一种多源敏感字段语义脱敏方法与流程

本发明涉及数据安全和数据脱敏，具体涉及一种多源敏感字段语义脱敏方法。

背景技术：

1、随着政务、金融、医疗、互联网平台及企业内部系统的数据规模不断扩大，用户身份信息、联系方式、设备标识、交易记录、行为轨迹、地理位置、业务日志以及自由文本等敏感数据，通常分散存储在多个数据库、数据湖、接口系统和业务应用中。为了满足数据共享、统计分析、模型训练、测试开发和合规审计等需求，通常需要在数据流转或查询输出前对敏感字段进行识别和脱敏处理。

2、现有敏感数据识别方法通常依赖字段名关键字、正则表达式、数据类型规则、样本值匹配、机器学习分类模型或人工配置规则；脱敏处理通常采用掩码、截断、泛化、随机替换、格式保持替换、伪名化、差分隐私扰动、k匿名泛化或局部抑制等方式。上述方法能够在一定程度上降低单一字段或单一数据源中的敏感信息暴露风险。

3、然而，在跨数据源及跨业务系统的数据治理场景中，不同数据源中相同或相近语义的字段通常具有不同的字段名称、字段路径、注释、表结构和业务上下文，仅依据字段名或固定规则难以准确识别语义等价字段；此外，单个字段经脱敏处理后虽未直接暴露个人身份，但多个准标识符字段在不同数据源之间组合后，仍有可能通过地理位置、时间、职业、设备、交易类别、行为轨迹或上下文描述实现重识别，现有技术难以量化跨源字段组合带来的关联重识别风险。

4、另外，现有动态脱敏方案大多依赖预先配置的策略模板，难以根据字段间的语义关联、实体映射、血缘传播关系、访问频率、共享范围及下游业务效用要求自动选择合适的脱敏强度；若策略过弱，仍可能存在跨源关联泄露风险；若策略过强，又会降低统计分析、模型训练、跨源连接和业务查询的可用性。

5、此外，部分集中式数据治理方案在进行敏感字段识别、建模及策略生成时，需要依赖字段样本值、原始文本内容或可逆映射信息，以提高识别准确性和策略适配性；在多租户、多数据源或跨机构数据治理环境下，若由中心处理端集中接收上述数据，则会扩大敏感数据在治理过程中的暴露面；若完全不上传样本值，又难以准确识别不同数据源中的语义等价字段、同实体关联字段和准标识符组合字段。

6、因此，亟需一种多源敏感字段语义脱敏方法，以提高跨源敏感数据识别和脱敏处理的准确性、可解释性和安全性。

技术实现思路

1、本发明的目的在于提供一种多源敏感字段语义脱敏方法，用于解决现有脱敏方法在多源异构数据融合使用时，容易忽略跨源字段语义关联和字段组合重识别风险，导致单字段脱敏后仍可能被跨源拼接还原的问题。

2、为了实现上述目的，本发明提供一种多源敏感字段语义脱敏方法，包括以下步骤：

3、从各异构数据源采集字段元数据、统计摘要和字段关联关系，对采集的信息进行过滤、最小化和不可逆摘要化处理，生成字段语义指纹，并将所述字段语义指纹发送至中心处理端，所述字段语义指纹包括字段约束特征和下游任务标识，所述下游任务标识用于确定下游任务效用约束；

4、根据所述字段语义指纹对字段进行语义归一，得到字段语义标签，并根据所述字段语义指纹、字段语义标签及字段关联关系构建跨源敏感字段语义图谱；

5、基于所述跨源敏感字段语义图谱确定字段或字段组合的跨源关联重识别风险值和语义泄露风险值；

6、根据所述跨源关联重识别风险值、语义泄露风险值、字段约束特征和下游任务效用约束生成脱敏策略标识及策略参数，并发送至对应源侧处理端或可信执行沙箱；

7、本地读取原始字段值并执行脱敏处理，得到脱敏数据；

8、对所述脱敏数据进行重识别攻击模拟和语义泄露检测，未满足预设风险条件时调整脱敏策略标识或策略参数后重新执行脱敏处理。

9、进一步地，所述字段语义指纹包括经源侧过滤、归一化、统计化或不可逆摘要化处理后的字段标识信息、字段命名特征、字段类型特征、字段约束特征、值分布摘要、上下文特征、关联特征以及权限及访问特征。

10、进一步地，所述语义归一包括：将字段语义指纹与预设敏感字段本体库进行匹配，基于字段命名相似度、上下文相似度、字段格式匹配结果和值分布摘要匹配结果确定匹配得分，并在匹配得分大于预设语义匹配阈值时生成字段语义标签。

