CN117874814A - 一种数据清洗方法、装置、设备及其存储介质 - Google Patents
一种数据清洗方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117874814A CN117874814A CN202410037880.3A CN202410037880A CN117874814A CN 117874814 A CN117874814 A CN 117874814A CN 202410037880 A CN202410037880 A CN 202410037880A CN 117874814 A CN117874814 A CN 117874814A
- Authority
- CN
- China
- Prior art keywords
- data
- service data
- batch
- cleaning
- sensitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000012217 deletion Methods 0.000 claims abstract description 56
- 230000037430 deletion Effects 0.000 claims abstract description 56
- 238000012216 screening Methods 0.000 claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 238000013480 data collection Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000012546 transfer Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例属于金融科技技术领域,应用于金融业务数据清洗场景中,涉及一种数据清洗方法、装置、设备及其存储介质,包括采集批量业务数据;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
Description
技术领域
本申请涉及金融科技技术领域,应用于金融业务数据清洗场景中,尤其涉及一种数据清洗方法、装置、设备及其存储介质。
背景技术
随着互联网的飞速发展,各行各业都在依托互联网寻求行业突破点,近年来,金融行业也正在围绕着互联网进行线上业务拓展。由于金融行业涉及的数据往往涉及到个人隐私数据和资金财产数据,这也导致了对金融机构在业务数据的管理维护上提出了更高的安全要求。
在批量金融业务数据采集过程中,往往会有业务数据伴随着诸多噪声,不符合期望的业务场景使用,这些噪声会影响金融业务模型的训练结果,因此,在使用前需要进行数据清洗,但现有的数据清洗方法,对于清洗策略不全面,导致数据清洗处理不够彻底,无法及时清洗掉非本业务场景的数据,同时,也无法对目标业务数据进行安全传输。
发明内容
本申请实施例的目的在于提出一种数据清洗方法、装置、设备及其存储介质,以解决现有技术在金融业务数据清洗上,无法及时清洗掉非本业务场景的数据,同时,也无法对目标业务数据进行安全传输的问题。
为了解决上述技术问题,本申请实施例提供数据清洗方法,采用了如下所述的技术方案:
一种数据清洗方法,包括下述步骤:
基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;
根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识;
根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识;
采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率;
根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识;
基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识;
通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗。
进一步的,所述根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识的步骤,具体包括:
根据预设的业务场景和筛选规则,从所述批量业务数据中筛选出所述业务场景所需的业务数据,作为一阶业务数据;
获取所述批量业务数据被筛选之后所剩下的业务数据,将所述剩下的业务数据作为所述噪声数据,并为所述剩下的业务数据一一设置噪声数据标识。
进一步的,所述根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识的步骤,具体包括:
采用循环方式依次从所有一阶业务数据中选择不同的一阶业务数据作为当前一阶业务数据;
根据预设的敏感字段匹配表识别当前一阶业务数据所属的数据字段是否为所述敏感字段匹配表中的敏感字段;
若当前一阶业务数据所属的数据字段不是所述敏感字段匹配表中的敏感字段,则筛选出所述当前一阶业务数据,加入到预设的二阶业务数据集中;
若当前一阶业务数据所属的数据字段为所述敏感字段匹配表中的敏感字段,则筛选出所述当前一阶业务数据,加入到预设的敏感数据集中;
直到循环次数达到所述所有一阶业务数据的数据条数,停止循环,并为所述敏感数据集中所有业务数据设置敏感数据标识。
进一步的,所述采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率的步骤,具体包括:
根据所述数据调用日志,统计所有一阶业务数据分别从所述目标数据库中被调用总次数;
所述根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识的步骤,具体包括:
将所有一阶业务数据分别对应的被调用总次数逐个与预设的次数阈值进行对比,筛选出被调用次数未超过所述次数阈值的一阶业务数据,加入到预设的低频调用数据集中,并为所述低频调用数据集中所有业务数据设置低频调用数据标识;
在执行所述根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识的步骤之后,所述方法还包括:
筛选出被调用次数超过所述次数阈值的一阶业务数据,加入到预设的高频调用数据集中。
进一步的,所述基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识的步骤,具体包括:
