申请/专利权人：北京泰策科技有限公司

申请日：2023-08-04

公开（公告）日：2024-04-16

公开（公告）号：CN117010019B

主分类号：G06F21/62

分类号：G06F21/62;G06F16/903;G06F40/211;G06F40/284;G06F40/30

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.11.24#实质审查的生效;2023.11.07#公开

摘要：本发明提供了一种基于NLP语言模型的数据脱敏方法及系统包括：获取初始数据，将初始数据输入到NLP语言模型中进行训练得到待脱敏数据，利用正则表达式获取待脱敏数据中的敏感子数据，解析敏感子数据，得到敏感子数据对应的敏感属性，基于敏感属性建立对应的脱敏原则，利用脱敏原则对对应的敏感子数据进行脱敏，利用完成脱敏的敏感子数据替换对应的敏感子数据，得到脱敏数据，利用NLP语言模型对初始数据进行训练得到待脱敏数据，结合正则表达式来提取其中的敏感子数据，最后根据敏感子数据的敏感属性对敏感子数据进行脱敏，满足了不同类型数据的脱敏工作。

主权项：1.一种基于NLP语言模型的数据脱敏方法，其特征在于，包括：步骤1：获取初始数据，将初始数据输入到NLP语言模型中进行训练得到待脱敏数据；步骤2：利用正则表达式获取待脱敏数据中的敏感子数据；步骤3：解析敏感子数据，得到敏感子数据对应的敏感属性；步骤4：基于敏感属性建立对应的脱敏原则，利用脱敏原则对对应的敏感子数据进行脱敏，利用完成脱敏的敏感子数据替换对应的敏感子数据，得到脱敏数据；所述步骤2，包括：步骤21：将待脱敏数据转换为待脱敏字符串，为待脱敏字符串中的每一字符串匹配通配符，利用通配符建立表达式合集；步骤22：根据表达式合集结合预设正则表达式样本，建立敏感正则表达式；步骤23：解析敏感正则表达式，得到待脱敏字符串中不同字符之间的逻辑关系，根据不同字符之间的逻辑关系，建立脱敏逻辑树；步骤24：获取脱敏逻辑树中每一脱敏分支对应的逻辑特征，提取目标逻辑特征对应的目标字符串，获取目标字符串对应的敏感子数据；所述步骤3，包括：步骤31：将敏感子数据与预设数据集中的数据样本进行匹配，得到每一敏感子数据对应的数据类型；步骤32：根据数据类型建立敏感子数据的类型权重；步骤33：获取敏感子数据对应的数据链长，根据数据链长建立数值权重；步骤34：根据类型权重和数值权重生成敏感子数据的敏感属性；所述步骤23，包括：步骤231：解析敏感正则表达式得到若干个字符词，以及不同字符词组成的字符句；步骤232：分别获取每一字符句对应的句语义，根据句语义得到不同字符句之间的第一逻辑关系，根据第一逻辑关系建立初逻辑树；步骤233：分别解析每一字符句，得到每一字符句中不同字符词之间的第二逻辑关系，根据第二逻辑关系建立对应的逻辑分支；步骤234：将逻辑分支输入到初逻辑树对应的树支上，得到脱敏逻辑树；所述步骤24，包括：步骤241：获取脱敏逻辑树上的若干个树分支，将每一树分支记作一个脱敏分支；步骤242：分别获取每一脱敏分支对应的句语义，根据句语义建立逻辑特征；步骤243：获取目标逻辑特征对应的目标脱敏分支中包含的若干个目标字符句，对目标字符句进行分词处理，得到若干个目标词；步骤244：利用预设敏感样本分别与每一目标词进行匹配，提取匹配度高于预设匹配度的敏感目标词，获取敏感目标词在待脱敏字符串中的第一对应关系；步骤245：获取待脱敏数据与待脱敏字符串之间的第二对应关系，结合第一对应关系，得到每一目标字符串对应的敏感子数据。

全文数据：

权利要求：

百度查询： 北京泰策科技有限公司 一种基于NLP语言模型的数据脱敏方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD