[发明专利]截屏数据脱敏方法、装置、计算机设备及存储介质

权利要求书

1.一种截屏数据脱敏方法，其特征在于，包括下述步骤：

获取敏感数据样本集，对所述敏感数据样本集进行预处理；

将预处理后的所述敏感数据样本集输入方向分类校正模型进行方向校正，得到校正数据集；

根据所述校正数据集获得训练数据集，将所述训练数据集输入预构建的初始敏感数据识别模型进行训练，输出识别结果；

根据所述识别结果确定损失函数，并基于所述损失函数对所述初始敏感数据识别模型进行迭代更新，输出训练完成的敏感数据识别模型；

获取当前截屏数据，将所述当前截屏数据输入所述敏感数据识别模型，识别出敏感数据；

对所述敏感数据进行脱敏处理，得到脱敏数据。

2.根据权利要求1所述的截屏数据脱敏方法，其特征在于，所述初始敏感数据识别模型包括文本检测层、卷积网络层、循环网络层以及转录层，所述将所述训练数据集输入预构建的初始敏感数据识别模型进行训练，输出识别结果的步骤包括：

将所述训练数据集输入所述文本检测层中进行文本区域检测，输出文本区域数据；

通过所述卷积网络层对所述文本区域数据进行特征提取，得到敏感特征；

将所述敏感特征输入循环网络层进行分类预测，输出分类预测结果；

通过所述转录层对所述分类预测结果进行对齐操作，得到识别结果。

3.根据权利要求2所述的截屏数据脱敏方法，其特征在于，所述将所述训练数据集输入所述文本检测层中进行文本区域检测，输出文本区域数据的步骤包括：

通过所述文本检测层将所述训练数据集中的校正数据划分为第一预设数量的网格单元，并为每个所述网格单元预测第二预设数量的预测边框以及每个所述预测边框对应的置信度；

筛选出与真实文本框的交并比最大的预测边框作为预测文本框；

输出标注有所述预测文本框的所述校正数据作为文本区域数据。

4.根据权利要求2所述的截屏数据脱敏方法，其特征在于，所述循环网络层包括LSTM层、全连接层以及softmax层，所述将所述敏感特征输入循环网络层进行分类预测，输出分类预测结果的步骤包括：

通过所述LSTM层的前向层和后向层对敏感特征进行特征提取，分别得到前向隐藏层特征和后向隐藏层特征；

将所述前向隐藏层特征和所述后向隐藏层特征输入所述全连接层，按照位置拼接得到隐藏层状态，根据所述隐藏层状态获得敏感序列特征；

通过softmax层对所述敏感序列特征进行预测，得到分类预测结果。

5.根据权利要求1所述的截屏数据脱敏方法，其特征在于，所述基于所述损失函数对所述初始敏感数据识别模型进行迭代更新，输出训练完成的敏感数据识别模型的步骤包括：

基于所述损失函数调整所述初始敏感数据识别模型的模型参数；

当满足迭代结束条件时，根据所述模型参数生成敏感数据识别模型。

6.根据权利要求2所述的截屏数据脱敏方法，其特征在于，所述根据所述识别结果确定损失函数的步骤包括：

按照如下公式计算所述损失函数：

L＝-∑_(x,y)∈Slnp(y|x)

其中，x为敏感特征，y为识别结果，S为训练数据集，p(y|x)为输入为x，输出为y的概率。

7.根据权利要求1所述的截屏数据脱敏方法，其特征在于，所述对所述敏感数据进行脱敏处理，得到脱敏数据的步骤包括：

提取所述敏感数据所在的图片区域；

将预设遮挡图层覆盖于所述图片区域。