[發(fā)明專利]一種保留分布特征的姓名脫敏方法

有效

• 申請?zhí)枺?/td>: 201910366230.2
• 申請日: 2019-05-05
• 公開（公告）號: CN110175468B
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 張江鑫;張名民;李建元;蔣立靚;沈曉宇;錢裕佳
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué);銀江股份有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種保留分布特征的姓名脫敏方法，其特征在于，所述方法包括如下步驟：

(1)收集待脫敏姓名數(shù)據(jù)；

(2)判斷待脫敏姓名數(shù)據(jù)是否符合規(guī)范，將異常數(shù)據(jù)放入異常數(shù)據(jù)集單獨(dú)處理；

(3)對合規(guī)的待脫敏數(shù)據(jù)進(jìn)行抽樣統(tǒng)計(jì)，對姓、名生成概率密度區(qū)間，分級設(shè)置權(quán)重生成概率密度權(quán)重區(qū)間；

(4)針對具體待脫敏姓名，分別判斷姓和名所在概率密度區(qū)間的級別，然后將姓名中的字分別轉(zhuǎn)化為Unicode碼，計(jì)算姓、名脫敏后所在的區(qū)間系數(shù)：

fNamecoef＝(2*Unicode₁+Unicode₂+Unicode₃)mod L₁

lName₁coef＝(Unicode₁+2*Unicode₂+Unicode₃)mod L₂

lName₂coef＝(Unicode₁+Unicode₂+2*Unicode₃)mod L₃

其中L₁、L₂、L₃為對應(yīng)級別的概率密度權(quán)重區(qū)間的總長度；

(5)根據(jù)(4)所得出的系數(shù)結(jié)合各級別的概率密度權(quán)重區(qū)間表得出脫敏后的名字。

2.如權(quán)利要求1所述的一種保留分布特征的姓名脫敏方法，其特征在于，所述異常數(shù)據(jù)，是指長度小于或等于1位及長度大于5位的姓名數(shù)據(jù)。

3.如權(quán)利要求1所述的一種保留分布特征的姓名脫敏方法，其特征在于，所述(3)的過程如下：

(3.1)將待脫敏姓名數(shù)據(jù)轉(zhuǎn)化為長度為n的一維數(shù)組作為抽樣的樣本空間：

Name＝[name₁，name₂，name₃，...，name_n]

(3.2)根據(jù)樣本空間Name大小確定抽樣數(shù)據(jù)集大小，建立均勻隨機(jī)采樣樣本，對樣本中的姓名進(jìn)行分割，分割成姓和其余字，分別統(tǒng)計(jì)生成概率密度表，根據(jù)概率分級設(shè)置權(quán)重，并設(shè)置每個姓的概率密度權(quán)重區(qū)間為[前面所有姓的權(quán)重之和，當(dāng)前姓權(quán)重加上前面所有姓的權(quán)重之和)，每個字的概率密度權(quán)重區(qū)間為[前面所有字的權(quán)重之和，當(dāng)前字權(quán)重加上前面所有字的權(quán)重之和)。

4.如權(quán)利要求3所述的一種保留分布特征的姓名脫敏方法，其特征在于，所述建立均勻隨機(jī)采樣樣本，具體為：

設(shè)置產(chǎn)生均勻隨機(jī)數(shù)的混合線性同余發(fā)生器：

X_i+1＝(aX_i+c)mod m， i≥0. 公式1

設(shè)置參數(shù)a、c、m及初始值X₀代入公式1進(jìn)行計(jì)算，根據(jù)拒絕采樣原理，生成均勻隨機(jī)序列：

[X₀，X₁，X₂，...，X_k]

其中，k表示均勻隨機(jī)序列的長度；

以產(chǎn)生的均勻隨機(jī)數(shù)作為索引，在樣本空間中查找對應(yīng)的姓名，形成均勻隨機(jī)采樣樣本。