[发明专利]基于实体命名识别的数据快速脱敏系统及方法

权利要求书

1.一种基于实体命名识别的数据快速脱敏系统，其特征在于，包括：

聚类模块，用于对待处理文本数据进行聚类，得到多个目标聚类簇团；

实体命名识别模块，用于对每个所述目标聚类簇团的聚类中心数据进行实体命名识别，得到所述聚类中心数据的识别标签；以及将所述聚类中心数据的识别标签与预设敏感信息标签进行对比，得到对比结果；

脱敏模块，用于基于所述对比结果对存在敏感信息的目标聚类簇团进行脱敏处理；其中，存在敏感信息的目标聚类簇团为包括目标聚类中心数据所在的目标聚类簇团；所述目标聚类中心数据的识别标签与所述预设敏感信息标签相同；

所述聚类模块，还具体用于采用混合采样法对所述待处理文本数据进行采样，得到P个表征；基于预设聚类算法将所述P个表征分为Z个代表性聚类簇；采用三角不等式搜索策略从所述Z个代表性聚类簇搜查出所述待处理文本数据中的每个样本数据的K邻近表征；基于所述待处理文本数据中的每个样本数据的K邻近表征，得到所述多个目标聚类簇团；

所述聚类模块，还具体用于计算每个所述样本数据的K邻近表征的局部密度以及相对距离；基于每个所述样本数据的K邻近表征的局部密度以及相对距离重新确定聚类中心；并基于重新确定的聚类中心，生成多个所述目标聚类簇团。

2.根据权利要求1所述的基于实体命名识别的数据快速脱敏系统，其特征在于，所述待处理文本数据为；为所述样本数据，；所述聚类模块还具体用于确定出距离最近的代表性聚类簇；采用所述三角不等式搜索策略从距离最近的代表性聚类簇中搜查出所述的K邻近表征；其中，依次为。

3.根据权利要求1所述的基于实体命名识别的数据快速脱敏系统，其特征在于，所述聚类模块，还具体用于基于密度峰值聚类算法对所述待处理文本数据进行聚类，得到所述多个目标聚类簇团。

4.根据权利要求1所述的基于实体命名识别的数据快速脱敏系统，其特征在于，所述对比结果中还包括位置信息；其中，所述位置信息表征所述目标聚类中心数据的识别标签在所述待处理文本数据中的位置。

5.根据权利要求1所述的基于实体命名识别的数据快速脱敏系统，其特征在于，所述脱敏模块，还具体用于通过预设字符替换存在敏感信息的目标聚类簇团对应的文本数据。

6.根据权利要求1所述的基于实体命名识别的数据快速脱敏系统，其特征在于，所述脱敏模块，还具体用于基于所述目标聚类中心数据的识别标签，确定预设脱敏规则；基于所述预设脱敏规则对存在敏感信息的目标聚类簇团进行脱敏处理；其中，所述预设脱敏规则与所述预设敏感信息标签对应。

7.一种基于实体命名识别的数据快速脱敏方法，其特征在于，包括：

获取待处理文本数据；

对所述待处理文本数据进行聚类，得到多个目标聚类簇团；

对每个所述目标聚类簇团的聚类中心数据进行实体命名识别，得到所述聚类中心数据的识别标签；以及将所述聚类中心数据的识别标签与预设敏感信息标签进行对比，得到对比结果；

基于所述对比结果对存在敏感信息的目标聚类簇团进行脱敏处理；其中，存在敏感信息的目标聚类簇团为包括目标聚类中心数据所在的目标聚类簇团；所述目标聚类中心数据的识别标签与所述预设敏感信息标签相同；

所述对所述待处理文本数据进行聚类，得到多个目标聚类簇团，包括：采用混合采样法对所述待处理文本数据进行采样，得到P个表征；基于预设聚类算法将所述P个表征分为Z个代表性聚类簇；采用三角不等式搜索策略从所述Z个代表性聚类簇搜查出所述待处理文本数据中的每个样本数据的K邻近表征；基于所述待处理文本数据中的每个样本数据的K邻近表征，得到所述多个目标聚类簇团；

所述方法还包括：计算每个所述样本数据的K邻近表征的局部密度以及相对距离；基于每个所述样本数据的K邻近表征的局部密度以及相对距离重新确定聚类中心；并基于重新确定的聚类中心，生成多个所述目标聚类簇团。