[發明專利]一種數據處理方法及裝置在審

申請號：	202011383257.1	申請日：	2020-11-30
公開（公告）號：	CN112329070A	公開（公告）日：	2021-02-05
發明（設計）人：	張磊;孫皓;李鵬;王明;張海洋	申請（專利權）人：	中國民航信息網絡股份有限公司
主分類號：	G06F21/62	分類號：	G06F21/62;G06F16/906
代理公司：	北京集佳知識產權代理有限公司 11227	代理人：	張柳
地址：	100085 北***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種數據處理方法裝置
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本公開提供一種數據處理方法及裝置，確定待處理數據集中作為簇的質心的一條數據；根據待處理數據集中剩余的數據與質心之間的距離，從剩余的數據中選取第一預設數量的數據加入簇中；確定簇中敏感屬性字段具有的敏感屬性值的個數；如果個數小于預設個數，根據待處理數據集中沒有加入簇中的數據與質心之間的距離，從沒有加入簇中的數據中選取數據加入到簇中，直至個數等于或大于預設個數，使得簇中同一個敏感屬性字段的不同的敏感屬性值的個數至少為預設個數，這樣在攻擊過程中因為簇中同一個敏感屬性字段至少有預設個數的敏感屬性值，因此根據該敏感屬性字段的多個敏感屬性值不能輕易得到敏感屬性值，提高數據安全性，降低隱私泄露的幾率。

技術領域

本公開屬于數據處理技術領域，尤其涉及一種數據處理方法及裝置。

背景技術

在企業生產過程中采集的原始數據包含隱私信息，如包含用戶身份信息以及與用戶身份信息相關的其他個人隱私信息等，如果發布包含隱私信息的原始數據會出現隱私泄露問題。為了降低隱私泄露，通過將原始數據進行匿名、交換和加入噪音數據中的至少一種方式對原始數據進行脫敏，目前這三種方式中常用脫敏方式是對原始數據進行數據脫敏處理，簡稱數據匿名化處理，數據匿名化處理通過對原始數據中的屬性字段和敏感屬性值中的至少一種進行泛化、抑制等脫敏操作，使得原始數據中的標識隱私信息的屬性字段和敏感屬性值之間失去一一對應的關系，從而達到隱私保護的效果。

其中數據匿名化處理可通過K-匿名算法對原始數據進行數據脫敏處理，K-匿名算法對原始數據中的屬性字段，如一條記錄的唯一的標識符進行數據脫敏處理，使得攻擊者在通過K-匿名算法得到的簇中能夠鎖定最少K條數據。雖然攻擊過程中能夠鎖定最少K條數據，但是等價類中多條數據含有相同的敏感屬性值，使得攻擊者可以容易地確定目標對象具有的敏感屬性值，導致隱私泄露，降低數據安全性。

發明內容

有鑒于此，本公開的目的在于提供一種數據處理方法及裝置，用于提高數據安全性，降低隱私泄露的幾率。技術方案如下：

一方面，本公開提供一種數據處理方法，所述方法包括：

確定待處理數據集中作為簇的質心的一條數據；

根據所述待處理數據集中剩余的數據與所述質心之間的距離，從所述剩余的數據中選取第一預設數量的數據加入所述簇中；

確定所述簇中敏感屬性字段具有的不同的敏感屬性值的個數，所述敏感屬性字段為所述簇中具有隱私信息的內容；

如果所述簇中敏感屬性字段具有的不同的敏感屬性值的個數小于預設個數，根據所述待處理數據集中沒有加入所述簇中的數據與所述質心之間的距離，從沒有加入所述簇中的數據中選取數據加入到所述簇中，直至所述簇中敏感屬性字段具有的不同的敏感屬性值的個數等于或大于所述預設個數。

另一方面，本公開提供一種數據處理裝置，所述裝置包括：

第一確定單元，用于確定待處理數據集中作為簇的質心的一條數據；

聚類單元，用于根據所述待處理數據集中剩余的數據與所述質心之間的距離，從所述剩余的數據中選取第一預設數量的數據加入所述簇中；

第二確定單元，用于確定所述簇中敏感屬性字段具有的不同的敏感屬性值的個數，所述敏感屬性字段為所述簇中具有隱私信息的內容；

添加單元，用于如果所述簇中敏感屬性字段具有的不同的敏感屬性值的個數小于預設個數，根據所述待處理數據集中沒有加入所述簇中的數據與所述質心之間的距離，從沒有加入所述簇中的數據中選取數據加入到所述簇中，直至所述簇中敏感屬性字段具有的不同的敏感屬性值的個數等于或大于所述預設個數。