[发明专利]个人隐私数据识别方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了个人隐私数据识别方法、装置、计算机设备及存储介质。所述方法包括：加载数据自动采集插件；通过所述数据自动采集插件获取WEB应用程序运行过程中的数据，以得到初始数据；将所述初始数据输入至识别模型内进行个人隐私数据识别，以得到识别结果；将所述初始数据与预设的数据识别策略进行匹配，以得到匹配分值；根据所述匹配分值以及所述识别结果确定数据类别；判断所述数据类别是否是个人隐私数据；若所述数据类别是个人隐私数据，则输出所述数据类别。通过实施本发明实施例的方法可实现快速和准确识别WEB应用个人隐私类数据，效率高且覆盖全面，不易发生错漏。

技术领域

本发明涉及数据识别方法，更具体地说是指个人隐私数据识别方法、装置、计算机设备及存储介质。

背景技术

数字革命正以前所未有的速度和规模改变社会和生活，带来巨大机遇的同时，数字经济也带了新的风险，包括数据安全、挑战隐私概念等。为应对这些挑战，各国都从法律层面对数据安全、个人信息和隐私保护予以监管、规制。对个人隐私数据处理的相关组织或企业越来越关注于其业务应用中是否涉及到、涉及到多少、涉及到哪些个人隐私类数据，着重于对WEB应用系统中的个人隐私类数据是否得到全面、有效的发现和识别。

个人隐私数据处理的相关组织或企业旗下往往业务板块众多、业务种类丰富，WEB应用系统自然也是庞大而繁杂的，其涉及到的数据更是复杂多样。但是，现有技术基本上是通过传统人工的方式对WEB应用系统全域的个人隐私类数据进行识别和标识，仍然存在工作效率低、覆盖不全面、易发生错漏等问题。

因此，有必要设计一种新的方法，实现快速和准确识别WEB应用个人隐私类数据，效率高且覆盖全面，不易发生错漏。

发明内容

本发明的目的在于克服现有技术的缺陷，提供个人隐私数据识别方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：个人隐私数据识别方法，包括：

加载数据自动采集插件；

通过所述数据自动采集插件获取WEB应用程序运行过程中的数据，以得到初始数据；

将所述初始数据输入至识别模型内进行个人隐私数据识别，以得到识别结果；

将所述初始数据与预设的数据识别策略进行匹配，以得到匹配分值；

根据所述匹配分值以及所述识别结果确定数据类别；

判断所述数据类别是否是个人隐私数据；

若所述数据类别是个人隐私数据，则输出所述数据类别。

其进一步技术方案为：所述识别模型是通过若干个带有个人隐私数据具体类型标签的数据作为样本集且采用多GPU并行计算框架对深度学习网络进行训练所得的。

其进一步技术方案为：所述识别模型是通过若干个带有个人隐私数据具体类型标签的数据作为样本集且采用多GPU并行计算框架对深度学习网络进行训练所得的，包括：

获取若干个带有个人隐私数据具体类型标签的数据，以得到样本集，且将所述样本集划分为训练集；

构建ResNet深度学习网络；

将所述训练集装载到多个GPU节点，以进行梯度求导，得到所有节点的求导结果；

对所有节点的求导结果进行加权平均并更新ResNet深度学习网络的网络参数，同步更新所有GPU节点；

判断所述ResNet深度学习网络是否收敛；

若所述ResNet深度学习网络收敛，则确定所述ResNet深度学习网络为识别模型；