CN109711189B - 数据脱敏方法及装置、存储介质、终端 - Google Patents

Abstract

一种数据脱敏方法及装置、存储介质、终端，数据脱敏方法包括：获取待脱敏数据，所述待脱敏数据为手机号；将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符；根据所述第一字符数据确定所述手机号的运营商和归属地；将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。本发明技术方案在实现对数据脱敏的同时保留数据的统计特性。

Description

数据脱敏方法及装置、存储介质、终端

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据脱敏方法及装置、存储介质、终端。

背景技术

随着商业数据管理平台(Data Management Platform,DMP)步入大数据时代，目前可以在海量数据中进行数据挖掘与分析，为公司发现新的商业机遇提供数据支持。但在对数据进行挖掘利用的过程中，不可避免的产生数据安全问题。例如在商业DMP系统中，存储着大量个人姓名、出生日期、手机号码等一系列的敏感数据，因此，如何在程序开发、测试、业务分析的场景下，安全有效使用这些数据也就成为亟需解决的问题。一般情况下，会用数据脱敏的方式来解决这个问题。数据脱敏是指对敏感数据进行关键字屏蔽、字符替换、字符变形、随机字符替换等处理方式，达到对用户访问敏感数据真实内容的权限控制。对于存储在分布式系统中的原始敏感数据，通过脱敏处理，不同权限的业务用户可以看到不同的展现结果，且不会丢失业务统计所需要的维度。这样处理之后即可以满足业务统计需求，也保护了个人敏感数据。

现有技术中，手机号码的脱敏处理一般会使用不可逆的加密算法，例如MD5、RSA等方式将手机号码完全加密。

但是，现有的手机号码脱敏会造成统计属性维度的缺失，导致的后果是数据挖掘与分析时价值不大。

发明内容

本发明解决的技术问题是如何在实现对数据脱敏的同时保留数据的统计特性。

为解决上述技术问题，本发明实施例提供一种数据脱敏方法，数据脱敏方法包括：获取待脱敏数据，所述待脱敏数据为手机号；将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符；根据所述第一字符数据确定所述手机号的运营商和归属地；将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。

可选的，所述第一字符数据为所述手机号的前7位字符，所述第二字符数据为所述手机号的后4位字符。

可选的，所述根据所述第一字符数据确定所述手机号的运营商和归属地包括：将所述第一字符数据与知识库中的各个字符数据进行匹配，所述知识库中包括各个字符数据及其对应的运营商和归属地；确定匹配的字符数据对应的运营商和归属地为所述第一字符对应的运营商和归属地。

可选的，所述第一字符数据包括第一子字符和第二子字符，所述第一子字符为指示所述手机号的运营商的字符，所述第二子字符为指示所述手机号的归属地的字符。

可选的，所述根据所述第一字符数据确定所述手机号的运营商和归属地包括：将所述第一子字符与知识库中的各个第一子字符进行匹配，所述知识库中包括各个第一子字符及其对应的运营商；确定匹配的第一子字符对应的运营商为所述第一字符对应的运营商；将所述第二子字符与知识库中的各个第二子字符进行匹配，所述知识库中包括各个第二子字符及其对应的归属地；确定匹配的第二子字符对应的归属地为所述第一字符对应的归属地。

可选的，所述获取待脱敏数据包括：获取原始数据；利用正则表达式对所述原始数据中的手机号进行识别，以得到所述待脱敏数据。

可选的，所述获取待脱敏数据之后还包括：对所述待脱敏数据进行筛选，以筛除不符合预设格式的待脱敏数据。

为解决上述技术问题，本发明实施例还公开了一种数据脱敏装置，数据脱敏装置包括：待脱敏数据确定模块，适于获取待脱敏数据，所述待脱敏数据为手机号；拆分模块，适于将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符；确定模块，适于根据所述第一字符数据确定所述手机号的运营商和归属地；拼接模块，适于将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。

本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述数据脱敏方法的步骤。

本发明实施例还公开了一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述数据脱敏方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明技术方案获取待脱敏数据，所述待脱敏数据为手机号；将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的前7位字符，所述第二字符数据为所述手机号的剩余字符；根据所述第一字符数据确定所述手机号的运营商和归属地；将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。本发明技术方案通过对手机号的运营商和归属地信息进行识别，并将识别后的信息作为脱敏后的手机号的一部分，既保留了手机号的统计属性，又实现了手机号的脱敏，使得第三方无法获得脱敏前的手机号，有效地保护了用户隐私。

