[发明专利]个人信息识别方法及计算机可读存储介质

说明书

本发明公开了一种个人信息识别方法及计算机可读存储介质，方法包括：获取数据库元数据，并获取数据库中各字段的数据类型和数据特征值；根据预设的个人信息数据项的数据类型、数据值域、数据长度和数据规则以及各字段的数据类型和数据特征值，分别对各字段进行校验，确定各字段对应的候选个人信息数据项；分别计算各字段与其对应的各候选个人信息数据项的名称匹配度、实体识别匹配度和数值指纹匹配度，并计算各字段与其各候选个人信息数据项的最终匹配度；若一字段与其一候选个人信息数据项的最终匹配度最大且大于预设的阈值，则将该候选个人信息数据项作为目标个人信息数据项。本发明可自动识别出数据库中涉及的个人信息数据项。

技术领域

本发明涉及数据识别技术领域，尤其涉及一种个人信息识别方法及计算机可读存储介质。

背景技术

在信息泛滥成灾的今日，骚扰电话、垃圾短信、网络诈骗等行为严重影响人们的日常生活，甚至有人为此付出生命代价。而这背后的原因是大量的个人隐私信息被兜售，我国的个人信息安全保护意识和网络安全意识仍处于比较薄弱的阶段。

随着互联网的发展，大数据的变迁，个人的信息已演变成敏感的网络数据，是网络安全保护的重要内容之一。监管单位在开展数据安全审查中，需要信息化技术来支撑，实现广泛、深度、高效、准确地审查。

目前，相关技术已经起步。在客户端方面，已有针对应用程序收集个人信息的动态检测技术。在服务端方面，已有对数据组件识别、数据组件安全漏洞检测、数据内容识别、数据资产展示等技术。这些技术能识别各类云组件，大数据组件，关系型数据库组件，加密容器等；能检测数据库权限漏洞、应用漏洞、数据泄露漏洞等；能通过正则表达式、关键词等方式识别个人数据；能从数据类别、数据数量等维度展示数据资产。

但被监管单位出于某种目的，可能隐藏或隐瞒个人信息的存储情况，因此个人信息识别是其中很关键的一个环节。目前用于数据审计的个人信息识别技术比较简单，不够成熟和全面。

发明内容

本发明所要解决的技术问题是：提供一种个人信息识别方法及计算机可读存储介质，可自动识别出数据库中涉及的个人信息数据项。

为了解决上述技术问题，本发明采用的技术方案为：一种个人信息识别方法，包括：

获取数据库元数据，并获取数据库中各字段的数据类型和数据特征值；

根据预设的个人信息数据项的数据类型、数据值域、数据长度和数据规则以及所述各字段的数据类型和数据特征值，分别对各字段进行校验，确定各字段对应的候选个人信息数据项；

分别计算各字段与其对应的各候选个人信息数据项的名称匹配度、实体识别匹配度和数值指纹匹配度，并根据所述名称匹配度、实体识别匹配度和数值指纹匹配度，计算各字段与其各候选个人信息数据项的最终匹配度；

若一字段与其一候选个人信息数据项的最终匹配度最大且大于预设的阈值，则将所述一候选个人信息数据项作为所述一字段匹配的目标个人信息数据项。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的方法。

本发明的有益效果在于：通过数据库元数据和遍历数据分布特点两个方面进行数据探查，通过数据类型、数据值域、数据长度和数据规则对数据进行校验，从而快速确定可能匹配的个人信息数据项；通过字段名、数据实体识别、数据指纹三个维度计算字段与其候选个人信息数据项的匹配度，并根据最终匹配度确定目标个人信息数据项，从而实现数据库中涉及的个人信息的自动智能检测，且保证检测的准确性。本发明利用元数据结构和数据值域特点，不断循序渐进，结合数据校验和匹配度计算，实现数据项智能匹配，从而自动探测出存储的个人信息项，为数据安全监督管理工作提供支撑。

附图说明

图1为本发明的一种个人信息识别方法的流程图；