[发明专利]一种工业过程数据脱敏方法

说明书

本发明涉及一种工业过程数据脱敏方法，包括利用混合属性局部近邻标准化方法对多模态工业过程混合属性数据进行标准化处理，利用基于生成对抗网络的多模态工业过程混合属性数据脱敏方法获取工业过程静态脱敏数据和模型，利用多模态工业过程混合属性数据动态脱敏策略实现工业过程数据动态脱敏。本发明通过将混合属性局部近邻标准化、生成对抗网络和多模态工业过程混合属性数据动态脱敏策略结合，考虑复杂工业过程的多模态与混合属性并存问题，克服现有脱敏方法通常面向商业和银行业且以对源数据的部分修改为主等局限，对工业大数据安全与隐私保护具有理论和实际意义。

技术领域

本发明属于工业大数据安全与隐私保护技术领域，具体说是一种工业过程数据脱敏方法。

背景技术

工业大数据技术的广泛应用显著提高了生产效率和产品质量，加快实现了企业的智能管控、制造与转型升级。而如何在工业大数据安全与隐私保护的前提下进行分析，是制造企业亟待解决的关键问题。但现有脱敏方法通常面向商业和银行业且以对源数据的部分修改为主，所以为保证工业过程数据的隐私性和保密性，研究工业过程数据脱敏方法具有理论和实际意义。

基于统计的脱敏方法如数据掩盖，数据混淆等以对源数据的部分进行修改为主，且未考虑复杂工业过程的多模态与混合属性并存问题，导致其直接应用于实际工业过程数据脱敏的性能不佳。在数据脱敏中，混合属性局部近邻标准化可以解决多模态与混合属性并存问题。因此，基于标准化后数据建立生成对抗网络脱敏模型对提高工业过程数据脱敏的性能具有重要意义。

发明内容

针对现有技术的不足，本发明提供一种工业过程数据脱敏方法，利用混合属性局部近邻标准化方法对多模态工业过程混合属性数据进行标准化处理，再利用基于生成对抗网络的多模态工业过程混合属性数据脱敏方法获取工业过程静态脱敏数据和模型，最后利用多模态工业过程混合属性数据动态脱敏策略实现工业过程数据动态脱敏。提出的方法考虑了复杂工业过程的多模态与混合属性并存问题，克服现有脱敏方法通常面向商业和银行业且以对源数据的部分修改为主等局限，这对工业大数据安全与隐私保护具有理论和实际意义。

本发明为实现上述目的所采用的技术方案是：

一种工业过程数据脱敏方法，包括如下步骤：

步骤1：利用混合属性局部近邻标准化方法对多模态工业过程混合属性数据进行标准化处理；

步骤2：利用基于生成对抗网络的多模态工业过程混合属性数据脱敏方法获取工业过程静态脱敏数据和模型；

步骤3：将待脱敏工业过程新数据利用混合属性局部近邻标准化处理后输入工业过程静态脱敏模型，实现工业过程数据动态脱敏。

所述混合属性局部近邻标准化方法包括以下过程：

步骤1-1：利用测地距离计算待脱敏多模态工业过程混合属性源数据X＝[x₁；x₂；…；x_m]中的数值型数据的距离矩阵

其中，x_i为X中第i个采样点，为X_n中第i个采样点，m为X和X_n中采样点的个数；

步骤1-2：对待脱敏多模态工业过程混合属性源数据X＝[x₁；x₂；…；x_m]中的分类型数据进行IDF编码，得到编码后分类型数据

其中，为X_c中第i个采样点，为中第i个采样点，m为X_c和中采样点的个数；

步骤1-3：利用基于信息熵的加权距离计算编码后分类型数据的距离矩阵

步骤1-4：计算编码后混合属性数据的混合距离矩阵d_h；