获取所有目标业务数据分别对应的入库时间节点,其中,所述所有目标业务数据包括所述批量业务数据中所有业务数据、所述所有一阶业务数据、所述二阶业务数据集中所有业务数据或者所述高频调用数据集中所有业务数据;
通过预设的时间间隔函数,计算所有入库时间节点分别与当前时间节点的时间差值,其中,所述时间间隔函数的计算参数包括入库时间节点和当前时间节点;
将所有时间差值分别与预设的时间期限进行对比,通过对比识别出所有超过所述时间期限的时间差值;
根据所有超过所述时间期限的时间差值,识别出所述所有目标业务数据中的过期数据,并为所述过期数据一一设置过期数据标识。
进一步的,所述综合清洗模型包括清洗顺序控制组件、噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件和清洗结果反馈组件,在执行所述通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗的步骤之前,所述方法还包括:
基于所述清洗顺序控制组件和预设的清洗优先级,设置所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件的清洗先后顺序,其中,所述清洗先后顺序满足噪声数据清洗组件优先于敏感数据清洗组件,敏感数据清洗组件优先于低频调用数据清洗组件;
建立所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件分别与所述清洗结果反馈组件的数据传输关系;
所述通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗的步骤,具体包括:
将已设置过标识的批量业务数据传输到所述综合清洗模型,其中,所述已设置过标识包括已设置过噪声数据标识、敏感数据标识、低频调用数据标识和过期数据标识;
根据所述清洗先后顺序对所述已设置过标识的批量业务数据进行数据清洗,获得清洗后的批量业务数据。
进一步的,所述根据所述清洗先后顺序对所述已设置过标识的批量业务数据进行数据清洗,获得清洗后的批量业务数据的步骤,具体包括:
根据所述清洗先后顺序识别所述过期数据清洗组件的清洗优先级;
若所述过期数据清洗组件的清洗优先级高于所述噪声数据清洗组件,则对所述已设置过标识的批量业务数据依次进行过期数据删除处理、噪声数据删除处理、敏感数据加密处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
若所述过期数据清洗组件的清洗优先级高于所述敏感数据清洗组件且低于所述噪声数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、过期数据删除处理、敏感数据加密处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
若所述过期数据清洗组件的清洗优先级高于所述低频调用数据清洗组件且低于所述敏感数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
若所述过期数据清洗组件的清洗优先级低于所述低频调用数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、敏感数据加密处理、低频调用数据删除处理和过期数据删除处理,获得所述清洗后的批量业务数据。
为了解决上述技术问题,本申请实施例还提供数据清洗装置,采用了如下所述的技术方案:
一种数据清洗装置,包括:
批量业务数据采集模块,用于基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;
噪声数据识别与标识模块,用于根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识;
敏感数据识别与标识模块,用于根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识;
调用频率统计模块,用于采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率;
低频调用数据识别与标识模块,用于根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识;
过期数据识别与标识模块,用于基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识;
综合清洗模块,用于通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的数据清洗方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的数据清洗方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述数据清洗方法,基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的数据清洗方法的一个实施例的流程图;
图3是图2所示步骤203的一个具体实施例的流程图;
图4是图2所示步骤206的一个具体实施例的流程图;
图5是图2所示步骤207的一个具体实施例的流程图;
图6是图5所示步骤502的一个具体实施例的流程图;
图7是根据本申请的数据清洗装置的一个实施例的结构示意图;
图8是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的数据清洗方法一般由服务器/终端设备执行,相应地,数据清洗装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的数据清洗方法的一个实施例的流程图。所述的数据清洗方法,包括以下步骤:
步骤201,基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点。
具体的,所述预设的数据采集组件包括基于分布式架构的数据采集组件,用于从金融业务数据库中采集批量金融业务数据,所述目标数据库为金融业务数据库,例如综合型的金融业务数据库,其内包含了保险业务场景所使用的业务数据、信用卡业务场景所使用的业务数据、理财分析业务场景所使用的业务数据。
步骤202,根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识。
本实施例中,所述根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识的步骤,具体包括:根据预设的业务场景和筛选规则,从所述批量业务数据中筛选出所述业务场景所需的业务数据,作为一阶业务数据;获取所述批量业务数据被筛选之后所剩下的业务数据,将所述剩下的业务数据作为所述噪声数据,并为所述剩下的业务数据一一设置噪声数据标识。
