[发明专利]数据脱敏方法与装置、电子设备及存储介质

权利要求书

1.一种数据脱敏方法，其特征在于，所述方法包括：

获取待脱敏文本，并对所述待脱敏文本进行分词，得到多个词语和该词语的词性，根据所述词语的词性对所述词语进行过滤处理，得到待脱敏数据；

根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏；

其中，所述独立敏感数据识别模型是通过以下方式训练得到：获取经过敏感数据标记的原始数据集，根据所述原始数据集中标记的敏感数据构建敏感词库；按照预设规则对所述敏感词库中的词语进行分类，确定所述敏感词库中每个词语所属的敏感数据类型；针对独立敏感数据类型的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；根据所述独立敏感数据类型的词语对应的属性向量及预先设置的属性值，通过逻辑回归算法建立所述独立敏感数据识别模型；所述独立敏感数据类型的词语指无需其他词语修饰即是敏感数据的词语；

所述部分敏感数据识别模型是通过以下方式训练得到：针对部分敏感数据类型的每个词语，确定该词语在所述原始数据集中对应的目标敏感数据；获取与该词语相似度大于相似度阈值的相似词语，将所述目标敏感数据中的该词语替换为所述相似词语，得到更新的数据；在所述原始数据集中检索不到所述更新的数据时，获取用户针对所述更新的数据输入的敏感数据识别结果；将所述更新的数据及所述敏感数据识别结果添加至所述原始数据集中，将更新后的原始数据集作为所述部分敏感数据识别模型；所述部分敏感数据类型的词语指词语需要与其他词语一起组成组合词语或短句后形成敏感数据。

2.根据权利要求1所述的方法，其特征在于，通过预设的独立敏感数据识别模型对所述待脱敏数据中的词语进行脱敏，包括：

针对所述待脱敏数据中的每个词语，将该词语及该词语的属性信息转换为对应的属性向量；

通过独立敏感数据识别模型对所述属性向量进行处理，得到所述属性向量对应的属性值；

根据所述属性值确定该词语是否是独立敏感数据，并在确定该词语是独立敏感数据时，对该词语进行脱敏。

3.根据权利要求1所述的方法，其特征在于，通过预设的部分敏感数据识别模型对所述待脱敏数据中的词语进行脱敏，包括：

针对所述待脱敏数据中的每个词语，在所述部分敏感数据识别模型中对该词语进行检索；

在检索到该词语时，判断该词语是否是敏感数据；

在该词语是敏感数据时，对该词语进行脱敏。

4.根据权利要求1所述的方法，其特征在于，根据预设的独立敏感数据识别模型和部分敏感数据识别模型，对所述待脱敏数据中的词语进行脱敏，包括：

确定所述待脱敏数据中每一词语的敏感数据类型；

将属于独立敏感数据类型的词语通过预设的独立敏感数据识别模型进行脱敏；

将属于部分敏感数据类型的词语通过预设的部分敏感数据识别模型进行脱敏。

5.根据权利要求1所述的方法，其特征在于，在建立所述独立敏感数据识别模型后，所述方法还包括：

获取经过敏感数据标记的训练数据集，从所述训练数据集的敏感数据中选取敏感数据类型为独立敏感数据类型的第一目标训练词语；

通过所述独立敏感数据识别模型对所述第一目标训练词语进行识别，得到预测值；

选取与所述独立敏感数据类型对应的属性值的差值小于差值阈值的预测值；

根据所选取的预测值对应的第二目标训练词语对所述独立敏感数据识别模型进行更新。