模型的方案，本發明通過動態分析數據間的關聯，解決了傳統評估方法無法全面反映數據間復雜關系的不足。
26、2、本發明中，實現了數據價值的網絡效應，通過關聯數據的使用，數據的價值呈指數級增長。與現有技術中缺乏聯動機制的評估方案相比，本發明能夠更好地體現數據間的相互作用，解決了傳統方法忽視網絡效應的不足。
27、3、本發明中，通過引入貝爾曼方程的迭代機制，實現了數據價值的動態更新，能夠實時反映數據使用過程中的變化。相比于現有技術中靜態更新的評估方式，本發明使得數據的價值評估更加合理和貼合實際，解決了傳統方法在動態環境中的適應性不足。
28、4、本發明中，將收益、風險與網絡效應相結合進行三維評估，提升了數據入表時的綜合評估精度。相比于現有技術中僅以收益為主導的評估方式，本發明能夠更全面地考慮風險和網絡效應，解決了傳統單一收益驅動模型無法處理復雜商業權衡的問題。
1.一種基于動態網絡分析的數據資產價值評估方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于動態網絡分析的數據資產價值評估方法，其特征在于，所述s1數據網絡中關聯關系權重通過訓練的圖神經網絡模型計算得出，圖神經網絡模型根據數據節點的關聯特征進行調整。
3.根據權利要求1所述的一種基于動態網絡分析的數據資產價值評估方法，其特征在于，所述s2數據節點的質量值基于數據的準確性、完整性和時效性進行評估，所述評估通過權重加權求得綜合質量值。
4.根據權利要求1所述的一種基于動態網絡分析的數據資產價值評估方法，其特征在于，所述s2數據節點與使用者需求之間的匹配度通過計算數據節點內容與使用者需求的相似性來評估，并根據相似性得分對匹配度進行加權處理。
5.根據權利要求1所述的一種基于動態網絡分析的數據資產價值評估方法，其特征在于，所述s5數據節點的即時效用由數據節點的質量值、匹配度和訪問頻率的加權系數組合計算而得，所述加權系數依據具體應用場景進行調整。
6.根據權利要求1所述的一種基于動態網絡分析的數據資產價值評估方法，其特征在于，所述s5數據節點的風險評估基于數據節點的敏感度和使用者的風險行為系數計算，敏感度反映數據的隱私性或安全性，風險行為系數表示使用者觸發風險的傾向性。
7.根據權利要求1所述的一種基于動態網絡分析的數據資產價值評估方法，其特征在于，所述s5數據節點的風險值根據計算風險觸發概率、損失值與風險傳播系數得出，所述風險傳播系數表示數據節點間風險的傳播強度。
8.一種基于動態網絡分析的數據資產價值評估系統，其特征在于，用于權利要求1-7任一項所述的一種基于動態網絡分析的數據資產價值評估方法，包括：
9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述的一種基于動態網絡分析的數據資產價值評估方法。
10.一種可讀存儲介質，其特征在于，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1至7任一項所述的一種基于動態網絡分析的數據資產價值評估方法。