[发明专利]基于隐私数据保护的异常采集行为识别方法和装置

权利要求书

1.一种基于隐私数据保护的异常采集行为识别方法，包括：

获取目标轻量应用的页面内容数据、用户行为数据和所述目标轻量应用申请采集的隐私数据列表；

将所述目标轻量应用的页面内容数据和用户行为数据作为场景分类模型的输入，以通过所述场景分类模型预测所述目标轻量应用的使用场景类别；

基于所述目标轻量应用的使用场景类别对应的可采集的隐私数据列表和所述目标轻量应用申请采集的隐私数据列表，确定所述目标轻量应用是否存在异常采集行为。

2.如权利要求1所述的方法，基于所述目标轻量应用申请采集的隐私数据列表和所述目标轻量应用的使用场景类别对应的可采集的隐私数据列表，确定所述目标轻量应用是否存在异常采集行为，包括：

若所述目标轻量应用申请采集的隐私数据列表和所述目标轻量应用的使用场景类别对应的可采集的隐私数据列表一致，则确定所述目标轻量应用不存在异常采集行为；

若所述目标轻量应用申请采集的隐私数据列表和所述目标轻量应用的使用场景类别对应的可采集的隐私数据列表不一致，则确定所述目标轻量应用存在异常采集行为。

3.如权利要求2所述的方法，在确定所述目标轻量应用存在异常采集行为之后，所述方法还包括：

拦截所述目标轻量应用的隐私数据发送请求。

4.一种场景分类模型的训练方法，包括：

获取多个轻量应用的页面内容数据、用户行为数据以及所述多个轻量应用的使用场景标签，所述多个轻量应用的页面内容数据包括所述多个轻量应用的页面中的文字信息、实体类型以及对应的实体数量；

从所述多个轻量应用的页面内容数据和用户行为数据中，提取所述多个轻量应用的使用场景特征；

基于所述多个轻量应用的使用场景特征和对应的使用场景标签，训练得到场景分类模型，所述场景分类模型用于预测轻量应用的使用场景类别。

5.如权利要求4所述的方法，从所述多个轻量应用的页面内容数据和用户行为数据中，提取所述多个轻量应用的使用场景特征，包括：

从所述多个轻量应用的页面内容数据中，分别获取所述多个轻量应用的页面中的多个文字信息、以及所述多个轻量应用的页面中的实体类型和数量；

分别将所述多个轻量应用的页面中的多个文字信息、以及所述多个轻量应用的页面中的实体类型和数量进行拼接，得到所述多个轻量应用对应的多个文本字段，其中，一个文本字段中由对应的轻量应用中的多个文字信息、实体类型的名称和对应的实体数量拼接得到；

从所述多个轻量应用对应的多个文本字段和用户行为数据中，提取所述多个轻量应用的使用场景特征。

6.如权利要求5所述的方法，从所述多个轻量应用对应的多个文本字段和用户行为数据中，提取所述多个轻量应用的使用场景特征，包括：

分别对所述多个轻量应用对应的多个文本字段进行数据预处理；

分别将所述数据预处理操作后的所述多个轻量应用对应的多个文本字段，转换为对应的多个词向量；

从所述多个词向量和所述多个轻量应用对应的用户行为数据中，提取所述多个轻量应用的使用场景特征；

其中，所述数据预处理操作包括剔除停用词操作。

7.如权利要求5所述的方法，分别将所述多个轻量应用的页面中的多个文字信息、以及所述多个轻量应用的页面中的实体类型和数量进行拼接，得到所述多个轻量应用对应的多个文本字段，包括：

基于所述多个轻量应用的页面中的实体类型的名称和对应的数量，分别获取与所述多个轻量应用的页面中的实体类型相对应的文本字段，一个轻量应用的页面中的一个实体类型对应的文本字段包括对应的数量的实体类型的名称；

基于分别将所述多个轻量应用的页面中的多个文字信息、以及与所述多个轻量应用的页面中的实体类型相对应的文本字段进行拼接，得到所述多个轻量应用对应的多个文本字段。