进一步地，将所述第一字符数据与知识库中的各个字符数据进行匹配，所述知识库中包括各个字符数据及其对应的运营商和归属地；确定匹配的字符数据对应的运营商和归属地为所述第一字符对应的运营商和归属地。本发明技术方案通过预先设置的知识库可以获得手机号的运营商和归属地，从而能够用于对手机号的运营商信息和归属信息进行统计。

附图说明

图1是本发明实施例一种数据脱敏方法的流程图；

图2是本发明实施例一种数据脱敏装置的结构示意图。

具体实施方式

如背景技术中所述，现有的手机号码脱敏会造成统计属性维度的缺失，导致的后果是数据挖掘与分析时价值不大。

本发明技术方案通过对手机号的运营商和归属地信息进行识别，并将识别后的信息作为脱敏后的手机号的一部分，既保留了手机号的统计属性，又实现了手机号的脱敏，使得第三方无法获得脱敏前的手机号，有效地保护了用户隐私。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例一种数据脱敏方法的流程图。

图1所示数据脱敏方法可以包括以下步骤：

步骤S101：获取待脱敏数据，所述待脱敏数据为手机号；

步骤S102：将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符；

步骤S103：根据所述第一字符数据确定所述手机号的运营商和归属地；

步骤S104：将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。

需要指出的是，本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。

具体实施中，由于手机号中部分数字具有统计意义，例如可以指示运营商，因此在获取到待脱敏的手机号后，可以据此将手机号进行拆分。具体可以将手机号拆分为第一字符数据和第二字符数据。所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符。

通常而言，手机号的前7位字符可以指示手机号的运营商和归属地，因此可以拆分手机号的前7位字符为第一字符数据，剩余字符为第二字符数据。例如，在手机号为11位字符的情况下，手机号的前三位字符137指示运营商为中国移动，158指示运营商为中国联通；手机号的中间4位字符8892以及0218指示归属地为中国上海，5311指示归属地为中国济南。

也就是说，在手机号为11位字符的情况下，第二字符数据为手机号的后4位字符。

可以理解的是，在手机号的位数为更多位的情况下，可以实际的字符含义确定第一字符数据和第二字符数据。

在步骤S103的具体实施中，可以直接将第一字符数据指示的运营商和归属地作为脱敏后的手机号的一部分。由此，可以在隐藏用户的真实手机号码的情况下，保留用户手机号指示的具体信息。

进而在步骤S104的具体实施中，将手机号的运营商和归属地与所述第二字符数据进行拼接，以作为脱敏后的手机号。

例如，对于手机号13788920010，脱敏后的手机号为“中国移动上海市0010”。

需要说明的是，在将手机号的运营商和归属地与所述第二字符数据进行拼接时，可以使用任意可实施的连接符进行连接，例如，上划线、下划线、～、/、*、&等字符，本发明实施例对此不作限制。

由于脱敏后的手机号包含运营商和归属地，因此可以直接用于对手机号进行统计；此外，脱敏后的手机号隐藏了手机号中的部分字符，脱敏后的手机号不能直接拨打，可以有效保护用户的隐私。

本发明实施例通过对手机号的运营商和归属地信息进行识别，并将识别后的信息作为脱敏后的手机号的一部分，既保留了手机号的统计属性，又实现了手机号的脱敏，使得第三方无法获得脱敏前的手机号，有效地保护了用户隐私。

本发明一个典型应用场景中，对于包含大量用户手机号的数据，例如可以是存储在DMP平台的分布式数据库中的数据，可以采用正则表达式匹配的方式识别出各个手机号，并采用图1所示各个步骤进行脱敏。脱敏后的手机号为运营商+归属地+剩余四位数字。在对脱敏后的手机号进行统计时，可以在运营商维度对各个手机号进行分类统计，也可以在归属地维度对各个手机号进行分类统计。并且，统计后的数据不会暴露脱敏前手机号的前7位数字，因此不会泄露用户的隐私。

