一种识别隐私数据的方法、装置、设备和可读介质制造方法及图纸

本说明书实施例公开了一种识别隐私数据的方法、装置、设备和可读介质。该方法包括：获取待识别数据的元数据；将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果；所述第一多分类模型是基于隐私类型数据对应的元数据进行训练得到的；若所述第一识别结果表示所述待识别数据属于隐私数据，则根据所述第一识别结果确定所述待识别数据所属的隐私类型；若所述第一识别结果表示所述待识别数据不属于隐私数据，则将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果；根据所述第二识别结果确定所述待识别数据所属的隐私类型。

【技术实现步骤摘要】
一种识别隐私数据的方法、装置、设备和可读介质
本申请涉及计算机
，尤其涉及一种识别隐私数据的方法、装置、设备和可读介质。
技术介绍
现有技术中，当进行隐私数据识别时，通常可以采用与该类型对应的内置规则或基于机器学习的多分类模型来进行识别。内置规则可以是特定的正则表达式或基于敏感数据自身结构特征而构造的识别规则。然而，隐私数据的类型是多样的。这些预先准备的内置规则无法涵盖全部的数据类型。当用户想要识别的数据并不具有对应的预设内置规则时，就无法实现对目标数据的识别。现有的基于机器学习的多分类模型大多基于数据的具体内容进行训练和识别，而这种只基于数据的具体内容训练得到的多分类模型，模型维度单一，并不能充分挖掘出待识别数据多维度的属性，从而导致其识别准确率较低，而且由于待识别数据的具体内容所包含的数据量大，模型在训练阶段和测试阶段开销较大。基于此，如何提供一种准确率和效率都比较高的识别隐私数据的方法成为亟需解决的技术问题。
技术实现思路
本说明书实施例提供一种识别隐私数据的方法、装置、设备和可读介质，以提高隐私本文档来自技高网...

【技术保护点】
1.一种识别隐私数据的方法，包括：/n获取待识别数据的元数据；/n将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果；所述第一多分类模型是基于隐私类型数据对应的元数据进行训练得到的；/n若所述第一识别结果表示所述待识别数据属于隐私数据，则根据所述第一识别结果确定所述待识别数据所属的隐私类型；/n若所述第一识别结果表示所述待识别数据不属于隐私数据，则将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果；根据所述第二识别结果确定所述待识别数据所属的隐私类型。/n

【技术特征摘要】
1.一种识别隐私数据的方法，包括：
获取待识别数据的元数据；
将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果；所述第一多分类模型是基于隐私类型数据对应的元数据进行训练得到的；
若所述第一识别结果表示所述待识别数据属于隐私数据，则根据所述第一识别结果确定所述待识别数据所属的隐私类型；
若所述第一识别结果表示所述待识别数据不属于隐私数据，则将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果；根据所述第二识别结果确定所述待识别数据所属的隐私类型。


2.根据权利要求1所述的方法，还包括：
在根据所述第一识别结果确定所述待识别数据所属的隐私类型之后，采用与所述待识别数据所属的隐私类型相应的处理方式对所述待识别数据进行脱敏处理；
或者，在根据所述第二识别结果确定所述待识别数据所属的隐私类型之后，采用与所述待识别数据所属的隐私类型相应的处理方式对所述待识别数据进行脱敏处理。


3.根据权利要求1所述的方法，所述将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果，具体包括：
将所述元数据进行分词处理，将分词处理后的结果进行特征提取，得到第一特征向量；
将所述第一特征向量输入到所述第一多分类模型中进行识别，得到第一识别结果。


4.根据权利要求1所述的方法，所述将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果，具体包括：
将所述元数据和所述待识别数据的文本进行组合，得到组合结果；
对所述组合结果进行分词处理，将分词处理后的结果进行特征提取，得到第二特征向量；
将所述第二特征向量输入到所述第二多分类模型中进行识别，得到第二识别结果。


5.根据权利要求3或4所述的方法，所述将分词处理后的结果进行特提取，具体包括：
采用One-hot编码方法对分词处理后的结果进行特征提取；
或者，采用词频特征方法对分词处理后的结果进行特征提取；
或者，采用tf-idf方法对分词处理后的结果进行特征提取。


6.根据权利要求1所述的方法，所述元数据具体包括：所述待识别数据所属数据库的数据库名、所述待识别数据所属数据库的数据库描述信息、所述待识别数据所属数据库的表结构名称、所述待识别数据所属数据库的表结构的字段名称、或所述待识别数据所属数据库的表结构的字段类型。


7.根据权利要求1所述的方法，所述多分类模型包括：基于决策树算法的多分类模型、基于随机森林算法的多分类模型、基于逻辑回归的多分类模型、基于Xgboost算法的多分类模型、基于梯度提升树算法的多分类模型、基于最大熵算法的多分类模型、基于卷积神经网络CNN的多分类模型、或基于循环神经网络RNN的多分类模型。


8.根据权利要求1所述的方法，所述将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果之前，还包括：
获取待识别数据的元数据样本，所述元数据样本包含表征所述待识别数据的语义特征信息；
根据所述元数据样本对初始的第一多分类模型进行训练，得到训练后的第一多分类模型。


9.根据权利要求1所述的方法，所述将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果之前，还包括：
获取已知隐私类型的数据样本及所述已知隐私类型的数据样本的元数据；
将所述已知隐私类型的数据样本的元数据和所述已知隐私类型的数据样本进行组合，根据组合后的结果对初始的第二多分类模型进行训练，得到训练后的第二多分类模型。


10.根据权利要求1所述的方法，如果所述待识别数据为数据库表结构一个字段中的多条数据，则所述根据所述第一识别结果确定所述待识别数据所属的隐私类型之后，还包括：
对于所述待识别数据所属字段中的全部数据采用与所述待识别数据所属的隐私类型相应的隐私类型标识进行标记。


11.根据权利要求10所述的方法，所述对于所述待识别数据所属字段中的全部数据采用与所述待识别数据所属的隐私类型相应的隐私类型标识进行标记之后，还包括：
采用与所述待识别数据所属的隐私类型相应的脱敏方式对所述待识别数据所属字段中的全部数据进行脱敏处理。


12.根据权利要求1所述的方法，如果所述待识别数据为数据库表结构...

【专利技术属性】
技术研发人员：王德胜，刘佳伟，章鹏，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33