基于报文分类的银行业务报文敏感数据检测方法、装置、设备及介质与流程

本技术属于信息安全，涉及一种基于报文分类的银行业务报文敏感数据检测方法、装置、设备及介质。

背景技术：

1、随着金融数字化转型的持续深入，银行业务系统与外部系统之间的数据交互日趋频繁，业务报文作为承载交易信息、客户信息、账户信息等核心数据的基本载体，在网络环境中持续流转，已成为数据安全防护的关键环节。报文在网络传输链路中可能被恶意截获导致敏感数据泄漏，一旦报文中的敏感数据发生泄露，不仅会造成客户隐私信息泄露、引发电信诈骗、客户财产损失等风险，还会导致银行面临声誉受损、监管处罚、金融风控失效等一系列问题。因此，对银行业务报文中的敏感信息进行前置检测，在报文发出之前及时发现并处置敏感数据泄露风险，已成为银行业亟待解决的技术问题。

2、当前报文敏感信息检测方法主要包括以下3种技术路线：

3、1）正则表达式+关键词匹配

4、正则表达式+关键词匹配是报文敏感信息检测的传统方法，其核心是通过预定义的规则模式识别报文中的敏感信息。例如，身份证号、银行卡号等个人可识别信息（personally identifiable information，pii）具有固定格式，可通过正则表达式进行匹配。此类方法的关键在于规则设计，即构建针对不同敏感信息类型的正则表达式和关键词库。该方法的局限性在于，不具备泛化能力，对于未添加到词库中的敏感关键词无法识别，存在较高的误判/漏判风险；维护成本高，需手动添加各种可能的关键词，难以全面覆盖。

5、2）传统机器学习方法

6、先由金融安全与业务领域专家人工提取报文敏感数据的多维特征，包括字符统计特征、格式特征、字段位置特征、报文业务属性特征、上下文关联特征等，再基于标注的银行业务报文样本，训练传统机器学习分类模型（如支持向量机 svm、朴素贝叶斯、随机森林、逻辑回归等），通过模型实现报文内容/字段的敏感/非敏感二分类，或敏感数据类型的多分类检测。该方法的局限性在于，特征工程依赖专家经验，难以适应新型敏感信息；模型泛化能力有限，对变形敏感词识别效果差；高维非结构化数据处理能力弱，易出现维度灾难。

7、3）深度学习方法

8、基于深度学习的报文敏感信息检测方法基于rnn/lstm、金融领域预训练大模型、transformer等深度学习架构，端到端自动学习银行业务报文的字符级、词语级、句子级、上下文语义级、业务场景级的深层特征，无需人工特征工程，可同步实现报文分类、敏感实体识别、敏感数据定位、敏感等级分级、风险判定等多任务处理。该方法的局限性在于，模型可解释性差，合规风险突出；算力与标注成本极高，实时性适配能力差；小样本场景适配性差，冷启动难度大；通用预训练模型在银行专属报文场景下易出现领域偏移，效果下降；跨业务场景应用时，需持续进行样本标注、模型微调与迭代优化，长期维护成本依然较高。

技术实现思路

1、本技术提供一种基于报文分类的银行业务报文敏感数据检测方法、装置、设备及介质，用于解决现有的报文敏感信息检测方法存在的模型泛化能力差、重复检测、人工维护成本高以及误判或漏判风险高等问题。

2、第一方面，本技术提供一种基于报文分类的银行业务报文敏感数据检测方法，包括如下步骤：获取网络请求；判断所述网络请求的请求类型是否属于非特定请求类型或者经白名单校验未通过的特定请求类型；若满足所述网络请求的请求类型为非特定请求类型或者经白名单校验未通过的特定请求类型这两种情况中任一种，则对所述网络请求中业务报文的类别进行识别；当所述业务报文的类别属于系统支持的报文类型时，采用与该类别相适应的报文解析方法对所述业务报文进行解析，以提取其中所包含的字段名和字段值；基于敏感字段库和敏感数据规则库对所述业务报文的字段名和字段值进行双重校验；若所述业务报文的字段名在敏感字段库中匹配成功且基于所述敏感数据规则库中规则字段值也符合敏感信息的数据特征，或者所述业务报文的字段名在敏感字段库中未匹配成功，但所述字段值符合特定敏感信息的数据特征，则判定所述业务报文包含敏感信息。