本发明一个非限制性的实施例中，所述第一字符数据为所述手机号的前7位字符，所述第二字符数据为所述手机号的后4位字符。

本实施例中，对于中国境内的手机号，通常为11位。其中，前3位表示网络识别号；第4-7位表示地区编码；第8-11位表示用户号码。也即，前7位可以指示运营商和归属地，因此手机号的前7位字符为第一字符数据，剩余后4位字符为第二字符数据。脱敏后的手机号为运营商+归属地+后4位字符。

本领域技术人员可以理解的是，对应其他国家或地区的手机号，可能具有不同的位数，因此可以根据实际的情况自定义设置第一字符数据以及第二字符数据的字符数量，本发明实施例对此不作限制。

本发明一个非限制性的实施例中，图1所示步骤S103可以包括以下步骤：将所述第一字符数据与知识库中的各个字符数据进行匹配，所述知识库中包括各个字符数据及其对应的运营商和归属地；确定匹配的字符数据对应的运营商和归属地为所述第一字符对应的运营商和归属地。

本实施例中，知识库可以是预先设置的。知识库中的字符数据可以是指示所述手机号的运营商和归属地的字符，例如可以是手机号的前7位字符。每一字符数据对应运营商和归属地，例如，1378892对应中国移动上海，1580218对应中国联通上海，1855311对应中国联通济南。

由此，通过将第一字符数据与知识库中的字符数据进行匹配，可以确定于第一字符数据相匹配的字符数据对应的运营商和归属地为第一字符数据对应的运营商和归属地。

本发明一个非限制性的实施例中，所述第一字符数据包括第一子字符和第二子字符，所述第一子字符为指示所述手机号的运营商的字符，所述第二子字符为指示所述手机号的归属地的字符。

本实施例中，对于第一字符数据，可以根据指示运营商和归属地的字符的不同再次进行拆分。以中国境内的手机号为例，第一子字符可以是手机号的前3位字符，第二子字符可以是手机号的中间4位字符。

本领域技术人员可以理解的是，对于其他形式的手机号，可以按照上述原则进行第一子字符和第二子字符的划分，本发明实施例对此不再赘述。

进一步地，图1所示步骤S103可以包括以下步骤：将所述第一子字符与知识库中的各个第一子字符进行匹配，所述知识库中包括各个第一子字符及其对应的运营商；确定匹配的第一子字符对应的运营商为所述第一字符对应的运营商；将所述第二子字符与知识库中的各个第二子字符进行匹配；确定匹配的第二子字符对应的归属地为所述第一字符对应的归属地。

本实施例中，知识库中分别包含各个第一子字符及其对应的运营商，以及各个第二子字符及其对应的归属地。在确定第一字符数据的运营商和归属地时，可以是分别对第一子字符与知识库中的各个第一子字符进行比对，以及对第二子字符与知识库中的各个第二子字符进行比对，以分别确定运营商和归属地。

本实施例中，由于知识库中各个第一子字符及其对应的运营商，以及各个第二子字符及其对应的归属地分别进行存储，相对于将各个第一子字符与第二子字符组合存储，可以减小知识库的存储量，从而可以提升匹配效率，进而提升手机号的脱敏效率。

本发明一个非限制性的实施例中，步骤S101可以包括以下步骤：获取原始数据；利用正则表达式对所述原始数据中的手机号进行识别，以得到所述待脱敏数据。

具体地，可以采用以下正则表达式来识别手机号：^1(3|4|5|7|8)\d{9}$。其中，上述正则表达式的含义如下：表示以1开头，第二位可能是3/4/5/7/8等的任意一个，\d表示数字[0-9]的9位，总共11位数字。

本领域技术人员可以理解的是，也可以采用其他任意可实施的方式识别手机号，本发明实施例对此不作限制。

本发明一个非限制性的实施例中，步骤S101之后可以包括以下步骤：对所述待脱敏数据进行筛选，以筛除不符合预设格式的待脱敏数据。

在获取待脱敏的手机号后，还可以对待脱敏手机号进行过滤，以筛除不符合预设格式的数据。具体实施中，对于中国境内的手机号，可以判断手机号是否为11位或者是否是“+86”开头的纯数字字符串，如果不满足上述条件，则筛除该手机号；否则保留该手机号，以进行下一步的脱敏操作。

