[發明專利]一種數據脫敏方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210429481.2
• 申請日: 2022-04-22
• 公開（公告）號: CN114912142A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 張正欣;牟黎明;王豪;肖春亮;張宏;何坤
• 申請（專利權）人: 綠盟科技集團股份有限公司;北京神州綠盟科技有限公司;神州綠盟成都科技有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 馮艷蓮

本發明公開了一種數據脫敏方法、裝置、電子設備及存儲介質，預先訓練完成有數據脫敏對抗網絡模型，數據脫敏對抗網絡模型包括生成模型和判別模型，所述生成模型和判別模型是通過對抗學習進行訓練得到。基于數據脫敏對抗網絡模型得到的脫敏后的數據安全性好。并且在生成脫敏后的數據時獲取待處理的原始數據，對原始數據進行分類標記，并根據分類標記生成條件向量。生成隨機分布向量后，將隨機分布向量和條件向量輸入數據脫敏對抗網絡模型，基于數據脫敏對抗網絡模型中的生成模型，輸出原始數據對應的脫敏后的數據。加入條件向量優化脫敏后的數據，脫敏后的數據包括數值信息和類別信息。因此脫敏后的數據可用性好。

技術領域

本發明涉及人工智能、數據安全技術領域，尤其涉及一種數據脫敏方法、裝置、電子設備及存儲介質。

背景技術

目前，隨著大數據、人工智能和物聯網技術的發展，如何能夠有效的保護個人隱私，保護企業敏感數據不被泄露，已經成為越來越多安全廠商關注的焦點。隨著高新信息科技與工業領域的融合發展，推動了工業數據的流通共享。但工業數據是非常敏感的，例如企業數據、APP等數據若遭到篡改、竊取等，將會嚴重威脅用戶安全、企業安全、乃至國家安全。在此背景下數據脫敏技術應運而生，是解決上述安全問題和風險的一種行之有效的方法。

數據脫敏是指對敏感信息按照預設的規則或者變換算法進行數據變換，從而使得個人身份無法識別或者直接隱去敏感信息。脫敏后的數據會出現一定程度上的信息損耗，所以隱私泄密與數據可用性便成了天然的矛盾。

傳統的結構化數據脫敏技術是基于匿名化的技術和基于擾亂的技術，這兩類技術不僅信息損耗較大，更重要的是會存在原數據與脫敏數據的一對一的對應關系，這導致脫敏后的數據有極大被重標識化的風險。

如何保證脫敏后的數據的安全性和可用性，是目前亟待解決的技術問題。

發明內容

本發明實施例提供了一種數據脫敏方法、裝置、電子設備及存儲介質，用以保證脫敏后的數據的安全性和可用性。

本發明實施例提供了一種數據脫敏方法，所述方法包括：

獲取待處理的原始數據，對所述原始數據進行分類標記，并根據所述分類標記生成條件向量；

生成隨機分布向量，將所述隨機分布向量和所述條件向量輸入預先訓練的數據脫敏對抗網絡模型，其中，所述數據脫敏對抗網絡模型包括生成模型和判別模型，所述生成模型和判別模型是通過對抗學習進行訓練；

基于所述數據脫敏對抗網絡模型中的生成模型，輸出所述原始數據對應的脫敏后的數據，其中所述脫敏后的數據包括數值信息和類別信息。

進一步地，所述生成模型和判別模型通過對抗學習進行訓練的過程包括：

針對訓練集中的樣本數據，對所述樣本數據進行分類標記，并根據所述分類標記生成樣本條件向量；

生成樣本隨機分布向量，將所述樣本隨機分布向量和所述樣本條件向量輸入數據脫敏對抗網絡模型中的生成模型中，所述生成模型輸出樣本脫敏數據；

將所述樣本脫敏數據和所述樣本條件向量輸入數據脫敏對抗網絡模型中的判別模型中，所述判別模型輸出所述樣本脫敏數據為真樣本的第一概率；

將所述樣本數據和所述樣本條件向量輸入所述判別模型中，所述判別模型輸出所述樣本數據為真樣本的第二概率；

根據所述第一概率和第二概率，訓練所述生成模型和判別模型。

進一步地，所述根據所述第一概率和第二概率，訓練所述生成模型和判別模型包括：

采用WGAN方法，計算所述第一概率和第二概率之間的Wasserstein距離，根據所述Wasserstein距離，訓練所述生成模型和判別模型。

進一步地，所述判別模型的訓練過程包括：