3、本技术中，通过建立自学习的白名单校验机制，获取网络请求后，对于常见的特定请求类型（http/https请求），若其url在白名单中，则校验通过直接放行；而对于非特定请求类型（例如tcp请求）或者经白名单校验未通过的特定请求类型，则进入后续的流程。然后，对网络请求中业务报文的类别进行识别，对于系统支持的报文类型则采用与该类别相适应的报文解析方法对所述业务报文进行解析，以提取其中所包含的字段名和字段值。不同于现有采用单一的关键词匹配或正则表达式匹配检测方式，本技术在敏感信息检测过程中，通过字段名语义（敏感字段库）与字段值的数据特征（敏感数据规则库）的双重校验判定逻辑，既通过关键词快速定位疑似敏感字段名，又通过与字段名相应的敏感数据规则库中的校验规则对字段值进行二次验证，从根本上解决了单一检测方式的固有缺陷。

4、进一步，在双重校验过程中，采用多种匹配机制并用，减少敏感字段漏报，通过字段名进行关键词匹配时依次采用精准匹配、模糊匹配及动态距离泛化匹配三种不同的匹配方法，减少了因敏感字段库不完善、字段名拼写错误等原因造成的敏感数据漏报。同时，本技术提出的动态距离泛化匹配方法可通过配置参数值调整泛化匹配的精度，使得系统的检测精度具备较强的灵活性。

5、在第一方面的一种实现方式中，方法还包括：根据敏感信息识别的结果生成预警信息并记录日志。

6、在第一方面的一种实现方式中，所述对所述网络请求中业务报文的类别进行识别包括：依照不同类别的优先级顺序依次判断所述业务报文是否属于系统支持的一种报文类型；其中，所述类别的优先级顺序与其使用场景的广泛程度相关；若所述业务报文不属于系统支持的报文类型，则判断所述网络请求的请求类型是否为特定请求类型；若是，则将该网络请求对应的url加入所述白名单。

7、在第一方面的一种实现方式中，所述基于敏感字段库和敏感数据规则库对所述业务报文的字段名和字段值进行双重校验包括：在所述敏感字段库中采用精准匹配搜索所述业务报文的字段名；若精准匹配搜索成功，则通过所述敏感字段库中与匹配成功的字段名对应的记录所对应的校验规则编号查找所述敏感数据规则库中的校验规则，以判断所述业务报文的字段值是否符合敏感信息的数据特征。

8、在第一方面的一种实现方式中，所述基于敏感字段库和敏感数据规则库对所述业务报文的字段名和字段值进行双重校验还包括：若所述业务报文的字段值不符合敏感信息的数据特征，则在所述敏感字段库中对所述业务报文的字段名进行模糊匹配搜索；若模糊匹配搜索成功且所述业务报文的字段值也符合敏感信息的数据特征，则将字段名添加到所述敏感字段库中。

9、在第一方面的一种实现方式中，所述基于敏感字段库和敏感数据规则库对所述业务报文的字段名和字段值进行双重校验还包括：若模糊匹配搜索失败或模糊匹配搜索成功但所述业务报文的字段值不符合敏感信息的数据特征，则在所述敏感字段库中对所述业务报文的字段名采用动态距离泛化匹配方法进行搜索匹配。

10、在第一方面的一种实现方式中，若所述业务报文的字段名在敏感字段库中匹配成功且基于所述敏感数据规则库中规则字段值也符合敏感信息的数据特征，或者所述业务报文的字段名在敏感字段库中未匹配成功，但所述字段值符合特定敏感信息的数据特征，则判定所述业务报文包含敏感信息包括：

