基于AI处理的车辆诊断可逆数据脱敏与受控还原方法与流程

摘要: 本发明涉及车辆诊断数据安全和人工智能数据处理,具体涉及一种对基于消息或服务接口的车辆诊断数据进行本地敏感信息识别、可逆数据脱敏和受控还原的方法,特别是指一种基于...
基于AI处理的车辆诊断可逆数据脱敏与受控还原方法与流程

本发明涉及车辆诊断数据安全和人工智能数据处理,具体涉及一种对基于消息或服务接口的车辆诊断数据进行本地敏感信息识别、可逆数据脱敏和受控还原的方法,特别是指一种基于ai处理的车辆诊断可逆数据脱敏与受控还原方法及系统、电子设备和计算机可读存储介质。

背景技术:

1、随着人工智能被用于车辆故障分析、诊断结果总结和报告生成,诊断系统需要向人工智能提供诊断请求与响应、服务接口数据、xml或json诊断报告、日志和自由文本说明。所述诊断交互数据既可以是以消息为单位的诊断协议数据,也可以是通过服务接口访问车辆实体、组件、应用、故障、测量值或操作资源形成的请求和响应,还可以是结构化诊断报告、日志及自由文本。上述数据中可能包含车辆标识、组件标识、应用标识、客户或组织名称、项目名称、主机名、ip地址、资源地址、文件路径、密码、认证头、访问令牌、api key、证书材料、时间、位置及诊断内容等信息。若将原始数据直接发送给外部人工智能,敏感信息可能离开受控环境,认证信息还可能被重放;若采用统一星号、整体删除或不区分实体的占位符,又会丢失请求响应关系、资源层级、故障条目与所属实体的对应关系以及同一实体在资源路径和消息体中的重复关系。

2、现有基于正则表达式或字段名称的脱敏方式能够识别格式明确的信息,但难以识别自由文本中的客户名称、组织名称、位置、别名、缩写和上下文相关秘密;固定词典也不能随任务用途、字段角色和诊断交互类型动态判断敏感信息。对于基于消息的诊断数据,整体保留可能暴露数据载荷,整体删除又会丢失服务标识符、数据标识符、否定响应码和结果状态;对于基于服务接口的诊断数据,直接删除url、资源路径或消息体又会破坏资源语义和实体关系。

3、因此,需要一种以诊断交互数据为统一处理对象,能够分别解析基于消息的诊断协议数据和基于服务接口的诊断数据,按字段作用保护敏感信息、保持诊断语义和实体关系,并对人工智能响应中的引用进行校验后再还原的方法。

技术实现思路

1、为了解决现有技术存在的技术问题,本发明提供了如下技术方案:

2、一方面,提供了一种基于ai处理的车辆诊断可逆数据脱敏与受控还原方法,包括以下步骤:

3、任务上下文获取:接收待处理的诊断交互数据,生成任务目的和策略上下文;

4、结构化解析:根据诊断交互类型选择对应的解析规则,对所述诊断交互数据执行结构化解析;

5、敏感信息识别:通过预设规则和条件对所述诊断交互数据进行确定性识别,生成确定性识别候选集合;根据任务策略、确定性识别结果和诊断交互数据解析结果判断是否调用本地语义检测模型进行补充识别,将通过校验的补充识别候选与所述确定性识别候选融合,形成最终敏感候选集合;

6、处理动作确定:根据交互控制信息、实体标识和诊断内容,为字段或敏感实体确定相应的处理动作;

7、作用域稳定引用生成:在同一作用域内,对经原值规范化、字段上下文比较和实体归并后确认为同一敏感实体的多个引用使用相同引用标识,形成目标人工智能可见的外部引用、不含原值的任务语义清单以及仅本地可见的原值映射;

8、结构化替换和发送前检查:根据结构解析器提供的结构位置定位待处理内容,对非重叠候选执行对应处理动作,按照原数据格式重新序列化;基于本次任务的原值映射、敏感类型策略和禁止发送字段清单对待发送数据执行确定性残留检查,发现已确认原值或其变体残留时重新执行结构化替换,发现疑似敏感内容时调用本地语义检测模型补充识别并重新执行替换和检查;不满足发送策略时执行安全回退;

9、人工智能处理:仅向目标人工智能发送通过检查的脱敏后诊断交互数据表示、任务语义清单和合法引用清单摘要,接收目标人工智能返回的处理结果;

10、响应引用校验:对目标人工智能响应返回的处理结果,校验响应引用的作用域、合法集合和输出位置;

11、受控还原:根据任务用途和输出接收者权限,将通过校验的引用在结构化位置绑定为对应值。

12、另一方面,提供了一种基于ai处理的车辆诊断可逆数据脱敏与受控还原系统,包括:

13、任务策略模块,用于接收诊断交互数据,生成任务标识和作用域标识,管理任务用途、目标人工智能端点、允许发送字段、禁止发送类型、诊断交互解析规则、映射有效期和允许还原范围;

14、诊断交互类型判断模块,用于判断诊断交互数据的类型并选择对应的解析规则;

15、基于消息的诊断数据解析模块,用于解析基于消息的诊断协议数据,识别交互控制信息、诊断对象标识信息和诊断内容数据边界;

16、基于服务接口的诊断数据解析模块,用于解析基于服务接口的诊断数据,识别请求方法、资源路径、实体和资源层级关系以及结构化消息体字段;规则识别模块,用于通过字段规则、正则表达式、字典和校验算法进行确定性敏感信息识别;

17、本地语义检测模型及其调用判断模块,用于根据任务策略、确定性识别结果和诊断交互数据解析结果判断是否调用本地语义检测模型对动态敏感信息进行补充识别;

18、敏感候选融合模块,用于将确定性识别候选与通过校验的补充识别候选融合,形成最终敏感候选集合;

19、作用域稳定引用生成模块,用于在同一作用域内为确认为同一敏感实体的多个引用生成相同引用标识,形成外部引用、任务语义清单和原值映射;本地映射模块,用于存储和管理仅本地可见的原值映射;

20、处理动作确定和结构化替换模块,用于按照任务策略确定字段或敏感实体的处理动作,并根据结构位置和实体引用执行结构化替换,形成脱敏数据;

21、发送前检查模块,用于对待发送数据执行确定性残留检查,并在不满足发送策略时执行安全回退;

22、人工智能适配模块,用于向目标人工智能发送通过检查的脱敏数据并接收处理结果;

23、响应引用校验模块,用于校验目标人工智能响应中实体引用的合法性、引用类型、允许输出位置和使用次数;

24、受控还原模块,用于根据任务用途和输出接收者权限,将通过校验的引用在结构化位置绑定为对应值;

25、各模块部署在同一车辆诊断设备中,或者部署在相互认证的本地可信节点中。

26、另一方面,提供一种电子设备,所述电子设备包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上述方法。

27、另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述方法。

28、本发明实施例提供的技术方案带来的有益效果至少包括:

29、在不向目标人工智能提供原始敏感值或可使用、可重放认证信息的条件下,对诊断交互数据进行结构化解析和语义保持型脱敏,保留诊断分析所需的交互控制信息、诊断对象标识关系、资源语义、请求响应关系、故障状态和字段结构;

30、使同一车辆、组件、应用、诊断资源或网络端点在同一任务中保持一致引用;

31、通过本地动态补充识别、作用域校验和允许输出位置校验,避免漏脱敏以及人工智能改写、虚构或错用实体引用造成错误还原;

32、当解析、识别或响应校验失败时,使系统能够保持脱敏状态、扩大脱敏范围、切换本地处理或阻断发送,从而提高车辆诊断数据使用人工智能处理时的安全性和可用性。