[发明专利]截屏数据脱敏方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能领域，涉及一种截屏数据脱敏方法，包括获取敏感数据样本集，将预处理后的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，根据校正数据集获得训练数据集，将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，根据识别结果确定损失函数，并基于损失函数对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，将当前截屏数据输入敏感数据识别模型，识别出敏感数据，对敏感数据进行脱敏处理。本申请还提供一种截屏数据脱敏装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，敏感数据可存储于区块链中。本申请可以提升敏感数据的安全性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种截屏数据脱敏方法、装置、计算机设备及存储介质。

背景技术

信息技术为现代社会的发展提供了强有力的支撑，大数据的蓬勃发展为现代科技带来了新的起点，海量的数据广泛应用于医疗、人社、保险、税务、银行等行业以及社交网络这类数据平台。随着各类数据平台和信息系统的采集，汇聚越来越多与个人隐私信息相关的敏感数据，在为人们带来便利的同时也容易涉及到隐私泄露的问题，个人隐私面临巨大风险。大量未经脱敏处理的敏感数据在互联网上存储使用，极易遭受不法分子的盗取，并利用敏感数据进行牟利。敏感数据的泄露不仅对平台自身的核心机密、同行业竞争力和市场声誉造成了严重的影响，也对用户的隐私和个人信息安全造成不同程度的危害。如何采取有效措施对用户的隐私进行保护一直是一个亟待解决的问题。

发明内容

本申请实施例的目的在于提出一种截屏数据脱敏方法、装置、计算机设备及存储介质，以解决相关技术中敏感数据安全性不足，容易泄露的技术问题。

为了解决上述技术问题，本申请实施例提供一种截屏数据脱敏方法，采用了如下所述的技术方案：

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。

进一步的，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。

进一步的，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。