[發明專利]敏感信息檢測方法及裝置

在審

• 申請號: 202110889223.8
• 申請日: 2021-08-04
• 公開（公告）號: CN113672976A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 張安蒙
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06N3/04;G06N3/08
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種敏感信息檢測方法，包括：

獲取待檢測的字段的字段信息，其中包括字段屬性和多個字段值；

利用預設規則對所述字段信息進行敏感性判別；

在判別出所述字段信息疑似某個敏感類別的情況下，基于預先建立的備選檢測算法和備選敏感類別之間的映射關系，確定所述某個敏感類別對應的檢測算法；

利用所述檢測算法處理所述字段信息，得到處理結果，該處理結果指示所述字段是否屬于所述某個敏感類別。

2.根據權利要求1所述的方法，其中，所述字段屬性包括以下中的至少一項：字段名稱、字段注釋、字段類型、字段所屬表格的表名、表注釋。

3.根據權利要求1所述的方法，其中，獲取待檢測的字段的字段信息，包括：

針對所述字段的字段值分別進行第一采樣和第二采樣，得到對應的多個第一字段值和多個第二字段值；

基于所述多個第一字段值和多個第二字段值，評估所述第一采樣的第一采樣質量；

在所述第一采樣質量達到預設標準的情況下，基于所述多個第一字段值，確定所述多個字段值。

4.根據權利要求3所述的方法，其中，基于所述多個第一字段值和多個第二字段值，評估所述第一采樣的第一采樣質量，包括：

計算所述多個第一字段值對應的第一字段值分布，與所述多個第二字段值對應的第二字段值分布之間的差異程度；

在所述差異程度小于預設閾值的情況下，判定所述第一采樣質量達到預設標準。

5.根據權利要求1所述的方法，其中，獲取待檢測的字段的字段信息，包括：

針對所述字段的字段值進行第一采樣，得到多個第一字段值；

確定所述多個第一字段值對應的多個編碼向量，并計算基于該多個編碼向量組成的多對編碼向量間的多個相似度；

在所述多個相似度反映所述多個編碼向量之間的相似性小于預設程度的情況下，基于所述多個第一字段值，確定所述多個字段值。

6.根據權利要求3或5所述的方法，其中，基于所述多個第一字段值，確定所述多個字段值，包括：

通過對所述多個第一字段值進行去重處理，得到所述多個字段值。

7.根據權利要求1所述的方法，其中，所述預設規則包括針對若干備選敏感類別的敏感類規則，以及針對若干非敏感類別的非敏感類規則；其中，利用預設規則對所述字段信息進行判別，包括：

對所述字段信息進行特征提取，得到對應多個預設特征項的多個特征值；

利用所述非敏感類規則，對所述多個特征值進行判別；

在判別出其不屬于若干非敏感類別中任一敏感類別的情況下，利用所述敏感類規則對所述多個特征值進行判別，得到所述某個敏感類別。

8.根據權利要求1所述的方法，其中，在利用預設規則對所述字段信息進行判別之后，所述方法還包括：

在判別出所述字段信息屬于某個非敏感類別的情況下，舍棄所述字段。

9.根據權利要求1所述的方法，其中，在所述映射關系中，任一備選敏感類別對應一個或多個備選檢測算法，該一個或多個備選檢測算法涉及以下算法類型中的一種或多種：規則、正則表達式、機器學習模型。

10.根據權利要求1所述的方法，其中，所述檢測算法包括針對所述某個敏感類別的第一機器學習模型，其中包括屬性表征層、值表征層、融合層和全連接層；

其中，利用所述檢測算法處理所述字段信息，得到處理結果，包括：

利用所述屬性表征層，對所述字段屬性進行表征處理，得到屬性表征向量；

利用值表征層，分別對所述多個字段值進行表征處理，得到多個值表征向量；

利用融合層，將所述屬性表征向量分別與所述多個值表征向量進行融合處理，得到多個融合向量；

利用所述全連接層，分別對所述多個融合向量進行處理，得到多個檢測結果；

基于所述多個檢測結果，確定所述處理結果。