基于隐私风险评估的脱敏算法自适应方法
Chinese Journal of Network and Information Security（2023）
摘要
金融行业业务处理中含大量的敏感数据.金融业务的快速发展导致数据种类激增,目前绑定待脱敏金融数据以及脱敏算法的方式效率较低,依靠安全专家经验对脱敏数据进行人工检查与风险评估耗时长.脱敏算法的选择不当导致脱敏处理后的金融数据存在潜在隐私泄露风险.国内外研究大多侧重脱敏方法的实现和隐私保护技术,极少从自动化角度对脱敏算法进行研究.为提高脱敏效率和隐私保护透明度,通过梳理现有隐私保护技术特点、业务场景对数据质量需求、金融机构对安全风险要求、数据属性等因素,搭建自适应选择脱敏策略推荐框架,建立通用隐私风险和数据质量双目标评估函数,基于多决策因素体系和脱敏效果评估,实现脱敏算法和参数的自适应选择.相较于传统数据脱敏方式,所提方法能有效解决人工干预带来的脱敏数据可用性差和个人数据隐私保护性不足等问题,在多类金融机构数据测试集实验下,所提方法推荐准确率达到95％以上,脱敏后的隐私风险非常接近预期隐私风险水平,差距小于10％,推荐效率相较于专家人工处理时间提升100倍.
更多查看译文
关键词
automatic data desensitization,privacy risk assessment,artificial intelligence,financial sensitive data
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要