生成隐私数据隔离和报告的系统和方法技术方案

本公开的各方面涉及一种可自定义的系统和基础架构，其可以从变化的数据源接收隐私数据以进行隐私扫描、隔离和报告。在一个实施例中，使用各种数据连接器和解密技术对接收到的数据进行扫描以进行隐私数据提取。在另一实施例中，将提取出的数据转移到隐私扫描容器，在该隐私扫描容器中通过各种深度学习模型对数据进行分析，以对数据进行正确分类。在某些实例中，提取出的数据可以是从电子邮件、案例备忘录、信息反馈、社交媒体帖子等派生出来的非结构化数据。一旦对数据进行了分类，就可以根据数据的分类来存储或隔离数据。在又一实施例中，可以由分析容器来检索已分类的数据以用于报告。

【技术实现步骤摘要】
【国外来华专利技术】生成隐私数据隔离和报告的系统和方法相关申请的交叉引用本申请是2018年6月29日提交的美国专利申请No.16/023,819的继续，并要求其优先权，本申请要求于2018年5月11日提交的印度临时专利申请No.201841017790的优先权，所有这些申请的全部内容通过引用并入本文。
本公开总体涉及隐私数据系统，并且更具体地涉及用于数据隔离(containment)和报告的隐私数据系统。
技术介绍
如今，每天都有数以百万计的电子交易发生。因此，大量的数据在设备和系统之间传输。在某些情况下，私有用户数据包括在传输的数据中。因此，重要的是要确保正确处理和操控私有用户数据。此外，必须遵守条例(regulation)和用户同意。但是，在某些情况下，私有用户数据可能会与第三方有意或甚至无意间共享。然而，这是不能接受的，并且可能会导致用户资金、信用、商誉的损失，并使用户受挫。因此，创建一种能够用适当的规则、存储和报告来处理隐私数据的系统或方法将是有益的，以保护用户。附图说明图1示出了适用于通用数据保护条例的示例性数据类别。图2示出了可插拔的隐私数据容器的图示。图3示出了非结构化隐私数据容器的示例性实现方式。图4示出了非结构化隐私数据系统架构的示例性实现方式。图5A示出了说明样本源数据的图表。图5B示出了说明样本非结构化数据提取和分类的图表。图6示出了说明用于隐私数据隔离和报告的操作的流程图。图7示出了说明隐私数据同意分析的样本模型运行(modelrun)。图8示出了说明隐私数据扫描分析的另一样本模型运行。图9示出了说明隐私数据映射分析的又一样本模型运行。图10示出了适合于实现图1-图9的通信系统的一个或多个设备的计算机系统的示例性框图。通过参考下面的详细描述，可以最好地理解本公开的实施例及其优点。应当理解的是，相同的附图标记用于标识在一幅或多幅附图中示出的相同的元件，而其中所示是出于说明本公开的实施例的目的，而不是为了限制本公开的实施例。具体实施方式在以下描述中，阐述了描述与本公开一致的一些实施例的具体细节。然而，对本领域技术人员而言显而易见的是，可以在没有一些或所有这些具体细节的情况下实践一些实施例。本文所公开的具体实施例旨在进行说明而非进行限制。本领域技术人员可以认识到此处没有具体描述的其他元件也在本公开的范围和精神内。另外，为了避免不必要的重复，除非另外特别说明或者如果一个或多个特征会使实施例不起作用，否则与一个实施例相关联地示出和描述的一个或多个特征可以并入其他实施例中。本公开的各方面涉及一种可自定义的系统和基础架构，其可以从变化的数据源接收隐私数据以进行隐私扫描、隔离和报告。具体地，介绍了一种系统，该系统可以通过放置被设计为使用深度学习模型以保护信息的容器系统来保护用户的隐私数据，该模型遵循通用数据保护条例来保护私有数据的安全移动。接收到的信息在为可携性和部署而设计的一系列容器之间转移。在一个实施例中，使用各种数据连接器和解密技术对接收到的数据进行扫描以进行隐私数据提取。在另一实施例中，将提取出的数据转移到隐私扫描容器，在该隐私扫描容器中通过各种深度学习模型对数据进行分析，以对数据进行正确分类。在某些实例中，提取出的数据可以是从电子邮件、案例备忘录(casememo)、信息反馈(survey)、社交媒体帖子等派生出来的非结构化数据。一旦对数据进行了分类，就可以根据数据的分类来存储或隔离数据。在又一实施例中，可以由分析容器来检索已分类的数据以用于报告。数据报告可以包括使用数据隐私驾驶舱(cockpit)设计来提供用户界面，以使用众多度量(metric)、热图(heatmap)和谱系图表(lineagechart)在各种系统上查看和访问个人数据。仪表板和报告系统可以进一步用于示出跨各种平台的用户同意报告。金融机构经常参与到确保客户账户的安全和风险最小化的工作中来。为了保护客户帐户和用户隐私信息，机构可能依赖于使用具有适当保护措施的系统来保护用户信息。但是，常规系统通常不具备存储、保护和报告用户隐私信息的能力。这样一来，用户的信息就可能会遭到泄露，未经同意即被发布，或在未采取适当措施的情况下被出售。因此，引入一种可以用于利用全面的规则进行隐私数据隔离和报告以确保敏感信息是安全的系统和方法，将是有益的。敏感信息可以包括与用户、偏好和条例有关的各种类型的信息。例如，隐私数据可以包括通用数据保护条例(GDPR)下的信息以及处理个人数据的合法方式。引入图1，其中示出了示例性数据类别100以及处理适用于通用数据保护条例的个人数据的方式。在一个实施例中，通用数据保护条例可以包括个人数据102。个人数据可以包括与自然人或数据主题(datasubject)有关的任何信息。另外，个人数据可以包括可以直接或间接用于识别个人的数据。例如，个人数据可以包括个人的名字、标识号、在线标识符(例如，互联网协议(IP)地址)、位置号，和/或其他描述性因素，包括但不限于个人的身体、生理、遗传、心理、经济、文化和社会身份。在另一实施例中，隐私数据类别100可以包括用户同意和偏好104。同意和偏好数据104可以包括来自最终用户对个人数据保留和用户的同意。另外，同意和偏好数据104可以包括用户的联络人偏好。例如，同意和偏好可以包括同意使用来自Web表单、移动应用、电子邮件、电话、纸质表单、当面(inperson)、通过视频等方式的用户的个人数据。数据移动106是又一种隐私数据类别100和处理数据的形式，其可以包括跟踪个人数据如何在系统之间移动以及如何在公司内和/或跨区域进行处理。例如，这可以包括在首先创建了帐户并随后对交易进行处理时在组之间进行数据转移。另一隐私数据类别还可以包括访问权108过程，其确保消费者或用户的个人数据在消费者/用户想要访问时可供查看和使用。事件管理(Incidentmanagement)110是另一类别，其中事件被跟踪并用于了解系统中的漏洞(gap)。事件管理110在为事件准备后续可用修复计划时也很有用。经常被认可(特别是在一些国家)的另一类别包括被遗忘的权利112。该类别包括适当的数据和规则，以确保根据需要和消费者的请求在各种系统上擦除个人数据。数据也可以在第三方之间移动，并且因此如通用数据保护条例所示，遵循第三方数据交换114类别。又一类别可以包括雇员数据116，其中对雇员数据进行适当的控制和处理，以确保雇员的个人数据是安全的。需要注意的是，除了GDPR指示的条例之外，还可以制定其他条例、规则和程序来保护、处理和隔离用户隐私数据。例如，消费者金融保护局(CFPB)可以包括一些指南和合规性条例，这些指南和合规性条例可以在当前系统中实施，以保护消费者的隐私数据。为了确保遵循以上结合图1提出的各种数据类别100和进程，引入了图2所示的系统200。在一个实施例中，隐私系统200被呈现为用于隐私数据隔离和报告的系统和方法。隐私系统200包括容器和可本文档来自技高网...

