[發明專利]一種數據脫敏方法、裝置可讀存儲介質

在審

• 申請號: 202011420230.5
• 申請日: 2020-12-08
• 公開（公告）號: CN112632597A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 佟玲玲;任博雅;李鵬霄;段東圣;杜翠蘭;李揚曦;段運強;項菲;井雅琪
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F21/60;G06N20/00;G06F16/25
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 焉明濤

本發明公開了一種數據脫敏方法、裝置可讀存儲介質，其中方法包括：根據獲取的用戶提交的數據文件通過預先訓練的標注模型對所述數據文件中的敏感數據進行標注，以獲得標注文件；利用預設評測規則對與所述標注文件的文件類型相匹配的脫敏算法進行評測；根據用戶從評測結果中選取的脫敏算法完成對所述標注文件的脫敏。本發明利用預設評測規則對與標注文件的文件類型相匹配的脫敏算法進行評測；根據用戶從評測結果中選取的脫敏算法完成對標注文件的脫敏，由此可以通過規則評測和用戶選擇確定對應的脫敏算法，具有廣泛的適用性。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種數據脫敏方法、裝置可讀存儲介質。

背景技術

在當前的大數據時代，各類數據分析應用技術已經廣泛應用在國家治理、企業運行、個人日常生活等各個方面，數據成為時下最熱門的基礎資源，因此數據安全的受關注程度也在不斷攀升，成為頗受重視的話題。數據脫敏就是在保存數據原始特征的同時改變其數值，可以在保留數據的有效性的同時保持數據的安全性，實現敏感隱私數據的可靠保護，避免數據泄露的風險，從而可以在開發、測試和其他非生產環境以及非可信環境中安全地使用脫敏后的真實數據集。

對于當前的大數據時代，現有的數據脫敏技術的遷移性和普適性尚有欠缺。如某些脫敏算法重在數據保護，但會失去一些統計特征，從而導致數據可用性差，僅適用于社交數據等數據冗雜性高的場景；某些算法可以兼顧數據保護和可用性，但計算復雜度高且耗時，僅適用于醫療、金融等需要高精度數據的場景。

發明內容

本發明實施例提供一種數據脫敏方法、裝置可讀存儲介質，用以提出一種普遍適用的數據脫敏方法，解決或者至少部分解決現有技術中存在的問題。

第一方面，本發明實施例提供一種數據脫敏方法，包括：

根據獲取的用戶提交的數據文件通過預先訓練的標注模型對所述數據文件中的敏感數據進行標注，以獲得標注文件；

利用預設評測規則對與所述標注文件的文件類型相匹配的脫敏算法進行評測；

根據用戶從評測結果中選取的脫敏算法完成對所述標注文件的脫敏。

可選的，獲取用戶提交的數據文件，包括：

獲取用戶提交的待脫敏的數據文件以及對應的應用場景；

其中，所述文件類型至少包括如下之一：文本文件、圖片文件、語音文件以及數據庫文件；

所述應用場景至少包括如下之一：金融、醫療、社交、教育、政府和零售。

可選的，預先訓練標注模型，包括：

對歷史數據文件以及對應的應用場景進行機器學習，以獲得不同應用場景下的標注模型。

可選的，對所述數據文件中的敏感數據進行標注之后，還包括：對所標注出的敏感數據進行分級。

可選的，利用預設評測規則對與所述標注文件的文件類型相匹配的脫敏算法進行評測，包括：

針對不同的文件類型設置至少一種脫敏算法；

根據所述標注文件的文件類型匹配對應的脫敏算法。

可選的，利用預設評測規則對與所述標注文件的文件類型相匹配的脫敏算法進行評測之前，還包括：

按照預設比例從所述標注文件中抽取樣例數據；

根據所述樣例數據確定所述標注文件的文件類型。

可選的，利用預設評測規則對與所述標注文件的文件類型相匹配的脫敏算法進行評測，包括：

基于所述樣例數據利用預設評測規則對匹配獲得的脫敏算法進行評測；