11、进一步地，所述语义归一由多分支特征编码模型执行，所述多分支特征编码模型以字段语义指纹中的字段名称对应的过滤后文本特征、上下文对应的过滤后上下文特征、格式统计特征和值分布摘要特征为输入，输出字段属于各敏感语义类别的概率或匹配得分。

12、进一步地，所述跨源敏感字段语义图谱包括字段节点、数据源节点、实体节点、业务对象节点和敏感语义标签节点；所述跨源敏感字段语义图谱中的边包括语义等价边、同实体关联边、准标识符组合边、上下文泄露边和血缘传递边。

13、进一步地，计算所述跨源关联重识别风险值前，中心处理端基于跨源敏感字段语义图谱生成跨越至少两个数据源的候选字段组合；所述跨源关联重识别风险值基于字段或字段组合的唯一性、跨源可连接概率、准标识符组合暴露度、上下文语义泄露度、值分布稀疏度、历史访问频次和血缘传播范围中的多个风险因子确定。

14、进一步地，所述字段约束包括字段长度约束、字段格式约束、唯一性约束、非空约束、枚举约束、主外键约束和业务校验约束；所述下游任务效用约束包括保持字段格式、保持统计分布、保持跨源连接能力、支持聚合统计、支持模型训练、支持测试环境数据回放、支持时间序列分析或支持地理区域分析。

15、进一步地，确定所述脱敏策略标识及策略参数时，对候选脱敏策略集合中的各候选脱敏策略进行策略模拟，基于策略模拟后的字段泛化层级、掩码位数、伪名化隔离方式、扰动强度和局部抑制比例，估计对应的残余重识别风险值和残余语义泄露风险值；在残余重识别风险值低于第一风险阈值且残余语义泄露风险值低于第二风险阈值的候选脱敏策略中，基于下游任务效用约束选择数据效用损失最小的脱敏策略。

16、进一步地，若脱敏策略为跨源一致伪名化或场景隔离伪名化，则源侧处理端或可信执行沙箱根据源侧归一后的实体键、字段语义标签、场景标识、策略版本和密钥生成不可逆替代标识。

17、进一步地，源侧处理端或可信执行沙箱完成脱敏处理后输出脱敏数据和审计信息，所述审计信息不包括原始敏感值、原始文本片段或密钥明文；所述重识别攻击模拟包括组合唯一性检查、图谱关联检查、字段组合可匹配概率估计、非授权可连接性检查和风险下降幅度比较；所述语义泄露检测包括显式标识检测、稀有描述检测、上下文语义相似度检测和高风险准标识符组合检测；检测未通过时，提高脱敏强度、调整伪名化方式、阻断相应字段输出或进入人工审批流程。

18、综上所述，由于采用了上述技术方案，本发明的有益效果是：

19、1、本发明在源侧处理端或可信执行沙箱中生成经最小化、过滤和不可逆摘要化处理的字段语义指纹，使中心处理端无需接收原始敏感值、原始文本片段或可逆还原信息，即可完成跨源敏感字段语义归一、风险计算和策略生成，降低了多源数据治理过程中的敏感数据暴露风险；

20、2、本发明通过多分支特征编码模型对字段名称、上下文、格式统计和值分布摘要进行联合编码，并结合跨源敏感字段语义图谱建立语义等价边、同实体关联边、准标识符组合边和血缘传递边，能够更准确地识别不同数据源中语义相同或可关联的敏感字段，有利于提高跨源敏感字段发现和关联分析的准确性；

21、3、本发明通过对字段组合唯一性、跨源可连接概率、准标识符组合暴露度、上下文语义泄露度、值分布稀疏度、历史访问频次和血缘传播范围进行归一化计算，形成可量化的跨源关联重识别风险值，使脱敏决策不再仅依赖单字段敏感等级，而能够识别由多字段、多数据源组合产生的隐私泄露风险；

22、4、本发明结合残余重识别风险、语义泄露风险和下游任务效用约束选择脱敏策略，并在脱敏数据输出前进行重识别攻击模拟和语义泄露检测；脱敏效果可通过敏感字段识别f1值、跨源语义等价字段召回率、高风险字段组合召回率、脱敏后组合唯一性下降比例、残余重识别风险下降比例、字段格式违反率、统计分布偏移量和跨源连接保持率等指标进行评价，从而在降低重识别风险的同时兼顾数据使用效用。