【技术保护点】
1.一种系统，包括：/n非暂态存储器，用于存储指令；以及/n处理器，被配置为执行指令以使得所述系统执行以下操作：/n从多个来源接收用户信息；/n针对隐私数据扫描和解密接收到的用户信息；/n基于所扫描的隐私数据，确定与所述隐私数据相关联的数据的类型；/n部分地基于所述数据的类型和所述数据的内容来对所述隐私数据进行分类，其中，所述分类包括机器学习模型；/n基于所述分类来隔离所述隐私数据；以及/n检索隔离的隐私数据以用于报告。/n

【技术特征摘要】
【国外来华专利技术】20180511 IN 201841017790;20180629 US 16/023,8191.一种系统，包括：
非暂态存储器，用于存储指令；以及
处理器，被配置为执行指令以使得所述系统执行以下操作：
从多个来源接收用户信息；
针对隐私数据扫描和解密接收到的用户信息；
基于所扫描的隐私数据，确定与所述隐私数据相关联的数据的类型；
部分地基于所述数据的类型和所述数据的内容来对所述隐私数据进行分类，其中，所述分类包括机器学习模型；
基于所述分类来隔离所述隐私数据；以及
检索隔离的隐私数据以用于报告。


2.根据权利要求1所述的系统，其中，所述报告包括生成图表，所述图表指示由多个用户在一段时间内接收到的同意的数量。


3.根据权利要求1所述的系统，其中，所述接收到的用户信息包括非结构化数据。


4.根据权利要求1所述的系统，其中，所述用户信息的所述扫描和所述解密包括提取所述用户信息以识别所述隐私数据。


5.根据权利要求1所述的系统，其中，所述扫描和所述分类发生在隐私扫描容器中，并且其中，所述隐私扫描容器是所述用户信息数据被分析、分类和隔离的可插拔容器。


6.根据权利要求5所述的系统，其中，位于所述隐私扫描容器中的发布器模块将所述隐私数据转移到外部组件以进行自定义报告。


7.根据权利要求1所述的系统，其中，所述机器学习模型包括关系分类、文本分类以及图像处理中的至少一者。


8.一种方法，包括：
从多个来源接收用户信息；
针对隐私数据扫描和解密接收到的用户信息；
基于所扫描的隐私数据，确定与所述隐私数据相关联的数据的类型；
部分地基于所述数据的类型和所述数据的内容来对所述隐私数据进行分类，其中，所述分类包括机器学习模型；
基于所述分类来隔离所述隐私数据；以及
检索隔离的隐私数据以用于报告。


9.根据权利要求8所述的方法，其中，所述报告包括生成图表，所述图表指示...

【专利技术属性】
技术研发人员：阿米尔·侯赛因·尤瑟菲，拉维·雷蒂尼尼，亚力翰卓·皮科斯，王高原，曹立，迪帕·马德哈万，斯里尼瓦萨布哈拉蒂·塞尔瓦拉吉，
申请(专利权)人：贝宝公司，
类型：发明
国别省市：美国;US