[發明專利]一種基于大數據的隱私數據分級方法和裝置

有效

• 申請號: 201810565726.8
• 申請日: 2018-06-04
• 公開（公告）號: CN108763961B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 劉曉鵬;張志群;劉智國;朱廣宇;楊豐源;孫浩楠;李建忠;趙云龍;唐球;盧凱;陳波;秦媛媛;張松清;張宏斌;于增明
• 申請（專利權）人: 中國電子信息產業集團有限公司第六研究所
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 郭新娟

本申請提供了一種基于大數據的隱私數據分級方法和裝置，用于解決現有技術中對隱私數據的分類遺漏和分級不準，也無法快速感知公眾對隱私數據敏感度的變化，導致隱私數據泄露影響信息安全的問題。所述方法包括：由待處理隱私數據中提取多個高頻的關鍵詞，取詞頻在第一預設閾值之上的所述關鍵詞生成高頻詞集合；基于所述高頻詞集合確定所述待處理隱私數據的隱私分類；基于采集的大數據中已分類和分級的所述隱私數據中，詞頻在第二預設閾值之上的所述關鍵詞建立高頻詞矩陣；以所述高頻詞矩陣和所述待處理隱私數據的所述隱私分類，對所述待處理隱私數據進行分級處理，得到所述待處理隱私數據的隱私分級。

技術領域

本申請涉及數據處理技術領域，具體而言，涉及一種基于大數據的隱私數據分級方法和裝置。

背景技術

隨著互聯網和大數據技術的發展，隱私數據安全已經成為時下人們最為關注的問題之一。數據傳遞的日益便捷化，能夠方便生活之外，還能夠創造巨大生產價值，但是，出同樣由于數據傳遞的便捷，數據中的隱私數據在傳遞過程中也可能帶來私密信息泄露，存在安全隱患。因此，隱私數據的保護越來越受到人們重視，而基于大數據的隱私數據的分類分級技術是隱私保護的關鍵技術之一。

當前對隱私數據保護的研究，主要集中于對隱私屬性及其分類的研究和基本分類或分級后的隱私數據保護的研究，而對隱私數據分類分級的手段，還基本停留在人工設定隱私數據的種類或等級。由于隱私數據的復雜性，人工分類分級存在不能及時響應，認識的局限性以及偏差，容易導致分類遺漏和分級不準，也無法快速感知公眾對隱私數據敏感度的變化，導致一些已經不再敏感或某些因突發事件而敏感度急升的信息，不能自適應的調整隱私數據的分類分級，造成數據不能充分變現，以上因素都可能導致隱私數據泄露等信息安全事故。

發明內容

有鑒于此，本申請的目的在于提供一種基于大數據的隱私數據分級方法和裝置，用于解決現在技術中對隱私數據的分類遺漏和分級不準，也無法快速感知公眾對隱私數據敏感度的變化，導致隱私數據泄露影響信息安全的問題。

第一方面，本申請實施例提供了一種基于大數據的隱私數據分級方法，包括：

由待處理隱私數據中提取多個高頻的關鍵詞，取詞頻在第一預設閾值之上的所述關鍵詞生成高頻詞集合；

基于所述高頻詞集合確定所述待處理隱私數據的隱私分類；

基于采集的大數據中已分類和分級的所述隱私數據中，詞頻在第二預設閾值之上的所述關鍵詞建立高頻詞矩陣；

以所述高頻詞矩陣和所述待處理隱私數據的所述隱私分類，對所述待處理隱私數據進行分級處理，得到所述待處理隱私數據的隱私分級。

可選的，所述由所述待處理隱私數據中提取多個高頻的所述關鍵詞，取詞頻在所述第一預設閾值之上的所述關鍵詞生成所述高頻詞集合，包括：

通過詞頻TF技術由所述待處理隱私數據中提取多個高頻的所述關鍵詞；

通過逆文件頻率IDF技術由提取到的所述關鍵詞中，取詞頻在所述第一預設閾值之上的所述關鍵詞生成所述高頻詞集合。

可選的，所述基于所述高頻詞集合確定所述待處理隱私數據的隱私分類，包括：

采取樸素貝葉斯方法將所述高頻詞集合中的所述關鍵詞作為屬性對所述待處理隱私數據進行分類，確定所述待處理隱私數據的所述隱私分類。

可選的，所述基于采集的大數據中已分類和分級的所述隱私數據中，詞頻在第二預設閾值之上的所述關鍵詞建立高頻詞矩陣，包括：

根據詞頻在所述第二預設閾值之上的所述關鍵詞建立高頻詞詞庫；

以所述高頻詞詞庫中的每一個所述關鍵詞為例元素，以所述隱私數據為行元素建立所述高頻詞矩陣；