[发明专利]敏感数据的脱敏方法、装置、终端设备及计算机存储介质

权利要求书

1.一种敏感数据的脱敏方法，其特征在于，所述敏感数据的脱敏方法包括：

确定待脱敏的源数据；

将所述源数据与预设的敏感数据字典进行匹配得到匹配结果，其中，所述敏感数据字典是通过预先构造敏感数据识别学习模型以建立敏感数据集，并根据所述敏感数据集的敏感等级预定义脱敏规则生成的；

按照所述匹配结果中的脱敏规则针对所述源数据中的敏感数据进行脱敏处理。

2.如权利要求1所述的敏感数据的脱敏方法，其特征在于，所述方法还包括：

通过预先构造敏感数据识别学习模型以建立敏感数据集；

根据所述敏感数据集的敏感等级预定义脱敏规则生成敏感数据字典。

3.如权利要求2所述的敏感数据的脱敏方法，所述通过预先构造敏感数据识别学习模型以建立敏感数据集的步骤，包括：

通过预设的数据训练集进行模型训练以构造敏感数据识别学习模型；

基于所述敏感数据识别学习模型建立敏感数据集。

4.如权利要求3所述的敏感数据的脱敏方法，其特征在于，所述基于所述敏感数据识别学习模型建立敏感数据集的步骤，包括：

通过所述敏感数据学习模型针对所述数据训练集中各训练数据的输入进行自动识别得到输出，其中，所述输出包括：敏感数据、所述敏感数据对应的敏感等级和敏感标签；

根据所述敏感等级分类建立多个包括所述敏感数据、所述敏感等级和所述敏感标签的敏感数据集。

5.如权利要求2所述的敏感数据的脱敏方法，其特征在于，所述根据所述敏感数据集的敏感等级预定义脱敏规则生成敏感数据字典的步骤，包括：

根据所述敏感数据集的敏感等级，针对所述敏感数据集预定义脱敏规则；

根据所述脱敏规则以及所述敏感数据集中的敏感标签，生成敏感数据字典。

6.如权利要求1所述的敏感数据的脱敏方法，其特征在于，在所述将所述源数据与预设的敏感数据字典进行匹配的步骤之后，所述方法还包括：

若所述源数据与所述敏感数据字典匹配失败，则通过预先构造的敏感数据识别学习模型，确定所述源数据中的敏感数据、所述敏感数据对应的敏感等级和敏感标签；

将所述敏感数据、所述敏感等级和所述敏感标签归类到各所述敏感数据集中的目标敏感数据集，并根据所述目标敏感数据集对应的脱敏规则和所述敏感标签对所述敏感数据字典进行更新。

7.如权利要求6所述的敏感数据的脱敏方法，其特征在于，在所述将所述敏感数据、所述敏感等级和所述敏感标签归类到各所述敏感数据集中的目标敏感数据集的步骤之后，所述方法还包括：

根据所述目标敏感数据集对应的脱敏规则针对所述敏感数据进行脱敏处理，得到脱敏数据。

8.一种敏感数据的脱敏装置，其特征在于，所述敏感数据的脱敏装置包括：

数据获取模块，确定待脱敏的源数据；

数据匹配模块，将所述源数据与预设的敏感数据字典进行匹配得到匹配结果，其中，所述敏感数据字典是通过预先构造敏感数据识别学习模型以建立敏感数据集，并根据所述敏感数据集的敏感等级预定义脱敏规则生成的；

数据处理模块，按照所述匹配结果中的脱敏规则针对所述源数据中的敏感数据进行脱敏处理。

9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的敏感数据的脱敏程序，所述敏感数据的脱敏程序被所述处理器执行时实现如权利要求1至7中任一项所述的敏感数据的脱敏方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有敏感数据的脱敏程序，所述敏感数据的脱敏程序被处理器执行时实现如权利要求1至7中任一项所述的敏感数据的脱敏方法的步骤。