在一个典型应用场景中，从DMP平台的分布式数据库中读取数据，所述数据可以是以表格的形式存储。采用正则表达式从表格中筛选出待脱敏的手机号。如果手机号不足11位或者不是“+86”开头的纯数字字符串，则将该手机号标记错误。未被标记错误的手机号进入下一步的脱敏操作。

请参照图2，本发明实施例还公开了一种数据脱敏装置。数据脱敏装置20可以包括：待脱敏数据确定模块201、拆分模块202、确定模块203和拼接模块204。

其中，待脱敏数据确定模块201适于获取待脱敏数据，所述待脱敏数据为手机号；拆分模块202适于将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符；确定模块203适于根据所述第一字符数据确定所述手机号的运营商和归属地；拼接模块204适于将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。

本发明实施例通过对手机号的运营商和归属地信息进行识别，并将识别后的信息作为脱敏后的手机号的一部分，既保留了手机号的统计属性，又实现了手机号的脱敏，使得第三方无法获得脱敏前的手机号，有效地保护了用户隐私。

关于所述数据脱敏装置20的工作原理、工作方式的更多内容，可以参照图1中的相关描述，这里不再赘述。

本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时可以执行图1中所示方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。

本发明实施例还公开了一种终端，所述终端可以包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1中所示方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (9)

1.一种数据脱敏方法，其特征在于，包括：

获取待脱敏数据，所述待脱敏数据为手机号；

将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符，所述第一字符数据包括第一子字符和第二子字符，所述第一子字符为指示所述手机号的运营商的字符，所述第二子字符为指示所述手机号的归属地的字符；

根据所述第一字符数据确定所述手机号的运营商和归属地；

将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。

2.根据权利要求1所述的数据脱敏方法，其特征在于，所述第一字符数据为所述手机号的前7位字符，所述第二字符数据为所述手机号的后4位字符。

3.根据权利要求1所述的数据脱敏方法，其特征在于，所述根据所述第一字符数据确定所述手机号的运营商和归属地包括：

将所述第一字符数据与知识库中的各个字符数据进行匹配，所述知识库中包括各个字符数据及其对应的运营商和归属地；

确定匹配的字符数据对应的运营商和归属地为所述第一字符对应的运营商和归属地。

4.根据权利要求1所述的数据脱敏方法，其特征在于，所述根据所述第一字符数据确定所述手机号的运营商和归属地包括：

将所述第一子字符与知识库中的各个第一子字符进行匹配，所述知识库中包括各个第一子字符及其对应的运营商；

确定匹配的第一子字符对应的运营商为所述第一字符对应的运营商；

将所述第二子字符与知识库中的各个第二子字符进行匹配，所述知识库中包括各个第二子字符及其对应的归属地；

确定匹配的第二子字符对应的归属地为所述第一字符对应的归属地。

5.根据权利要求1所述的数据脱敏方法，其特征在于，所述获取待脱敏数据包括：

获取原始数据；

利用正则表达式对所述原始数据中的手机号进行识别，以得到所述待脱敏数据。

6.根据权利要求1所述的数据脱敏方法，其特征在于，所述获取待脱敏数据之后还包括：

对所述待脱敏数据进行筛选，以筛除不符合预设格式的待脱敏数据。

7.一种数据脱敏装置，其特征在于，包括：

待脱敏数据确定模块，适于获取待脱敏数据，所述待脱敏数据为手机号；拆分模块，适于将所述手机号拆分为第一字符数据和第二字符数据，所述第一字符数据为指示所述手机号的运营商和归属地的字符，所述第二字符数据为所述手机号的剩余字符，所述第一字符数据包括第一子字符和第二子字符，所述第一子字符为指示所述手机号的运营商的字符，所述第二子字符为指示所述手机号的归属地的字符；

确定模块，适于根据所述第一字符数据确定所述手机号的运营商和归属地；拼接模块，适于将所述手机号的运营商和归属地与所述第二字符数据进行拼接，以形成脱敏后的手机号。

8.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至6中任一项所述数据脱敏方法的步骤。

9.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至6中任一项所述数据脱敏方法的步骤。

Images