[發明專利]數據脫敏方法及裝置

有效

• 申請號: 201910837553.5
• 申請日: 2019-09-05
• 公開（公告）號: CN110532805B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 楊華;李瀾;景峰;馬維青;張雪芹
• 申請（專利權）人: 國網山西省電力公司陽泉供電公司;國網匯通金財（北京）信息科技有限公司;國家電網有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F40/289;G06F40/216
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 錢娜

1.一種數據脫敏方法，其特征在于，包括：

獲得目標數據集合，所述目標數據集合包含相同內容類型的若干條數據記錄；

對所述數據記錄進行分詞處理，得到所述數據記錄的若干個分詞；

計算各個分詞在所有數據記錄的所有分詞中的出現頻率，并將所述出現頻率大于預設頻率閾值的分詞確定為特征分詞；

針對每條數據記錄，將所述數據記錄包含的特征分詞之外的分詞進行加密處理，以得到脫敏后的數據記錄；

針對每個所述脫敏后的數據記錄，將所述脫敏后的數據記錄包括的特征分詞進行編碼處理，以得到目標脫敏數據記錄。

2.根據權利要求1所述的數據脫敏方法，其特征在于，所述數據記錄的數據類型為文字；則對所述數據記錄進行分詞處理，得到所述數據記錄的若干個分詞，包括：

獲得與所述數據記錄的內容類型對應的前綴詞典，所述前綴詞典包括所述內容類型的多個數據語料，且每個數據語料對應有若干種分詞子結果；

在所述前綴詞典包括的數據語料中，確定所述數據記錄包含的目標數據語料；

分別從不同目標數據語料的分詞子結果中獲取一種分詞子結果并依次進行組合，得到所述數據記錄的分詞總結果；

在數據記錄的分詞總結果中，確定目標分詞總結果，其中所述目標分詞總結果用于表示所述數據記錄的若干個分詞。

3.根據權利要求2所述的數據脫敏方法，其特征在于，所述前綴詞典中的每種分詞子結果具有對應的出現概率值；

則所述在數據記錄的分詞總結果中，確定目標分詞總結果，包括：

針對數據記錄的每一種分詞總結果，從所述前綴詞典中獲得用于組合得到所述分詞總結果的分詞子結果的出現概率值；

將用于組合得到所述分詞總結果的分詞子結果的出現概率值進行相乘，得到所述分詞總結果的出現概率總值；

將出現概率總值最大的分詞總結果確定為目標分詞總結果。

4.根據權利要求1所述的數據脫敏方法，其特征在于，所述數據記錄的數據類型為字符串；則對所述數據記錄進行分詞處理，得到所述數據記錄的若干個分詞，包括：

確定與所述數據記錄的內容類型對應的數據切分方式；

按照所述數據切分方式，對所述數據記錄進行分詞處理，得到所述數據記錄的若干個分詞。

5.一種數據脫敏裝置，其特征在于，包括：

獲取模塊，用于獲得目標數據集合，所述目標數據集合包含相同內容類型的若干條數據記錄；

分詞模塊，用于對所述數據記錄進行分詞處理，得到所述數據記錄的若干個分詞；

計算模塊，用于計算各個分詞在所有數據記錄的所有分詞中的出現頻率；

確定模塊，用于將所述出現頻率大于預設頻率閾值的分詞確定為特征分詞；

加密模塊，用于針對每條數據記錄，將所述數據記錄包含的特征分詞之外的分詞進行加密處理，以得到脫敏后的數據記錄；

編碼模塊，用于針對每個所述脫敏后的數據記錄，將所述脫敏后的數據記錄包括的特征分詞進行編碼處理，以得到目標脫敏數據記錄。

6.根據權利要求5所述的數據脫敏裝置，其特征在于，所述數據記錄的數據類型為文字；則所述分詞模塊在對所述數據記錄進行分詞處理，得到所述數據記錄的若干個分詞時，具體用于：

獲得與所述數據記錄的內容類型對應的前綴詞典，所述前綴詞典包括所述內容類型的多個數據語料，且每個數據語料對應有若干種分詞子結果；在所述前綴詞典包括的數據語料中，確定所述數據記錄包含的目標數據語料；分別從不同目標數據語料的分詞子結果中獲取一種分詞子結果并依次進行組合，得到所述數據記錄的分詞總結果；在數據記錄的分詞總結果中，確定目標分詞總結果，其中所述目標分詞總結果用于表示所述數據記錄的若干個分詞。