具体的,例如所述预设的业务场景为保险业务场景,进行筛选时,即从所述批量业务数据中筛选出保险业务场景所需的业务数据,作为一阶业务数据,而所述批量业务数据中信用卡业务场景所使用的业务数据、理财分析业务场景所使用的业务数据即为所述噪声数据。
通过根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识,便于在后续进行数据清洗时结合所述噪声数据标识清洗噪声数据。
本实施例中,在执行所述根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识的步骤之后,所述方法还包括:从所述批量业务数据中筛选出所述业务场景所需的业务数据更新为所述批量业务数据。
步骤203,根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识。
继续参考图3,图3是图2所示步骤203的一个具体实施例的流程图,包括:
步骤301,采用循环方式依次从所有一阶业务数据中选择不同的一阶业务数据作为当前一阶业务数据;
步骤302,根据预设的敏感字段匹配表识别当前一阶业务数据所属的数据字段是否为所述敏感字段匹配表中的敏感字段;
本实施例中,所述敏感字段匹配表中包含的敏感字段,一般为影响数据安全性的数据字段,例如客户身份证号码、客户账号密码、客户个人隐私信息等。
步骤303,若当前一阶业务数据所属的数据字段不是所述敏感字段匹配表中的敏感字段,则筛选出所述当前一阶业务数据,加入到预设的二阶业务数据集中;
步骤304,若当前一阶业务数据所属的数据字段为所述敏感字段匹配表中的敏感字段,则筛选出所述当前一阶业务数据,加入到预设的敏感数据集中;
步骤305,直到循环次数达到所述所有一阶业务数据的数据条数,停止循环,并为所述敏感数据集中所有业务数据设置敏感数据标识。
通过根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识,便于在后续进行数据清洗时结合所述敏感数据标识对敏感数据进行加密处理,保证了数据处理过程中的数据安全性。
步骤204,采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率。
本实施例中,所述采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率的步骤,具体包括:根据所述数据调用日志,统计所有一阶业务数据分别从所述目标数据库中被调用总次数。
步骤205,根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识。
本实施例中,所述根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识的步骤,具体包括:将所有一阶业务数据分别对应的被调用总次数逐个与预设的次数阈值进行对比,筛选出被调用次数未超过所述次数阈值的一阶业务数据,加入到预设的低频调用数据集中,并为所述低频调用数据集中所有业务数据设置低频调用数据标识。
通过根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识,便于在后续进行数据清洗时结合所述低频调用数据标识对低频调用数据进行清洗删除处理。
本实施例中,在执行所述根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识的步骤之后,所述方法还包括:筛选出被调用次数超过所述次数阈值的一阶业务数据,加入到预设的高频调用数据集中。
步骤206,基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识。
继续参考图4,图4是图2所示步骤206的一个具体实施例的流程图,包括:
步骤401,获取所有目标业务数据分别对应的入库时间节点,其中,所述所有目标业务数据包括所述批量业务数据中所有业务数据、所述所有一阶业务数据、所述二阶业务数据集中所有业务数据或者所述高频调用数据集中所有业务数据;
具体的,在进行过期数据清洗时,由于清洗的时机不同,因此,所述所有目标业务数据对应业务数据也不同,可选择的,若在噪声清洗前进行过期数据处理,则所述所有目标业务数据为步骤201中所述批量业务数据中所有业务数据,若在噪声清洗后进行过期数据清洗,则所述所有目标业务数据为步骤202中获得的所有一阶业务数据,同理,若在敏感数据处理后,则所述所有目标业务数据为步骤303中获得的所述二阶业务数据集中所有业务数据,若在低频调用数据清洗后,则所述所有目标业务数据为所述高频调用数据集中所有业务数据。
步骤402,通过预设的时间间隔函数,计算所有入库时间节点分别与当前时间节点的时间差值,其中,所述时间间隔函数的计算参数包括入库时间节点和当前时间节点;
本实施例中,所述时间间隔函数,可以结合SimpleDateFormat类、Date类、DateFormat类进行构建,其中,SimpleDateFormat类用于限定时间节点的格式,Date类用于获取当前时间节点,DateFormat类用于将时间转换为字符串,便于后续转换为可进行运算的数值型数据。
步骤403,将所有时间差值分别与预设的时间期限进行对比,通过对比识别出所有超过所述时间期限的时间差值;
步骤404,根据所有超过所述时间期限的时间差值,识别出所述所有目标业务数据中的过期数据,并为所述过期数据一一设置过期数据标识。
基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识,便于在后续进行数据清洗时结合所述过期数据标识对过期数据进行清洗删除处理。
步骤207,通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗。
本实施例中,所述综合清洗模型包括清洗顺序控制组件、噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件和清洗结果反馈组件。
本实施例中,在执行所述通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗的步骤之前,所述方法还包括:基于所述清洗顺序控制组件和预设的清洗优先级,设置所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件的清洗先后顺序,其中,所述清洗先后顺序满足噪声数据清洗组件优先于敏感数据清洗组件,敏感数据清洗组件优先于低频调用数据清洗组件;建立所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件分别与所述清洗结果反馈组件的数据传输关系。
