[發明專利]一種基于自然語言處理的數據脫敏方法和系統

在審

• 申請號: 202011228918.3
• 申請日: 2020-11-06
• 公開（公告）號: CN112307751A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 王茂帥;郭濤
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F21/62;G06N3/04;G06N3/08
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 黃曉燕

本發明公開一種基于自然語言處理的數據脫敏方法和系統，其中，數據脫敏方法包括：使用預設處理算法對獲取到的數據進行自然語言處理，得到語言處理結果；根據用戶需求，設置與所述語言處理結果對應的脫敏策略；按照所述脫敏策略、使用服務網格代理技術對所述數據進行數據脫敏操作，得到脫敏后的所述數據。本發明的技術方案能解決現有技術中的數據脫敏方式，脫敏的可靠性和易用性差的問題。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種基于自然語言處理的數據脫敏方法和系統。

背景技術

現代社會已進入大數據時代，在大數據時代下，通過大數據分析等手段，海量數據中隱藏的價值得以挖掘；但大數據分析也帶來用戶隱私信息泄漏與關鍵性敏感數據保護失效等方面的問題。為解決上述問題，規避數據風險，相關技術中采用數據脫敏技術以進行數據保護。

傳統的數據脫敏方式是根據不同種類的數據源人工設置脫敏規則，采取不同的脫敏方法，編寫不同程序，應用不同配置的服務平臺，從而對數據進行脫敏的。這種脫敏方式因為人工干預大，配置成本高，兼容性差、對用戶的專業素養要求高，因此降低了數據脫敏的可靠性和易用性。

發明內容

本發明提供了一種基于自然語言處理的數據脫敏方法和系統，旨在解決現有技術中數據脫敏方式，人工干預大，匹配成本高，數據脫敏的可靠性和易用性差的問題。

為實現上述目的，根據本發明的第一方面，本發明提供了一種基于自然語言處理的數據脫敏方法，包括：

使用預設處理算法對獲取到的數據進行自然語言處理，得到語言處理結果；

根據用戶需求，設置與語言處理結果對應的脫敏策略；

按照脫敏策略、使用服務網格代理技術對數據進行數據脫敏操作，得到脫敏后的數據。

優選地，所述使用預設處理算法對獲取到的數據進行自然語言處理的步驟，包括：

使用集成學習算法，結合多種自然語言處理模型對數據進行自然語言處理，分別得到多種模型預測結果；

使用預設共識算法對多種模型預測結果進行投票表決，得到語言處理結果。

優選地，所述使用預設處理算法對獲取到的數據進行自然語言處理的步驟，包括：

獲取服務節點發送的數據；

解析數據包含的自然語言內容；

使用預設學習算法，對數據包含的自然語言內容進行詞性標注和實體識別。

優選地，所述根據用戶需求，設置與語言處理結果對應的脫敏策略的步驟，包括：

獲取用戶選定的特定實體和脫敏規則；

控制服務節點從識別到的實體中匹配特定實體，并按照脫敏規則對數據中與特定實體的詞性相同的實體進行脫敏。

優選地，所述按照脫敏策略、使用服務網格代理技術對數據進行數據脫敏操作的步驟，包括：

將脫敏策略發送至服務節點，以使服務節點按照脫敏策略對數據進行數據脫敏；

獲取服務節點對數據的脫敏粒度；

判斷數據的脫敏粒度是否在預設脫敏粒度范圍內；

若判定脫敏粒度不在預設脫敏粒度范圍內，則向服務節點發送脫敏粒度糾偏信息，以穩定服務節點的脫敏粒度。

根據本發明的第二方面，本發明還提供了一種基于自然語言處理的數據脫敏系統，包括：

語言處理模塊，用于使用預設處理算法對獲取到的數據進行自然語言處理，得到語言處理結果；