数据脱敏方法与装置、电子设备及存储介质制造方法及图纸

本公开涉及一种数据脱敏方法与装置、电子设备及计算机可读存储介质，属于数据处理技术领域。该方法包括：获取待脱敏文本，并对待脱敏文本进行分词，得到多个词语和该词语的词性，根据词语的词性对词语进行过滤处理，得到待脱敏数据；根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对待脱敏数据中的词语进行脱敏。本公开可以提高数据脱敏的效率及准确率。

【技术实现步骤摘要】
数据脱敏方法与装置、电子设备及存储介质
本公开涉及数据处理
，尤其涉及一种数据脱敏方法与装置、电子设备及计算机可读存储介质。
技术介绍
在各个领域中，随着信息化建设进程的推进，对数据的互联互通的需求与日俱增，但与此同时，数据的安全问题也较为突出。数据脱敏可以对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。例如，在医疗领域，医疗数据脱敏是将涉及到患者基本信息、医疗过程中的敏感信息通过脱敏规则进行数据的变形，以达到保护敏感数据的目的。相关技术中，敏感数据的识别依赖人工整理的字段信息、黑白名单或规则，识别的效率及准确率较低，导致数据脱敏的效率及准确率较低。
技术实现思路
本公开的目的在于提供一种数据脱敏方法与装置、电子设备及计算机可读存储介质，进而至少在一定程度上克服由于现有技术的限制和缺陷而导致的数据脱敏的效率及准确率较低的问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的第一方面，提供一种数据脱敏方法，包括：获取待脱敏文本，并对所述待脱敏文本进行分词，得到多个词语和该词语的词性，根据所述词语的词性对所述词语进行过滤处理，得到待脱敏数据；根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏。可选的，通过预设的独立敏感数据识别模型对所述待脱敏数据中的词语进行脱敏，包括：针对所述待脱敏数据中的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；通过独立敏感数据识别模型对所述属性向量进行处理，得到所述属性向量对应的属性值；根据所述属性值确定该词语是否是独立敏感数据，并在确定该词语是独立敏感数据时，对该词语进行脱敏。可选的，所述独立敏感数据识别模型是通过以下方式训练得到：获取经过敏感数据标记的原始数据集，根据所述原始数据集中标记的敏感数据构建敏感词库；按照预设规则对所述敏感词库中的词语进行分类，确定所述敏感词库中每个词语所属的敏感数据类型；针对独立敏感数据类型的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；根据所述独立敏感数据类型的词语对应的属性向量及预先设置的属性值，通过逻辑回归算法建立所述独立敏感数据识别模型。可选的，所述部分敏感数据识别模型是通过以下方式训练得到：针对部分敏感数据类型的每个词语，确定该词语在所述原始数据集中对应的目标敏感数据；获取与该词语相似度大于相似度阈值的相似词语，将所述目标敏感数据中的该词语替换为所述相似词语，得到更新的数据；在所述原始数据集中检索不到所述更新的数据时，获取用户针对所述更新的数据输入的敏感数据识别结果；将所述更新的数据及所述敏感数据识别结果添加至所述原始数据集中，将更新后的原始数据集作为所述部分敏感数据识别模型。可选的，通过预设的部分敏感数据识别模型对所述待脱敏数据中的词语进行脱敏，包括：针对所述待脱敏数据中的每个词语，在所述部分敏感数据识别模型中对该词语进行检索；在检索到该词语时，判断该词语是否是敏感数据；在该词语是敏感数据时，对该词语进行脱敏。可选的，根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏，包括：确定所述待脱敏数据中每一词语的敏感数据类型；将属于独立敏感数据类型的词语通过预设的独立敏感数据识别模型进行脱敏；将属于部分敏感数据类型的词语通过预设的部分敏感数据识别模型进行脱敏。可选的，在建立所述独立敏感数据识别模型后，所述方法还包括：获取经过敏感数据标记的训练数据集，从所述训练数据集的敏感数据中选取敏感数据类型为独立敏感数据类型的第一目标训练词语；通过所述独立敏感数据识别模型对所述第一目标训练词语进行识别，得到预测值；选取与所述独立敏感数据类型对应的属性值的差值小于差值阈值的预测值；根据所选取的预测值对应的第二目标训练词语对所述独立敏感数据识别模型进行更新。根据本公开的第二方面，提供一种数据脱敏装置，包括：预处理模块，用于获取待脱敏文本，并对所述待脱敏文本进行分词，得到多个词语和该词语的词性，根据所述词语的词性对所述词语进行过滤处理，得到待脱敏数据；脱敏模块，用于根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏。可选的，所述脱敏模块，包括：第一脱敏子模块，所述第一脱敏子模块包括：向量转换单元，用于针对所述待脱敏数据中的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；属性值确定单元，用于通过独立敏感数据识别模型对所述属性向量进行处理，得到所述属性向量对应的属性值；独立敏感数据脱敏单元，用于根据所述属性值确定该词语是否是独立敏感数据，并在确定该词语是独立敏感数据时，对该词语进行脱敏。可选的，本公开实施例的数据脱敏装置，还包括：敏感词库构建模块，用于获取经过敏感数据标记的原始数据集，根据所述原始数据集中标记的敏感数据构建敏感词库；敏感数据类型确定模块，用于按照预设规则对所述敏感词库中的词语进行分类，确定所述敏感词库中每个词语所属的敏感数据类型；属性向量确定模块，用于针对独立敏感数据类型的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；独立敏感数据识别模型建立模块，用于根据所述独立敏感数据类型的词语对应的属性向量及预先设置的属性值，通过逻辑回归算法建立所述独立敏感数据识别模型。可选的，本公开实施例的数据脱敏装置，还包括：目标敏感数据确定模块，用于针对部分敏感数据类型的每个词语，确定该词语在所述原始数据集中对应的目标敏感数据；相似词语替换模块，用于获取与该词语相似度大于相似度阈值的相似词语，将所述目标敏感数据中的该词语替换为所述相似词语，得到更新的数据；识别结果获取模块，用于在所述原始数据集中检索不到所述更新的数据时，获取用户针对所述更新的数据输入的敏感数据识别结果；部分敏感数据识别模型建立模块，用于将所述更新的数据及所述敏感数据识别结果添加至所述原始数据集中，将更新后的原始数据集作为所述部分敏感数据识别模型。可选的，所述脱敏模块，包括：第二脱敏子模块，所述第二脱敏子模块包括：检索单元，用于针对所述待脱敏数据中的每个词语，在所述部分敏感数据识别模型中对该词语进行检索；敏感数据判断单元，用于在检索到该词语时，判断该词语是否是敏感数据；敏感数据脱敏单元，用于在该词语是敏感数据时，对该词语进行脱敏。可选的，所述脱敏模块，具体用于确定所述待脱敏数据中每一词语的敏感数据类型；将属于独立敏感数据类型的词语通过预设的独立敏感数据识别模型进行脱敏；将属于部分敏感数据类型的词语通过预设的部分敏感数据识别模型进行脱敏。可选的，本公开实施例的数据脱敏装置，还包括：本文档来自技高网...

