一种基于机器学习的烟草监管平台访问控制方法

本发明公开了一种基于机器学习的烟草监管平台访问控制方法，包括如下步骤：采集访问用户数据，以统一时间戳对齐，形成访问状态数据集；构建多级特征向量，将多级特征向量编码为状态向量；将状态向量输入改进型神经回路策略模型，输出访问控制决策；将所述访问控制决策与静态策略库、强制合规模块及时空配额账本进行冲突裁决，形成合成访问控制结果；在烟草监管平台的网关层或数据库代理层执行访问操作，生成携带证据信息的审计日志；进行在线微调或离线重训练。本发明通过改进型神经回路策略实现主决策与细粒度管控结合，提升了烟草监管平台的安全性、可解释性与自适应性。