通过建立所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件分别与所述清洗结果反馈组件的数据传输关系,能够实时获取到每个清洗组件的清洗反馈结果。
继续参考图5,图5是图2所示步骤207的一个具体实施例的流程图,包括:
步骤501,将已设置过标识的批量业务数据传输到所述综合清洗模型,其中,所述已设置过标识包括已设置过噪声数据标识、敏感数据标识、低频调用数据标识和过期数据标识;
步骤502,根据所述清洗先后顺序对所述已设置过标识的批量业务数据进行数据清洗,获得清洗后的批量业务数据。
继续参考图6,图6是图5所示步骤502的一个具体实施例的流程图,包括:
步骤601,根据所述清洗先后顺序识别所述过期数据清洗组件的清洗优先级;
步骤602,若所述过期数据清洗组件的清洗优先级高于所述噪声数据清洗组件,则对所述已设置过标识的批量业务数据依次进行过期数据删除处理、噪声数据删除处理、敏感数据加密处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
步骤603,若所述过期数据清洗组件的清洗优先级高于所述敏感数据清洗组件且低于所述噪声数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、过期数据删除处理、敏感数据加密处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
步骤604,若所述过期数据清洗组件的清洗优先级高于所述低频调用数据清洗组件且低于所述敏感数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
步骤605,若所述过期数据清洗组件的清洗优先级低于所述低频调用数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、敏感数据加密处理、低频调用数据删除处理和过期数据删除处理,获得所述清洗后的批量业务数据。
在业务数据传输过程中,或者从批量业务数据中筛选出目标业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
本申请基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据清洗技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
进一步参考图7,作为对上述图2所示方法的实现,本申请提供了数据清洗装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例所述的数据清洗装置700包括:批量业务数据采集模块701、噪声数据识别与标识模块702、敏感数据识别与标识模块703、调用频率统计模块704、低频调用数据识别与标识模块705、过期数据识别与标识模块706和综合清洗模块707。其中:
批量业务数据采集模块701,用于基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;
噪声数据识别与标识模块702,用于根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识;
敏感数据识别与标识模块703,用于根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识;
调用频率统计模块704,用于采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率;
低频调用数据识别与标识模块705,用于根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识;
过期数据识别与标识模块706,用于基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识;
综合清洗模块707,用于通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗。
本申请基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图8,图8本实施例计算机设备基本结构框图。
所述计算机设备8包括通过系统总线相互通信连接存储器8a、处理器8b、网络接口8c。需要指出的是,图中仅示出了具有组件8a-8c的计算机设备8,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field -Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器8a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器8a可以是所述计算机设备8的内部存储单元,例如该计算机设备8的硬盘或内存。在另一些实施例中,所述存储器8a也可以是所述计算机设备8的外部存储设备,例如该计算机设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器8a还可以既包括所述计算机设备8的内部存储单元也包括其外部存储设备。本实施例中,所述存储器8a通常用于存储安装于所述计算机设备8的操作系统和各类应用软件,例如一种数据清洗方法的计算机可读指令等。此外,所述存储器8a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器8b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据清洗芯片。该处理器8b通常用于控制所述计算机设备8的总体操作。本实施例中,所述处理器8b用于运行所述存储器8a中存储的计算机可读指令或者处理数据,例如运行所述数据清洗方法的计算机可读指令。
所述网络接口8c可包括无线网络接口或有线网络接口,该网络接口8c通常用于在所述计算机设备8与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于金融科技技术领域,应用于金融业务数据清洗场景中。本申请基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的数据清洗方法的步骤。
