[发明专利]数据脱敏方法、装置、设备及计算机可读存储介质

权利要求书

1.一种数据脱敏方法，其特征在于，包括：

获取包含敏感数据的文本信息；

基于预先建立的规则库和自适应敏感数据识别模型，对所述文本信息中的字段数据进行识别和分类处理，得到数据表；

将所述数据表转换为数据表字段矩阵，并确定所述数据表字段矩阵中的字段类别；

根据所述数据表字段矩阵中的字段类别，确定所述数据表对应的目标敏感等级；

根据预先建立的敏感等级与脱敏策略之间的对应关系，确定所述目标敏感等级对应的脱敏策略；

根据所述目标敏感等级对应的脱敏策略，对所述敏感数据进行脱敏处理。

2.根据权利要求1所述的方法，其特征在于，在所述获取包含敏感数据的文本信息之前，所述方法还包括：

获取包含样本敏感数据的训练数据，所述训练数据包括结构化数据表；

根据所述结构化数据表中的熵与最大熵，定义所述结构化数据表中的属性敏感度；

以所述属性敏感度作为聚类分析的数据点，利用目标聚类算法识别所述样本敏感数据的属性敏感度；

基于关联规则挖掘算法建立属性间的关联关系，并将所述训练数据划分为敏感属性集与非敏感属性集；

将所述敏感属性集和所述非敏感属性集代入预先建立的机器学习模型，并基于目标分类算法对所述机器学习模型进行训练，得到训练好的所述自适应敏感数据识别模型。

3.根据权利要求1所述的方法，其特征在于，所述基于预先建立的规则库和自适应敏感数据识别模型，对所述文本信息中的字段数据进行识别和分类处理，得到数据表，具体包括：

构建由正则表达式和/或字段信息组成的所述规则库，所述字段信息包括字段类别和字段描述；

基于所述规则库中存储的所述正则表达式和/或所述字段信息，对所述文本信息中的字段进行识别；

在所述文本信息中的字段能够被识别的情况下，对于所述文本信息中与所述正则表达式和/或所述字段信息匹配的目标字段进行标记；

在所述文本信息中的字段无法被识别的情况下，调用所述自适应敏感数据识别模型对所述文本信息中的字段进行识别。

4.根据权利要求3所述的方法，其特征在于，所述基于所述规则库中存储的所述正则表达式和/或所述字段信息，对所述文本信息中的字段进行识别，具体包括：

对所述文本信息中各列对应的全部属性值依次进行识别，并基于所述规则库中存储的所述正则表达式和/或所述字段信息对于所述属性值进行分类；

统计被检测的各列对应的全部属性值的分类分布情况；

对于任意第i列，若所述第i列中的频数最高的类别对应的属性值的数量占据所述第i列中的全部属性值的总数的比例超过第一预设阈值，则将所述第i列的类别标记为频数最高的类别，i为正整数；

若所述第i列中的频数最高的类别对应的属性值的数量占据所述第i列中的全部属性值的总数的比例小于或等于所述第一预设阈值，则将第i列的类别标记为无法识别。

5.根据权利要求1所述的方法，其特征在于，所述将所述数据表转换为数据表字段矩阵，并确定所述数据表字段矩阵中的字段类别，具体包括：

构建数据表维度分类类别库；

根据所述数据表和所述数据表维度分类类别库中记录的字段，使用独热编码构建所述数据表字段矩阵，所述数据表字段矩阵包括多个字段及各个字段对应的向量属性值；

将所述数据表字段矩阵输入预先训练的随机森林算法模型，预测所述数据表字段矩阵对应的数据表的类别；

所述根据所述数据表字段矩阵中的字段类别，确定所述数据表对应的目标敏感等级，具体包括：

根据所述数据表字段矩阵对应的数据表的类别，确定所述数据表对应的目标敏感等级。

6.根据权利要求5所述的方法，其特征在于，所述根据所述数据表字段矩阵对应的数据表的类别，确定所述数据表对应的目标敏感等级，具体包括：

构建数据表类别与敏感等级之间的对应关系；

根据数据表类别与敏感等级之间的对应关系，确定所述数据表的类别对应的至少一个敏感等级；

按照预设的优先级排列顺序，从所述至少一个敏感等级中选取优先级最高的敏感等级作为所述数据表对应的目标敏感等级。