[發明專利]一種包含隱私數據的網絡數據的處理、識別方法及裝置

有效

• 申請號: 201911285296.5
• 申請日: 2019-12-13
• 公開（公告）號: CN111062490B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 林博
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62;G06F16/901
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 周嗣勇

本申請公開了一種包含隱私數據的網絡數據的處理方法及裝置，所述方法包括：對網絡數據集中的網絡數據進行結構化解析，生成指示所述網絡數據的數據結構的樹狀結構圖；其中，所述網絡數據集包括多個數據子集；各數據子集中的網絡數據包含的隱私數據的數據類型不同；確定各數據子集中的網絡數據包含的隱私數據，在所述網絡數據的樹狀結構圖中的存儲路徑，并確定各數據子集中的網絡數據包含的隱私數據在所述存儲路徑中的上下文字段；提取所述上下文字段的字段取值對應的語義信息；將提取出的所述語義信息作為樣本特征構建訓練樣本，并基于所述訓練樣本訓練用于識別網絡數據集中的網絡數據包含的隱私數據的類型的機器學習模型。

技術領域

本申請涉及人工智能領域，尤其涉及一種包含隱私數據的網絡數據的處理方法及裝置。

背景技術

在人工智能領域，機器學習是從海量的數據中發掘隱含的數據規律的一種常用的技術手段。通過將大量原始數據作為訓練樣本，來訓練機器學習模型，可以高效的發掘出這些數據中隱含的數據規律，并基于發掘出的數據規律，來進行業務運營；例如，可以基于大量的用戶交易數據進行機器學習，來訓練風控模型，并利用風控模型來識別用戶發起的交易是否具有風險。

而在實際應用中，在需要使用機器學習手段識別網絡數據中可能包含的隱私數據的情況下，為了保障用戶的隱私安全，這些可能包含隱私數據的網絡數據，通常并不能直接作為訓練特征，輸入至機器學習模型進行訓練。

發明內容

有鑒于此，本申請公開了一種包含隱私數據的網絡數據的處理方法和裝置。

根據本申請實施例的第一方面，公開了一種包含隱私數據的網絡數據的處理方法，包括：

對網絡數據集中的網絡數據進行結構化解析，生成指示所述網絡數據的數據結構的樹狀結構圖；其中，所述網絡數據集包括多個數據子集；各數據子集中的網絡數據包含的隱私數據的數據類型不同；

確定各數據子集中的網絡數據包含的隱私數據，在所述網絡數據的樹狀結構圖中的存儲路徑，并確定各數據子集中的網絡數據包含的隱私數據在所述存儲路徑中的上下文字段；

提取所述上下文字段的字段取值對應的語義信息；

將提取出的所述語義信息作為樣本特征構建訓練樣本，并基于所述訓練樣本訓練用于識別網絡數據集中的網絡數據包含的隱私數據的類型的機器學習模型。

根據本申請實施例的第二方面，公開了一種網絡數據包含的隱私數據的識別方法，包括：

對待識別的網絡數據集中的網絡數據進行結構化解析，生成指示所述網絡數據的數據結構的樹狀結構圖；其中，所述網絡數據包含隱私數據；

確定所述網絡數據集中的網絡數據包含的隱私數據，在所述網絡數據的樹狀結構圖中的存儲路徑，并確定所述網絡數據集中的網絡數據包含的隱私數據在所述存儲路徑中的上下文字段；

提取所述上下文字段的字段取值對應的語義信息；

將提取出的所述語義信息作為樣本特征構建預測樣本，并將所述預測樣本輸入至用于識別網絡數據集中的網絡數據包含的隱私數據的類型的機器學習模型進行計算，并根據所述機器學習模型輸出的計算結果，確定所述網絡數據集中的網絡數據包含的隱私數據的類型。

根據本申請實施例的第三方面，公開了一種包含隱私數據的網絡數據的處理裝置，包括：

結構化解析模塊，用于對網絡數據集中的網絡數據進行結構化解析，生成指示所述網絡數據的數據結構的樹狀結構圖；其中，所述網絡數據包含隱私數據；所述網絡數據集包括多個數據子集；各數據子集中的網絡數據包含的隱私數據的數據類型不同；

上下文字段確定模塊，用于確定各數據子集中的網絡數據包含的隱私數據，在所述網絡數據的樹狀結構圖中的存儲路徑，并確定各數據子集中的網絡數據包含的隱私數據在所述存儲路徑中的上下文字段；