本实施例提出的计算机可读存储介质,属于金融科技技术领域,应用于金融业务数据清洗场景中。本申请基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;识别出所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据;通过预构建的综合清洗模型、噪声数据标识、敏感数据标识、低频调用数据标识、过期数据标识,完成对批量业务数据的清洗。在金融业务数据传输过程中,或者从批量业务数据中筛选出目标金融业务数据进行系统转存过程中,通过对批量业务数据进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,保证了及时删除掉非本业务场景的数据,同时,也实现了目标业务数据的安全传输。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种数据清洗方法,其特征在于,包括下述步骤:
基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;
根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识;
根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识;
采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率;
根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识;
基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识;
通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗。
2.根据权利要求1所述的数据清洗方法,其特征在于,所述根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识的步骤,具体包括:
根据预设的业务场景和筛选规则,从所述批量业务数据中筛选出所述业务场景所需的业务数据,作为一阶业务数据;
获取所述批量业务数据被筛选之后所剩下的业务数据,将所述剩下的业务数据作为所述噪声数据,并为所述剩下的业务数据一一设置噪声数据标识。
3.根据权利要求2所述的数据清洗方法,其特征在于,所述根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识的步骤,具体包括:
采用循环方式依次从所有一阶业务数据中选择不同的一阶业务数据作为当前一阶业务数据;
根据预设的敏感字段匹配表识别当前一阶业务数据所属的数据字段是否为所述敏感字段匹配表中的敏感字段;
若当前一阶业务数据所属的数据字段不是所述敏感字段匹配表中的敏感字段,则筛选出所述当前一阶业务数据,加入到预设的二阶业务数据集中;
若当前一阶业务数据所属的数据字段为所述敏感字段匹配表中的敏感字段,则筛选出所述当前一阶业务数据,加入到预设的敏感数据集中;
直到循环次数达到所述所有一阶业务数据的数据条数,停止循环,并为所述敏感数据集中所有业务数据设置敏感数据标识。
4.根据权利要求3所述的数据清洗方法,其特征在于,所述采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率的步骤,具体包括:
根据所述数据调用日志,统计所有一阶业务数据分别从所述目标数据库中被调用总次数;
所述根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识的步骤,具体包括:
将所有一阶业务数据分别对应的被调用总次数逐个与预设的次数阈值进行对比,筛选出被调用次数未超过所述次数阈值的一阶业务数据,加入到预设的低频调用数据集中,并为所述低频调用数据集中所有业务数据设置低频调用数据标识;
在执行所述根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识的步骤之后,所述方法还包括:
筛选出被调用次数超过所述次数阈值的一阶业务数据,加入到预设的高频调用数据集中。
5.根据权利要求4所述的数据清洗方法,其特征在于,所述基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识的步骤,具体包括:
获取所有目标业务数据分别对应的入库时间节点,其中,所述所有目标业务数据包括所述批量业务数据中所有业务数据、所述所有一阶业务数据、所述二阶业务数据集中所有业务数据或者所述高频调用数据集中所有业务数据;
通过预设的时间间隔函数,计算所有入库时间节点分别与当前时间节点的时间差值,其中,所述时间间隔函数的计算参数包括入库时间节点和当前时间节点;
将所有时间差值分别与预设的时间期限进行对比,通过对比识别出所有超过所述时间期限的时间差值;
根据所有超过所述时间期限的时间差值,识别出所述所有目标业务数据中的过期数据,并为所述过期数据一一设置过期数据标识。
6.根据权利要求1或5所述的数据清洗方法,其特征在于,所述综合清洗模型包括清洗顺序控制组件、噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件和清洗结果反馈组件,在执行所述通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗的步骤之前,所述方法还包括:
基于所述清洗顺序控制组件和预设的清洗优先级,设置所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件的清洗先后顺序,其中,所述清洗先后顺序满足噪声数据清洗组件优先于敏感数据清洗组件,敏感数据清洗组件优先于低频调用数据清洗组件;
建立所述噪声数据清洗组件、敏感数据清洗组件、低频调用数据清洗组件、过期数据清洗组件分别与所述清洗结果反馈组件的数据传输关系;
所述通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗的步骤,具体包括:
将已设置过标识的批量业务数据传输到所述综合清洗模型,其中,所述已设置过标识包括已设置过噪声数据标识、敏感数据标识、低频调用数据标识和过期数据标识;
根据所述清洗先后顺序对所述已设置过标识的批量业务数据进行数据清洗,获得清洗后的批量业务数据。
7.根据权利要求6所述的数据清洗方法,其特征在于,所述根据所述清洗先后顺序对所述已设置过标识的批量业务数据进行数据清洗,获得清洗后的批量业务数据的步骤,具体包括:
根据所述清洗先后顺序识别所述过期数据清洗组件的清洗优先级;
若所述过期数据清洗组件的清洗优先级高于所述噪声数据清洗组件,则对所述已设置过标识的批量业务数据依次进行过期数据删除处理、噪声数据删除处理、敏感数据加密处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
若所述过期数据清洗组件的清洗优先级高于所述敏感数据清洗组件且低于所述噪声数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、过期数据删除处理、敏感数据加密处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
