一种识别隐私数据的方法、装置、设备和可读介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112132238A(43)申请公布日2020.12.25(21)申请号202011322577.6(22)申请日2020.11.23(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人王德胜刘佳伟章鹏(74)专利代理机构北京晋德允升知识产权代理有限公司11623代理人王戈(51)Int.Cl.G06K9/62(2006.01)权利要求书3页说明书14页附图4页(54)发明名称一种识别隐私数据的方法、装置、设备和可读介质(57)摘要本说明书实施例公开了一种识别隐私数据的方法、装置、设备和可读介质。该方法包括：获取待识别数据的元数据；将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果；所述第一多分类模型是基于隐私类型数据对应的元数据进行训练得到的；若所述第一识别结果表示所述待识别数据属于隐私数据，则根据所述第一识别结果确定所述待识别数据所属的隐私类型；若所述第一识别结果表示所述待识别数据不属于隐私数据，则将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果；根据所述第二识别结果确定所述待识别数据所属的隐私类型。CN112132238ACN112132238A权利要求书1/3页1.一种识别隐私数据的方法，包括：获取待识别数据的元数据；将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果；所述第一多分类模型是基于隐私类型数据对应的元数据进行训练得到的；若所述第一识别结果表示所述待识别数据属于隐私数据，则根据所述第一识别结果确定所述待识别数据所属的隐私类型；若所述第一识别结果表示所述待识别数据不属于隐私数据，则将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果；根据所述第二识别结果确定所述待识别数据所属的隐私类型。2.根据权利要求1所述的方法，还包括：在根据所述第一识别结果确定所述待识别数据所属的隐私类型之后，采用与所述待识别数据所属的隐私类型相应的处理方式对所述待识别数据进行脱敏处理；或者，在根据所述第二识别结果确定所述待识别数据所属的隐私类型之后，采用与所述待识别数据所属的隐私类型相应的处理方式对所述待识别数据进行脱敏处理。3.根据权利要求1所述的方法，所述将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果，具体包括：将所述元数据进行分词处理，将分词处理后的结果进行特征提取，得到第一特征向量；将所述第一特征向量输入到所述第一多分类模型中进行识别，得到第一识别结果。4.根据权利要求1所述的方法，所述将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果，具体包括：将所述元数据和所述待识别数据的文本进行组合，得到组合结果；对所述组合结果进行分词处理，将分词处理后的结果进行特征提取，得到第二特征向量；将所述第二特征向量输入到所述第二多分类模型中进行识别，得到第二识别结果。5.根据权利要求3或4所述的方法，所述将分词处理后的结果进行特提取，具体包括：采用One-hot编码方法对分词处理后的结果进行特征提取；或者，采用词频特征方法对分词处理后的结果进行特征提取；或者，采用tf-idf方法对分词处理后的结果进行特征提取。6.根据权利要求1所述的方法，所述元数据具体包括：所述待识别数据所属数据库的数据库名、所述待识别数据所属数据库的数据库描述信息、所述待识别数据所属数据库的表结构名称、所述待识别数据所属数据库的表结构的字段名称、或所述待识别数据所属数据库的表结构的字段类型。7.根据权利要求1所述的方法，所述多分类模型包括：基于决策树算法的多分类模型、基于随机森林算法的多分类模型、基于逻辑回归的多分类模型、基于Xgboost算法的多分类模型、基于梯度提升树算法的多分类模型、基于最大熵算法的多分类模型、基于卷积神经网络CNN的多分类模型、或基于循环神经网络RNN的多分类模型。8.根据权利要求1所述的方法，所述将所述元数据输入第一多分类模型以对所述待识别数据的数据类型进行识别，得到第一识别结果之前，还包括：获取待识别数据的元数据样本，所述元数据样本包含表征所述待识别数据的语义特征2CN112132238A权利要求书2/3页信息；根据所述元数据样本对初始的第一多分类模型进行训练，得到训练后的第一多分类模型。9.根据权利要求1所述的方法，所述将所述元数据和所述待识别数据输入第二多分类模型，得到第二识别结果之前，还包括：获取已知隐私类型的数据样本及所述已知隐私类型的数据样本的元数据；将所述已知隐私类型的数据样本的元数据和所述已知隐私类型的数据样本进行组合，根据组合后的结果对