[發明專利]非結構化數據訪問時的數據脫敏方法、裝置、設備及介質

有效

• 申請號: 201810937005.5
• 申請日: 2018-08-16
• 公開（公告）號: CN109325326B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 劉川意;方濱興;潘鶴中;段少明;韓培義
• 申請（專利權）人: 深圳云安寶科技有限公司
• 主分類號: G06F21/31
• 分類號: G06F21/31;G06F21/62;G06F16/33;G06F16/35;G06N3/04
• 代理公司: 深圳青年人專利商標代理有限公司 44350
• 代理人: 吳桂華

1.一種非結構化數據訪問時的數據脫敏方法，其特征在于，所述方法包括下述步驟：

接收用戶發送的數據訪問權限的申報請求，根據所述申報請求，對所述用戶的用戶訪問權限進行審核，以得到對應的用戶訪問權限；

當所述申報請求審核通過后，接收所述用戶對預先建立的數據庫中非結構化數據的查詢請求，并根據所述用戶訪問權限對所述查詢請求進行審核；

當所述查詢請求審核通過后，根據所述查詢請求，在所述數據庫中進行數據查詢操作，得到對應的未脫敏數據；

通過預先建立的敏感數據識別與脫敏引擎對得到的所述未脫敏數據進行敏感數據識別及脫敏處理，得到對應的脫敏數據，將得到的所述脫敏數據返回給所述用戶，以實現所述用戶對所述數據庫中非結構化數據的訪問；

通過預先建立的敏感數據識別與脫敏引擎對得到的所述未脫敏數據進行敏感數據識別及脫敏處理的步驟，包括：

通過所述敏感數據識別與脫敏引擎對所述未脫敏數據進行數據類型分析，以確定所述未脫敏數據是否為圖片數據或者文本文檔數據；

當分析出所述未脫敏數據為圖片數據時，通過預先訓練好的圖片信息識別與脫敏模型對所述圖片數據中的敏感信息進行識別及脫敏，以完成對所述未脫敏數據的脫敏操作，所述圖片信息識別與脫敏模型包括文本檢測模型和文字識別模型；

通過預先訓練好的圖片信息識別與脫敏模型對所述圖片數據中的敏感信息進行識別及脫敏的步驟之前，所述方法還包括：

結合VGG-16卷積神經網絡和LSTM網絡對所述文本檢測模型進行訓練，其中，所述文本檢測模型訓練過程中回歸的參數包括文本框分類數值、文本框中心點的橫縱坐標及文本框的高度和寬度；

通過預先訓練好的圖片信息識別與脫敏模型對所述圖片數據中的敏感信息進行識別及脫敏的步驟，包括：

步驟1、通過所述文本檢測模型對所述圖片數據進行文本區域定位；

步驟2、通過所述文字識別模型對所述定位到的文本區域中的文字信息進行識別；

步驟3、根據所述用戶訪問權限，對識別出的所述文字信息進行敏感信息匹配，并對匹配出的所述敏感信息進行加密，以完成對所述未脫敏數據的脫敏操作；

其中，所述步驟1包括：

(1)利用該文本檢測模型中已訓練好參數的VGG-16卷積神經網絡的卷積部分提取圖片數據中的圖片特征，得到對應的特征圖；

(2)通過RPN網絡在步驟(1)中得到的最后一層特征圖對應的圖片數據上生成文本建議區域；

(3)通過LSTM網絡根據步驟(1)得到的特征圖學習文本空間上下文信息，然后通過一個全連接層對學習到的特征進行融合；

(4)根據融合后的特征對步驟(2)得到的每個文本建議區域進行預測，若該文本建議區域被預測為文本區域，則對該文本建議區域對應的位置進行回歸，否則丟棄該文本建議區域；

(5)對位置回歸之后的文本建議區域進行位置去重，然后將屬于同一文本行的文本建議區域進行合并，得到文本框；

所述步驟3包括：

將所述步驟2識別得到的文本信息與第三方權限集中該用戶的訪問權限進行對比，找到不具備訪問權限的敏感信息；

根據該敏感信息，找到該敏感信息對應的文本區域中的文字區域；

將應該加密的該文字區域圖像值置為白色，并對該文字區域進行加密，返回加密后的圖片。

2.如權利要求1所述的方法，其特征在于，通過預先建立的敏感數據識別與脫敏引擎對得到的所述未脫敏數據進行敏感數據識別及脫敏處理的步驟，還包括：

當分析出所述未脫敏數據為文本文檔數據時，通過預設的文本文檔解析器對所述文本文檔數據的內容進行解析，并將解析出的內容按照文本數據或者圖片數據進行分類輸出，當輸出為文本數據時，根據所述用戶訪問權限對所述文本數據進行數據脫敏，當輸出為圖片數據時，跳轉到通過預先訓練好的圖片信息識別與脫敏模型對所述圖片數據的敏感信息進行識別及脫敏的步驟。

3.如權利要求2所述的方法，其特征在于，通過預先訓練好的圖片信息識別與脫敏模型對所述圖片數據中的敏感信息進行識別及脫敏的步驟之前，所述方法還包括：

結合CNN網絡算法和LSTM網絡對所述文字識別模型進行訓練。