[发明专利]一种基于隐私链的隐私保护方法及装置

说明书

本发明提供一种基于隐私链的隐私保护方法及装置，包括：数据收集，获取待处理的原始数据；数据预处理，采用预设算法对所述原始数据进行预处理，得到关键词集合；特征识别，用于从所述关键词集合中识别用户隐私信息，根据所述用户隐私信息构造若干个特征节点；隐私链构建，根据所述若干个特征节点之间的关系，构建隐私链；隐私链虚化，根据指定策略对隐私链进行虚化，得到虚化后的隐私链。本发明提出的基于隐私链的隐私保护方法及装置能够高效有效的保护个人隐私，避免个人隐私的泄露；只对在隐私链上的隐私信息进行虚化处理，能够保证信息处理的准确性，同时也避免了将非隐私信息进行虚化处理导致的信息可读性差的问题。

技术领域

本发明涉及数据隐私保护领域，尤其涉及一种基于隐私链的隐私保护方法及装置。

背景技术

近年来，随着计算机和云计算技术的迅猛发展和普及应用，行业应用系统的规模迅速扩大，行业应用所产生的数据呈爆炸性增长。动辄达到数百TB甚至数十至数百PB规模的行业大数据已远远超出现有的计算技术和信息系统处理能力，因此，寻求有效的大数据处理技术、方法和手段已成为现实世界的迫切需求。

在大数据时代，数据带来巨大的价值的同时，也带来用户隐私保护方面的难题，如何在大数据开发应用的过程中保护用户隐私和防止敏感信息泄露成为新的挑战。

发明内容

本发明的目的在于提供一种基于隐私链的隐私保护方法及装置，能够解决上述提到的至少一个技术问题。

本发明提供一种基于隐私链的隐私保护方法，其特征在于，包括以下步骤：

数据收集，获取待处理的原始数据；

数据预处理，采用预设算法对所述原始数据进行预处理，得到关键词集合；

特征识别，用于从所述关键词集合中识别用户隐私信息，根据所述用户隐私信息构造若干个特征节点；

隐私链构建，根据所述若干个特征节点之间的关系，构建隐私链；

隐私链虚化，根据指定策略对隐私链进行虚化，得到虚化后的隐私链。

进一步的，所述数据预处理的所述预设算法为SVM文本分类算法，具体包括以下步骤：样本训练过程，在所述原始数据中随机选出作为样本训练的数据集进行样本训练，对向量空间进行网格化处理，针对获取的网格向量计算落入网格的样本数量，获得所述向量空间的密度矩阵，进行向量空间的边缘检测，得到经过训练之后的分类器；根据所述分类器处理所述原始数据，得到文本分类结果，形成所述关键词集合。

进一步的，所述用户隐私信息包括特征节点包括人物、时间、地点、事件；所述特征节点包括人物特征节点、时间特征节点、地点特征节点和事件特征节点。

进一步的，所述隐私链构建具体包括，判断所述若干个特征节点之间是否存在关系，如果是，则根据所述关系构建隐私链；如果某个特征节点与其他特征节点之间不存在关系，则将该特征节点从隐私链中移除。

进一步的，所述关系包括人物特征节点之间的关系、人物特征节点与时间特征节点和/或地点特征节点和/或事件特征节点之间的关系。

进一步的，所述指定策略包括替换、重排、加密、截断、掩码中的一种或多中组合。

本发明还提供一种基于隐私链的隐私保护装置，其特征在于，包括：

数据收集模块，用于获取待处理的原始数据；

数据预处理模块，用于采用预设算法对所述原始数据进行预处理，得到关键词集合；

特征识别模块，用于从所述关键词集合中识别用户隐私信息，根据所述用户隐私信息构造若干个特征节点；

隐私链构建模块，用于根据所述若干个特征节点之间的关系，构建隐私链；