[发明专利]一种敏感信息识别方法和装置

权利要求书

1.一种敏感信息识别方法，其特征在于，包括：

建立显著敏感词语库；

根据显著敏感词语库，对样本数据进行预处理，确定样本训练数据；

根据样本训练数据，确定样本训练集；

根据样本训练集，确定样本向量；

在各参与方中根据样本向量，训练朴素贝叶斯模型，确定模型梯度；

在各参与方中利用同态加密方式对模型梯度进行加密掩饰，确定加密数据，发送至中央参数服务器；

在中央参数服务器中利用横向联邦学习，将加密数据基于同态运算进行聚合计算，确定聚合加密数据，发送至每一参与方；

在各参与方中根据聚合加密数据，更新朴素贝叶斯模型，直至损失函数收敛，确定更新后朴素贝叶斯模型；

根据更新后朴素贝叶斯模型，对样本训练数据进行敏感信息识别；

在各参与方中根据聚合加密数据，更新朴素贝叶斯模型，直至损失函数收敛，确定更新后朴素贝叶斯模型，包括：

各参与方接收中央参数服务器发来的聚合加密数据；

对聚合加密数据进行解密，确定模型更新参数；

根据模型更新参数，更新朴素贝叶斯模型，进行二次训练；

检测朴素贝叶斯模型在二次训练过程中的损失函数，在损失函数收敛时，二次训练停止，确定更新后朴素贝叶斯模型。

2.如权利要求1所述的方法，其特征在于，所述显著敏感词语库，包括：显著敏感词语；

根据显著敏感词语库，对样本数据进行预处理，确定样本训练数据，包括：

根据显著敏感词语库，将样本数据通过AC自动机进行字符串匹配进行预处理，当样本数据中的样本匹配到显著敏感词语时，将该样本从样本数据中剔除，将剩余的样本数据确定为样本训练数据。

3.如权利要求1所述的方法，其特征在于，根据样本训练数据，确定样本训练集，包括：

对样本训练数据进行切词和去停用词处理，确定各参与方的样本训练集。

4.如权利要求3所述的方法，其特征在于，根据样本训练集，确定样本向量，包括：

各参与方根据样本训练集，计算各自不重复词语的数量；

各参与方分享各自不重复词语的数量，将每一参与方分享的各自不重复词语的数量相加，确定不重复词语总数量；

在各参与方中将样本训练集中每一样本分为多个词语，将每一样本的各个词语哈希散列到长度值为不重复词语总数量的一个向量上，确定样本向量。

5.一种敏感信息识别装置，其特征在于，包括：

显著敏感词语库建立模块，用于建立显著敏感词语库；

预处理模块，用于根据显著敏感词语库，对样本数据进行预处理，确定样本训练数据；

样本训练集确定模块，用于根据样本训练数据，确定样本训练集；

样本向量确定模块，用于根据样本训练集，确定样本向量；

模型梯度确定模块，用于在各参与方中根据样本向量，训练朴素贝叶斯模型，确定模型梯度；

同态加密模块，用于在各参与方中利用同态加密方式对模型梯度进行加密掩饰，确定加密数据，发送至中央参数服务器；

聚合加密数据确定模块，用于在中央参数服务器中利用横向联邦学习，将加密数据基于同态运算进行聚合计算，确定聚合加密数据，发送至每一参与方；

更新后朴素贝叶斯模型确定模块，用于在各参与方中根据聚合加密数据，更新朴素贝叶斯模型，直至损失函数收敛，确定更新后朴素贝叶斯模型；

敏感信息识别模块，用于根据更新后朴素贝叶斯模型，对样本训练数据进行敏感信息识别；

更新后朴素贝叶斯模型确定模块，具体用于：

各参与方接收中央参数服务器发来的聚合加密数据；

对聚合加密数据进行解密，确定模型更新参数；

根据模型更新参数，更新朴素贝叶斯模型，进行二次训练；

检测朴素贝叶斯模型在二次训练过程中的损失函数，在损失函数收敛时，二次训练停止，确定更新后朴素贝叶斯模型。