[发明专利]数据匿名方法和系统

权利要求书

1.一种数据匿名方法，包括：

对数据中的文本类型的属性值进行文本分析；

根据文本分析结果，将所述数据中的所述文本类型的属性值替代为数值类型或者类别类型的属性值；以及

对其中的所述文本类型的属性值已经替代为所述数值类型或者类别类型的属性值的所述数据进行匿名处理。

2.根据权利要求1所述的数据匿名方法，其特征在于，所述属性值是与所述数据中的记录条目相关的个体的隐私信息。

3.根据权利要求1或2所述的数据匿名方法，其特征在于，将所述数据中的所述文本类型的属性值替代为数值类型或者类别类型的属性值的处理包括：

根据所述文本分析结果，按照预先给定的分类系统将所述文本类型的属性值替代为相应的类别类型的属性值。

4.根据权利要求1或2所述的数据匿名方法，其特征在于，对所述文本类型的属性值进行文本分析的处理包括：

通过对所述文本类型的属性值进行相似性分析，获取所述文本类型的属性值之间的相似性度量值，

并且其中，将所述数据中的所述文本类型的属性值替代为数值类型或者类别类型的属性值的处理包括：

根据隐私保护需求设置聚类参数，

根据所述文本类型的属性值之间的相似性度量值及所述聚类参数对所述文本类型的属性值进行聚类，以将所述文本类型的属性值分成多个属性值组，

将每个属性值组中的所述文本类型的属性值替代为相同的数值类型或者类别类型的敏感属性值。

5.根据权利要求3或4所述的数据匿名方法，其特征在于，基于k-匿名方法，对其中的所述文本类型的属性值已经替代为所述数值类型或者类别类型的属性值的所述数据进行匿名处理，其中，所述数据中的记录条目被分成多个记录组，并且每个记录组中的数值类型或者类别类型的属性值的分布情况与所述数据中全部记录条目的数值类型或者类别类型的属性值的整体分布情况之间的差异的度量值不大于第一预定值。

6.根据权利要求3或4所述的数据匿名方法，其特征在于，基于k-匿名方法，对其中的所述文本类型的属性值已经替代为所述数值类型或者类别类型的属性值的所述数据进行匿名处理，其中所述数据中的记录条目被分成多个记录组，并且每个记录组中包括的数值类型或者类别类型的属性值的多样性度量值大于第二预定值。

7.根据权利要求6中所述的数据匿名方法，其特征在于，当所述聚类参数表示所述属性值组的数目时需要满足以下条件：在将所述文本类型的属性值分成数目为所述聚类参数的属性值组的情况下，每个记录组包括数目至少为第四预定值的不同的数值类型或者类别类型的属性值。

8.根据权利要求7所述的数据匿名方法，其特征在于，在将所述文本类型的属性值分成数目为所述聚类参数的属性值组的情况下，每个记录组中包括的数值类型或者类别类型的属性值的熵大于第三预定值。

9.根据权利要求7所述的数据匿名方法，其特征在于，在将所述文本类型的属性值分成数目为所述聚类参数的属性值组的情况下，各个属性值组中包括的文本类型的属性值的数目之间存在以下关系t₁＜c×(t_l+t_l+1+...+t_K)，其中，t_j表示任意一个属性值组中的文本类型的敏感属性值的数目，K表示所述聚类参数，0＜c≤1且t₁≥t₂≥...≥t_K。

10.一种数据匿名系统，包括：

文本分析装置，被配置为对数据中的文本类型的属性值进行文本分析；

属性替代装置，被配置为根据文本分析结果，将所述数据中的所述文本类型的属性值替代为数值类型或者类别类型的属性值；以及

匿名处理装置，被配置为对其中的所述文本类型的属性值已经替代为所述数值类型或者类别类型的属性值的所述数据进行匿名处理。

11.根据权利要求10所述的数据匿名系统，其特征在于，所述属性值是与所述数据中的记录条目相关的个体的隐私信息。