[发明专利]文本数据的保密处理方法和装置

说明书

本说明书实施例提供了一种文本数据的保密处理方法和装置。该方法包括：得到原始文本数据；将所述原始文本数据输入预先训练的文本生成模型，得到该文本生成模型输出的相似文本数据；该相似文本数据与原始文本数据的文本内容不同，但，该相似文本数据与原始文本数据的语义相似度大于预定值；提供所述相似文本数据。本说明书实施例能够更为有效地阻止文本数据内容的泄露。

技术领域

本说明书一个或多个实施例涉及电子信息技术，尤其涉及文本数据的保密处理方法和装置。

背景技术

在很多业务场景中，需要对文本数据进行保密处理，以便在不破坏原文内容的情况下，阻止文本数据被泄露以及泄露之后的追溯。目前，主要是通过在文本数据的背景中增加水印的方式进行保密处理。水印不会破坏原有文本内容的语义，让阅读者能够获知文本的内容，并且，还能够通过所增加的水印来追查泄露途径。例如企业或者机构内网通常会在保密材料的背景上加上特有的水印信息，防止员工把信息直接截图或者拍照进行外发。

但是此种增加水印的方式，无法有效地阻止文本内容的泄露。

发明内容

本说明书一个或多个实施例描述了文本数据的保密处理方法和装置，能够更为有效地阻止文本内容的泄露。

根据第一方面，提供了一种文本数据的保密处理方法，其中，包括：

得到原始文本数据；

将所述原始文本数据输入预先训练的文本生成模型，得到该文本生成模型输出的相似文本数据；该相似文本数据与原始文本数据的文本内容不同，但，该相似文本数据与原始文本数据的语义相似度大于预定值；

提供所述相似文本数据。

其中，所述文本生成模型的训练方法包括如下中的至少一项：

针对第一文本数据，将该第一文本数据中的至少一个字符替换为该字符的同义字符，得到第一变换数据，利用该第一文本数据及该第一变换数据作为训练样本训练所述文本生成模型；

针对第二文本数据，在该第二文本数据中增加或者减少非语义字符，得到第二变换数据，利用该第二文本数据及该第二变换数据作为训练样本训练所述文本生成模型；其中，非语义字符为不改变语义的字符；

针对第三文本数据，改变该第三文本数据中至少一处文本内容的语序，得到第三变换数据，利用该第三文本数据及该第三变换数据作为训练样本训练所述文本生成模型。

其中，

所述得到该文本生成模型输出的相似文本数据，包括：得到该文本生成模型输出的至少两个版本的相似文本数据；不同版本的相似文本数据的文本内容不同；

所述提供所述相似文本数据，包括：

将各个阅读者划分在至少两个分组中；

将至少两个版本的相似文本数据分别分发给至少两个分组。

该方法进一步包括：

获取被泄露的相似文本数据；

根据被泄露的相似文本数据的版本，确定该被泄露的相似文本数据被分发到的分组；

将该分组中的阅读者确定为泄露方。

在所述得到该文本生成模型输出的相似文本数据之后，并在所述提供所述相似文本数据之前，进一步包括：

根据原始文本数据的语义，对文本生成模型输出的相似文本数据进行修正，以增加该相似文本数据与原始文本数据的语义相似度；

所述提供所述相似文本数据，包括：提供修正后的相似文本数据。

根据第二方面，提供了一种文本数据的保密处理装置，其中，包括：

原始文本获取模块，配置为得到原始文本数据；

文本生成模型，配置为对输入的所述原始文本数据进行模型处理，输出相似文本数据；该相似文本数据与原始文本数据的文本内容不同，但，该相似文本数据与原始文本数据的语义相似度大于预定值；