若所述过期数据清洗组件的清洗优先级高于所述低频调用数据清洗组件且低于所述敏感数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、敏感数据加密处理、过期数据删除处理和低频调用数据删除处理,获得所述清洗后的批量业务数据;
若所述过期数据清洗组件的清洗优先级低于所述低频调用数据清洗组件,则对所述已设置过标识的批量业务数据依次进行噪声数据删除处理、敏感数据加密处理、低频调用数据删除处理和过期数据删除处理,获得所述清洗后的批量业务数据。
8.一种数据清洗装置,其特征在于,包括:
批量业务数据采集模块,用于基于预设的数据采集组件从目标数据库中采集批量业务数据,其中,在对所述批量业务数据进行采集时,一并采集所述批量业务数据中所有业务数据分别存入到所述目标业务库的入库时间节点;
噪声数据识别与标识模块,用于根据预设的噪声数据识别策略识别出所述批量业务数据中的噪声数据,并为所有噪声数据一一设置噪声数据标识;
敏感数据识别与标识模块,用于根据预设的敏感数据识别策略识别出所述批量业务数据中的敏感数据,并为所有敏感数据一一设置敏感数据标识;
调用频率统计模块,用于采用统计分析法和预设的数据调用日志识别所述批量业务数据中所有业务数据的调用频率;
低频调用数据识别与标识模块,用于根据预设的对比策略识别出所述批量业务数据中的低频调用数据,并为所有低频调用数据一一设置低频调用数据标识;
过期数据识别与标识模块,用于基于预设的过期数据识别策略和所述入库时间节点识别出所述批量业务数据中的过期数据,并为所有过期数据一一设置过期数据标识;
综合清洗模块,用于通过预构建的综合清洗模型、所述噪声数据标识、所述敏感数据标识、所述低频调用数据标识、所述过期数据标识清洗所述批量业务数据中的噪声数据、敏感数据、低频调用数据和过期数据,完成对所述批量业务数据的清洗。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据清洗方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据清洗方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410037880.3A CN117874814A (zh) | 2024-01-09 | 2024-01-09 | 一种数据清洗方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410037880.3A CN117874814A (zh) | 2024-01-09 | 2024-01-09 | 一种数据清洗方法、装置、设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117874814A true CN117874814A (zh) | 2024-04-12 |
Family
ID=90586105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410037880.3A Pending CN117874814A (zh) | 2024-01-09 | 2024-01-09 | 一种数据清洗方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117874814A (zh) |
-
2024
- 2024-01-09 CN CN202410037880.3A patent/CN117874814A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190392258A1 (en) | Method and apparatus for generating information | |
CN115941322B (zh) | 基于人工智能的攻击检测方法、装置、设备及存储介质 | |
CN107368407A (zh) | 信息处理方法和装置 | |
CN116934283A (zh) | 一种员工权限配置方法、装置、设备及其存储介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN116956326A (zh) | 权限数据的处理方法、装置、计算机设备及存储介质 | |
CN116821493A (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
CN114817377B (zh) | 基于用户画像的数据风险检测方法、装置、设备及介质 | |
CN117874814A (zh) | 一种数据清洗方法、装置、设备及其存储介质 | |
CN112085566B (zh) | 基于智能决策的产品推荐方法、装置及计算机设备 | |
CN112084408A (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
CN116796133A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN118250335A (zh) | 一种流量处理方法、装置、设备及其存储介质 | |
CN117853163A (zh) | 一种权益资源获取控制方法、装置、设备及其存储介质 | |
CN116468563A (zh) | 理赔事项智能反馈方法、装置、设备及其存储介质 | |
CN117787724A (zh) | 一种风险用户检测方法、装置、计算机设备及存储介质 | |
CN116663003A (zh) | 攻击检测方法、装置、计算机设备及存储介质 | |
CN115080045A (zh) | 链路生成方法、装置、计算机设备及存储介质 | |
CN117786390A (zh) | 一种待维护特征数据整理方法及其相关设备 | |
CN116402644A (zh) | 基于大数据多源数据融合分析的法律监督方法和系统 | |
CN117034173A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117828221A (zh) | 一种基于埋点技术的页面事件统计方法及其相关设备 | |
CN116842011A (zh) | 血缘关系分析方法、装置、计算机设备及存储介质 | |
CN117251468A (zh) | 查询处理方法、装置、计算机设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |