[发明专利]敏感数据发现的方法、装置、计算机设备和介质

说明书

本公开涉及一种敏感数据发现的方法、装置、计算机设备和介质，通过获取结构化数据表中敏感数据的候选关联规则；根据每个候选关联规则中第一数据在结构化数据表中出现的概率，和第二数据出现时第一数据出现的条件概率，获取候选关联规则对应的影响度；根据候选关联规则对应的影响度，确定目标关联规则；确定目标关联规则中的第二数据为第二敏感数据，确定第一敏感数据和第二敏感数据的合集为发现的总敏感数据。由于关联规则的影响度能够体现第一数据和第二数据在结构化数据表中出现的相互关系，因此，根据影响度确定的目标关联规则更能体现第一数据和第二数据的相关性，从而，提高了敏感数据识别的准确性。

技术领域

本公开涉及数据安全领域，尤其涉及一种敏感数据发现的方法、装置、计算机设备和介质。

背景技术

近年来，信息技术的高速发展引发了数据迅猛增长，合理地挖掘和利用数据中隐藏的信息，能够创造出巨大的市场价值。然而在大数据背景下，数据泄露事件的频繁发生，给用户的隐私保护带来了安全隐患。为了防止数据被泄漏或被非法获取，需要对敏感数据进行脱敏处理。在数据脱敏前，如何识别敏感数据，是目前面临的一个重要问题。

现有的敏感数据发现的方法，首先使用人工定义的正则表达式/关键词作为敏感数据规则与数据内容进行匹配，匹配成功的数据即为敏感数据；然后利用频繁项集(Apriori)算法识别出数据中的关联规则，将关联规则中的属性都作为敏感数据；最后，将两种方式识别到的敏感数据合并作为最终的敏感数据发现结果。

然而，采用现有技术的方法生成的数据关联规则，包含大量冗余的、虚假的关联规则，导致很多非敏感数据被识别成敏感数据，降低了敏感数据识别的准确性。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种敏感数据发现的方法、装置、计算机设备和介质。

第一方面，本公开提供一种敏感数据发现的方法，包括：

获取结构化数据表中敏感数据的候选关联规则；

根据每个候选关联规则中第一数据在所述结构化数据表中出现的概率，和第二数据出现时第一数据出现的条件概率，获取所述候选关联规则对应的影响度；其中，所述第一数据为第一敏感数据中的数据，所述第一敏感数据为根据正则表达式和/或关键词与所述结构化数据表匹配获取的；

根据所述候选关联规则对应的影响度，确定目标关联规则；

确定所述目标关联规则中的第二数据为第二敏感数据；

确定所述第一敏感数据和所述第二敏感数据的合集为发现的总敏感数据。

可选的，所述根据所述候选关联规则对应的影响度，确定目标关联规则，包括：

若所述候选关联规则对应的影响度大于等于第一预设阈值，则确定所述候选关联规则为目标关联规则。

可选的，所述根据每个候选关联规则中第一数据在所述结构化数据表中出现的概率，和第二数据出现时第一数据出现的条件概率，获取所述候选关联规则对应的影响度，包括：

若min_sup＝P(Y)1，且P(Y|X)-P(Y)＝0，则获取(P(Y|X)-P(Y))/(1-P(Y))为候选规则对应的影响度；

若min_sup＝P(Y)1，且P(Y|X)-P(Y)0，则获取(P(Y|X)-P(Y))/P(Y)为候选规则对应的影响度；

若P(Y)＝1，且P(X)＝1，候选关联规则对应的影响度＝1；

若P(Y)＝1，且P(X)1，候选关联规则对应的影响度＝0；