[發(fā)明專利]基于敏感數(shù)據(jù)的脫敏方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910486536.1
• 申請(qǐng)日: 2019-06-05
• 公開(kāi)（公告）號(hào): CN110188571A
• 公開(kāi)（公告）日: 2019-08-30
• 發(fā)明（設(shè)計(jì)）人: 李適季;周蒞濤;施全立;白林;陳天立;張宏偉
• 申請(qǐng)（專利權(quán)）人: 深圳市優(yōu)網(wǎng)科技有限公司
• 主分類號(hào): G06F21/62
• 分類號(hào): G06F21/62
• 代理公司: 北京酷愛(ài)智慧知識(shí)產(chǎn)權(quán)代理有限公司 11514
• 代理人: 占麗君

本發(fā)明提供的基于敏感數(shù)據(jù)的脫敏方法，獲取待脫敏數(shù)據(jù)；當(dāng)待脫敏數(shù)據(jù)的數(shù)據(jù)量滿足k?means算法閾值時(shí)，采用k?means改進(jìn)算法對(duì)待脫敏數(shù)據(jù)進(jìn)行分組劃分，并加入Laplace噪聲對(duì)劃分后的待脫敏數(shù)據(jù)進(jìn)行脫敏；當(dāng)待脫敏數(shù)據(jù)的數(shù)據(jù)量滿足匹配替換閾值時(shí)，采用匹配替換方法對(duì)待脫敏數(shù)據(jù)進(jìn)行脫敏；其中匹配替換方法包括根據(jù)預(yù)設(shè)的變量類型、以關(guān)鍵字為原則對(duì)待脫敏數(shù)據(jù)進(jìn)行替換。該方法可靈活配置、支持多數(shù)據(jù)源、多種數(shù)據(jù)脫敏算法。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)脫敏技術(shù)領(lǐng)域，具體涉及基于敏感數(shù)據(jù)的脫敏方法及系統(tǒng)。

背景技術(shù)

目前，個(gè)人隱私保護(hù)問(wèn)題己經(jīng)引起了公眾的廣泛關(guān)注，不僅在我國(guó)，在歐盟和美國(guó)也有新增立法保護(hù)個(gè)人信息。由此可見(jiàn)，如果不能解決由于大數(shù)據(jù)發(fā)布或共享導(dǎo)致的個(gè)人隱私泄露的問(wèn)題，將給相關(guān)數(shù)據(jù)發(fā)布和使用方帶來(lái)嚴(yán)重的法律風(fēng)險(xiǎn)，進(jìn)而阻礙大數(shù)據(jù)技術(shù)的應(yīng)用和發(fā)展。

針對(duì)隱私保護(hù)問(wèn)題，Samarati和Sweeney于1998年首次提出了匿名化的概念，為了在數(shù)據(jù)共享過(guò)程中實(shí)現(xiàn)匿名化，最初使用傳統(tǒng)脫敏算法通過(guò)對(duì)數(shù)據(jù)直接進(jìn)行亂序、掩蓋、統(tǒng)一泛化等操作達(dá)到保護(hù)用戶隱私的目的。

泛化是對(duì)數(shù)據(jù)中某個(gè)準(zhǔn)標(biāo)識(shí)屬性，通過(guò)將具體值替換為描述屬性的取值范圍，來(lái)達(dá)到匿名化操作的方法。泛化操作包括值泛化和域泛化。域泛化又稱全域重編碼，以電話號(hào)碼為例，一個(gè)88888888被泛化成8888888*，實(shí)現(xiàn)表達(dá)一個(gè)更大的范圍。以此類推，再被泛化成888888**,直至********。某屬性的值域經(jīng)多次泛化形成的域泛化層次結(jié)構(gòu)被稱為域泛化。泛化層次越高，信息損失越大。值泛化又稱局域重編碼，指的是將原始屬性域中的每個(gè)值直接泛化成一般域中的某一值。值泛化關(guān)系同樣可以決定值泛化層。相比域泛化，值泛化擁有更高的靈活性，可以有效降低泛化帶來(lái)的信息損失。

隱匿，可視為最高級(jí)別的泛化，是指用最一般化的值代替原始值。即為用固定屬性值代替該列的所有屬性值。在數(shù)據(jù)匿名化操作的過(guò)程中，如果一些元組無(wú)法滿足匿名規(guī)則的要求，一般會(huì)采取隱匿操作。被隱匿的屬性值所在記錄可以直接從數(shù)據(jù)表中刪除，或者相應(yīng)屬性值用統(tǒng)一屬性代替，以保持統(tǒng)計(jì)特性。

但是現(xiàn)有的脫敏方法也難以滿足大數(shù)據(jù)背景下的隱私保護(hù)需求。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于敏感數(shù)據(jù)的脫敏方法及系統(tǒng)，可靈活配置、支持多數(shù)據(jù)源、多種數(shù)據(jù)脫敏算法。

第一方面，一種基于敏感數(shù)據(jù)的脫敏方法，

獲取待脫敏數(shù)據(jù)；

當(dāng)待脫敏數(shù)據(jù)的數(shù)據(jù)量滿足k-means算法閾值時(shí)，采用k-means改進(jìn)算法對(duì)待脫敏數(shù)據(jù)進(jìn)行分組劃分，并加入Laplace噪聲對(duì)劃分后的待脫敏數(shù)據(jù)進(jìn)行脫敏；

當(dāng)待脫敏數(shù)據(jù)的數(shù)據(jù)量滿足匹配替換閾值時(shí)，采用匹配替換方法對(duì)待脫敏數(shù)據(jù)進(jìn)行脫敏；其中匹配替換方法包括根據(jù)預(yù)設(shè)的變量類型、以關(guān)鍵字為原則對(duì)待脫敏數(shù)據(jù)進(jìn)行替換。

優(yōu)選地，所述變量類型包括數(shù)值、字符串、時(shí)間和正則表達(dá)式。

優(yōu)選地，當(dāng)變量類型為數(shù)值時(shí)，所述匹配替換方法包括：

提取出所述待脫敏數(shù)據(jù)的數(shù)字符號(hào)；

計(jì)算所述數(shù)字符號(hào)的數(shù)值長(zhǎng)度，并進(jìn)行超限處理，以獲得初始數(shù)值；

將所述初始數(shù)值轉(zhuǎn)化為字符串；

根據(jù)所述數(shù)值長(zhǎng)度和預(yù)設(shè)的數(shù)值脫敏范圍，將字符串中指定字符轉(zhuǎn)化為掩碼；

將轉(zhuǎn)化后的字符串進(jìn)行數(shù)字化后，輸出。

優(yōu)選地，當(dāng)變量類型為字符串時(shí)，所述匹配替換方法包括：

提取出所述待脫敏數(shù)據(jù)的字符串；