[发明专利]敏感信息检测方法及装置

说明书

本说明书实施例提供一种敏感信息检测方法，该方法包括：先获取待检测的字段的字段信息，其中包括字段属性和多个字段值；接着利用预设规则对所述字段信息进行敏感性判别；进而在判别出所述字段信息疑似某个敏感类别的情况下，基于预先建立的备选检测算法和备选敏感类别之间的映射关系，确定所述某个敏感类别对应的检测算法；再利用所述检测算法处理所述字段信息，得到处理结果，该处理结果指示所述字段是否属于所述某个敏感类别。

技术领域

本说明书一个或多个实施例涉及机器学习技术领域，尤其涉及一种敏感信息检测方法及装置。

背景技术

随着各行业向数字化转型，线上数据时刻都在增长。例如，用户在网络平台中进行操作而产生各种操作数据，如浏览数据、点击数据、支付数据、注册信息，等等。庞大的数据中或多或少存在一些敏感数据，一旦泄露将威胁用户或企业等的隐私安全，造成财产等方面的损失，甚至危害社会安定，因此，数据安全已成为社会各界关注的交点。

然而，目前对敏感数据进行检测的方式较为单一，难以满足实际应用中的需求。因此，需要一种检测方案，可以有效提升对敏感信息的检测效率和准确度。

发明内容

本说明书一个或多个实施例描述了一种敏感信息检测方法及装置，针对待检测的字段，先利用预设规则对其进行预判别，再调用与预判别结果指示的疑似敏感类别对应的检测算法进行检测，从而高效、快捷地得到精准的敏感检测结果。

根据第一方面，提供一种敏感信息检测方法，包括：获取待检测的字段的字段信息，其中包括字段属性和多个字段值；利用预设规则对所述字段信息进行敏感性判别；在判别出所述字段信息疑似某个敏感类别的情况下，基于预先建立的备选检测算法和备选敏感类别之间的映射关系，确定所述某个敏感类别对应的检测算法；利用所述检测算法处理所述字段信息，得到处理结果，该处理结果指示所述字段是否属于所述某个敏感类别。

在一个实施例中，所述字段属性包括以下中的至少一项：字段名称、字段注释、字段类型、字段所属表格的表名、表注释。

在一个实施例中，获取待检测的字段的字段信息，包括：针对所述字段的字段值分别进行第一采样和第二采样，得到对应的多个第一字段值和多个第二字段值；基于所述多个第一字段值和多个第二字段值，评估所述第一采样的第一采样质量；在所述第一采样质量达到预设标准的情况下，基于所述多个第一字段值，确定所述多个字段值。

在一个具体的实施例中，基于所述多个第一字段值和多个第二字段值，评估所述第一采样的第一采样质量，包括：计算所述多个第一字段值对应的第一字段值分布，与所述多个第二字段值对应的第二字段值分布之间的差异程度；在所述差异程度小于预设阈值的情况下，判定所述第一采样质量达到预设标准。

在一个实施例中，获取待检测的字段的字段信息，包括：针对所述字段的字段值进行第一采样，得到多个第一字段值；确定所述多个第一字段值对应的多个编码向量，并计算基于该多个编码向量组成的多对编码向量间的多个相似度；在所述多个相似度反映所述多个编码向量之间的相似性小于预设程度的情况下，基于所述多个第一字段值，确定所述多个字段值。

在一个具体的实施例中，基于所述多个第一字段值，确定所述多个字段值，包括：通过对所述多个第一字段值进行去重处理，得到所述多个字段值。

在一个实施例中，所述预设规则包括针对若干备选敏感类别的敏感类规则，以及针对若干非敏感类别的非敏感类规则；其中，利用预设规则对所述字段信息进行判别，包括：对所述字段信息进行特征提取，得到对应多个预设特征项的多个特征值；利用所述非敏感类规则，对所述多个特征值进行判别；在判别出其不属于若干非敏感类别中任一敏感类别的情况下，利用所述敏感类规则对所述多个特征值进行判别，得到所述某个敏感类别。

在一个实施例中，在利用预设规则对所述字段信息进行判别之后，所述方法还包括：在判别出所述字段信息属于某个非敏感类别的情况下，舍弃所述字段。