[发明专利]数据表中隐私数据的发现与分类方法

摘要

本发明实施例提供了一种数据表中隐私数据的发现与分类方法。该方法主要预先设定各个隐私数据种类对应的隐私数据分析规则；提取数据表中的采样数据；按照设定的隐私数据种类分析顺序和所述各个隐私数据种类对应的隐私数据分析规则，对所述采样数据进行隐私数据分析，根据分析结果发现所述采样数据中的身份证号码、邮政编码、营业执照号、组织机构代码、纳税人识别号、电子邮件地址、企业名称、电话号码、中文姓名和地址共10种隐私数据种类，高效率地将企业应用数据库的数据表中的关键数据找出来并归类，能够极大地减小了工作量、缩短工作时间。

主权项

一种数据表中隐私数据的发现与分类方法，其特征在于，包括：预先设定各个隐私数据种类对应的隐私数据分析规则；提取数据表中的采样数据；按照设定的隐私数据种类分析顺序和所述各个隐私数据种类对应的隐私数据分析规则，对所述采样数据进行隐私数据分析，根据分析结果发现所述采样数据中的隐私数据种类；所述的预先设定各个隐私数据种类对应的隐私数据分析规则，包括：选取身份证号码、邮政编码、营业执照号、组织机构代码、纳税人识别号、电子邮件地址、企业名称、电话号码、中文姓名和中国地址共10种隐私数据种类，分别设定所述10种隐私数据种类对应的隐私数据分析规则，构造隐私数据种类对应的数据字典，该数据字典中存储了对应的隐私数据种类中的典型数据；所述的预先设定各个隐私数据种类对应的隐私数据分析规则，包括：针对每个隐私数据种类设置一个或者多个计数器；将所述中文姓名种类的隐私数据划分为姓名、姓氏和名字三个子类，并对姓名、姓氏和名字三个子类分别设置一个计数器，针对所用到的姓氏字典设置一个数组计数器；将所述电话号码种类的隐私数据划分为混合电话号码、移动电话号码、固话号码和疑似电话号码四个子类，并对移动电话号码、固话号码和疑似电话号码分别设置一个计数器；将所述中国地址种类的隐私数据划分为省、市、县、镇、村和街道/路六个级别，根据所述六个级别衍生出21个子类，分别是：省、省到市、省到县、省到镇、省到村、省到路、市、市到县、市到镇、市到村、市到路、县、县到镇、县到村、县到路、镇、镇到村、镇到路、村、村到路、路；对省/直辖市/自治区、地市/自治州、县、乡/镇、村和道路六个级别分别设置一个计数器；将其余七种隐私数据每种类型分别设置一个计数器；所述的按照设定的隐私数据种类分析顺序和所述各个隐私数据种类对应的隐私数据分析规则，对所述采样数据进行隐私数据分析，根据分析结果发现所述采样数据中的隐私数据种类，包括：选取所述采样数据中的第一张数据表的第一行数据记录的数据，对所述第一行数据记录的数据进行拆分，得到多个字段的数据，选取第一个字段的数据，当所述第一个字段的类型为数值类型的字段，且长度为6位或以上，没有小数位，则依次按照邮政编码、营业执照号和电话号码对应的隐私数据分析规则，对所述第一个字段的数据进行隐私数据分析；当所述第一个字段的类型为字符串类型的字段，且长度大于等于2，则依次按照身份证号码、邮政编码、营业执照号、纳税人识别号、组织机构代码、电子邮件地址、企业名称、电话号码、中文姓名和地址对应的隐私数据分析规则，对所述第一个字段的数据进行隐私数据分析；当所述第一个字段的数据和某个隐私数据分析规则匹配时，则将所述某个隐私数据分析规则对应的隐私数据种类的计数器的计数值加一；选取第二个字段的数据，按照所述第一个字段的数据的隐私数据的分析过程，对所述第二个字段的数据进行隐私数据分析，依次类推，对所述第一行数据记录中的每个字段的数据进行隐私数据分析；选取所述采样数据中的第二行数据记录的数据，按照所述第一行数据记录的数据的隐私数据的分析过程，对所述第二行数据记录的数据进行隐私数据分析，依次类推，对所述采样数据中的所有数据表中的所有行数据记录的数据进行隐私数据分析；读取某个数据表中的每一个字段对应的隐私数据种类的计数器的计数值，当某个字段对应的某个隐私数据种类的计数器的计数值达到设定的隐私数据判定阈值，则判断该字段的数据类型为所述某个隐私数据种类。