【技术保护点】
1.一种数据脱敏方法，其特征在于，所述方法包括：/n获取待脱敏文本，并对所述待脱敏文本进行分词，得到多个词语和该词语的词性，根据所述词语的词性对所述词语进行过滤处理，得到待脱敏数据；/n根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏。/n

【技术特征摘要】
1.一种数据脱敏方法，其特征在于，所述方法包括：
获取待脱敏文本，并对所述待脱敏文本进行分词，得到多个词语和该词语的词性，根据所述词语的词性对所述词语进行过滤处理，得到待脱敏数据；
根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏。


2.根据权利要求1所述的方法，其特征在于，通过预设的独立敏感数据识别模型对所述待脱敏数据中的词语进行脱敏，包括：
针对所述待脱敏数据中的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；
通过独立敏感数据识别模型对所述属性向量进行处理，得到所述属性向量对应的属性值；
根据所述属性值确定该词语是否是独立敏感数据，并在确定该词语是独立敏感数据时，对该词语进行脱敏。


3.根据权利要求2所述的方法，其特征在于，所述独立敏感数据识别模型是通过以下方式训练得到：
获取经过敏感数据标记的原始数据集，根据所述原始数据集中标记的敏感数据构建敏感词库；
按照预设规则对所述敏感词库中的词语进行分类，确定所述敏感词库中每个词语所属的敏感数据类型；
针对独立敏感数据类型的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；
根据所述独立敏感数据类型的词语对应的属性向量及预先设置的属性值，通过逻辑回归算法建立所述独立敏感数据识别模型。


4.根据权利要求3所述的方法，其特征在于，所述部分敏感数据识别模型是通过以下方式训练得到：
针对部分敏感数据类型的每个词语，确定该词语在所述原始数据集中对应的目标敏感数据；
获取与该词语相似度大于相似度阈值的相似词语，将所述目标敏感数据中的该词语替换为所述相似词语，得到更新的数据；
在所述原始数据集中检索不到所述更新的数据时，获取用户针对所述更新的数据输入的敏感数据识别结果；
将所述更新的数据及所述敏感数据识别结果添加至所述原始数据集中，将更新后的原始数据集作为所述部分敏感数据识别模型。


5.根据权利要求4所述的方法，其特征在于...

【专利技术属性】
技术研发人员：丁琳，
申请(专利权)人：北京懿医云科技有限公司，
类型：发明
国别省市：北京;11