[发明专利]一种保留分布特征的姓名脱敏方法

权利要求书

1.一种保留分布特征的姓名脱敏方法，其特征在于，所述方法包括如下步骤：

(1)收集待脱敏姓名数据；

(2)判断待脱敏姓名数据是否符合规范，将异常数据放入异常数据集单独处理；

(3)对合规的待脱敏数据进行抽样统计，对姓、名生成概率密度区间，分级设置权重生成概率密度权重区间；

(4)针对具体待脱敏姓名，分别判断姓和名所在概率密度区间的级别，然后将姓名中的字分别转化为Unicode码，计算姓、名脱敏后所在的区间系数：

fNamecoef＝(2*Unicode₁+Unicode₂+Unicode₃)mod L₁

lName₁coef＝(Unicode₁+2*Unicode₂+Unicode₃)mod L₂

lName₂coef＝(Unicode₁+Unicode₂+2*Unicode₃)mod L₃

其中L₁、L₂、L₃为对应级别的概率密度权重区间的总长度；

(5)根据(4)所得出的系数结合各级别的概率密度权重区间表得出脱敏后的名字。

2.如权利要求1所述的一种保留分布特征的姓名脱敏方法，其特征在于，所述异常数据，是指长度小于或等于1位及长度大于5位的姓名数据。

3.如权利要求1所述的一种保留分布特征的姓名脱敏方法，其特征在于，所述(3)的过程如下：

(3.1)将待脱敏姓名数据转化为长度为n的一维数组作为抽样的样本空间：

Name＝[name₁，name₂，name₃，...，name_n]

(3.2)根据样本空间Name大小确定抽样数据集大小，建立均匀随机采样样本，对样本中的姓名进行分割，分割成姓和其余字，分别统计生成概率密度表，根据概率分级设置权重，并设置每个姓的概率密度权重区间为[前面所有姓的权重之和，当前姓权重加上前面所有姓的权重之和)，每个字的概率密度权重区间为[前面所有字的权重之和，当前字权重加上前面所有字的权重之和)。

4.如权利要求3所述的一种保留分布特征的姓名脱敏方法，其特征在于，所述建立均匀随机采样样本，具体为：

设置产生均匀随机数的混合线性同余发生器：

X_i+1＝(aX_i+c)mod m， i≥0. 公式1

设置参数a、c、m及初始值X₀代入公式1进行计算，根据拒绝采样原理，生成均匀随机序列：

[X₀，X₁，X₂，...，X_k]

其中，k表示均匀随机序列的长度；

以产生的均匀随机数作为索引，在样本空间中查找对应的姓名，形成均匀随机采样样本。