11、按照上述方法对业务报文的字段名进行最多三次搜索匹配后，若其中有一次匹配成功，且所述业务报文的字段值也符合敏感信息的数据特征，则判定所述业务报文包含敏感信息；

12、若对所述业务报文的字段名进行三次搜索匹配均未成功，则认定所述业务报文的字段名在敏感字段库中未匹配成功，并根据特定敏感信息的数据特征对报文中各字段值进行校验，若报文的字段值符合特定敏感信息的数据特征，则也判定所述业务报文包含敏感信息。

13、第二方面，本技术还提供一种基于报文分类的银行业务报文敏感数据检测装置，包括：请求获取模块，用于获取网络请求；白名单校验模块，用于判断所述网络请求的请求类型是否属于非特定请求类型或者经白名单校验未通过的特定请求类型；报文类别识别模块，用于若满足所述网络请求的请求类型为非特定请求类型或者经白名单校验未通过的特定请求类型这两种情况中任一种，则对所述网络请求中业务报文的类别进行识别；报文解析模块，用于当所述业务报文的类别属于系统支持的报文类型时，采用与该类别相适应的报文解析方法对所述业务报文进行解析，以提取其中所包含的字段名和字段值；双重校验模块，用于基于敏感字段库和敏感数据规则库对所述业务报文的字段名和字段值进行双重校验；敏感信息识别模块，用于若经所述双重校验模块校验后，所述业务报文的字段名在敏感字段库中匹配成功且基于所述敏感数据规则库中规则字段值也符合敏感信息的数据特征，或者所述业务报文的字段名在敏感字段库中未匹配成功，但所述字段值符合特定敏感信息的数据特征，则判定所述业务报文包含敏感信息。

14、第三方面，本技术还提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现上述基于报文分类的银行业务报文敏感数据检测方法。

15、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被电子设备执行时实现上述基于报文分类的银行业务报文敏感数据检测方法。

16、如上所述，本技术所述的基于报文分类的银行业务报文敏感数据检测方法、装置、设备及介质，具有以下有益效果：

17、1）针对性地引入基于url的白名单快速校验通道，对已通过检测的无风险业务接口请求直接放行，有效规避了同一接口重复提交时的冗余计算开销，在保障检测精度的前提下显著提升系统吞吐量，满足金融核心业务对低延时与高并发的严苛要求。

18、2）传统的静态白名单依赖人工配置与维护，无法适应业务接口的频繁增删改，且存在配置滞后导致的误拦或漏检风险。本发明利用后续检测结果自动捕获未包含敏感信息的合法请求并实时添加至白名单，大幅降低了运维成本。

19、3）在双重校验过程中，采用多种匹配机制并用，减少敏感字段漏报，通过字段名进行关键词匹配时依次采用精准匹配、模糊匹配及动态距离泛化匹配三种不同的匹配方法，减少了因敏感字段库不完善、字段名拼写错误等原因造成的敏感数据漏报。同时，本技术提出的动态距离泛化匹配方法可通过配置参数值调整泛化匹配的精度，使得系统的检测精度具备较强的灵活性。

20、4）现有技术多采用单一的关键词匹配或正则表达式匹配，容易出现“关键词命中但非敏感数据”的误报（如字段名中包含“身份证”字样但字段值为说明文字），或“无敏感关键词但包含敏感数据”的漏报（如字段名命名不规范的银行卡号、身份证号等）。本发明通过字段名语义（敏感字段库）与字段值的数据特征（敏感数据规则库）的双重校验判定逻辑，既通过关键词快速定位疑似敏感字段名，又通过与字段名相应的敏感数据规则库中的校验规则字段值进行二次验证，从根本上解决了单一检测方式的固有缺陷。

21、5）支持银行根据自身业务特点动态更新敏感关键词库和数据特征规则，无需修改系统核心代码。当新增敏感数据类型（如数字人民币钱包编号）或监管要求变化时，可快速完成检测能力的迭代升级，保障检测体系的时效性。