数据处理方法、装置、非易失性存储介质和计算机设备与流程

本发明涉及数据处理，具体而言，涉及一种数据处理方法、装置、非易失性存储介质和计算机设备。

背景技术：

1、在电商购物中，有时需要把订单信息日志数据打印出来，如果不进行处理，用户的隐私数据就会被泄漏，无法保证用户的个人信息安全。传统的日志打印之前，要求业务方自行脱敏(人工进行脱敏)，但是往往不能满足于数据脱敏的安全要求，安全性较低，耗时长，成本高。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种数据处理方法、装置、非易失性存储介质和计算机设备，以至少解决人工处理隐私数据的时间成本较高的技术问题。

2、根据本发明实施例的一个方面，提供了一种数据处理方法，包括：获取待处理数据，其中，待处理数据为交易过程中服务器产生的日志数据；识别待处理数据中的目标数据，其中，目标数据为交易过程涉及的交易对象的隐私数据；根据预设的处理方法，对目标数据进行处理，得到处理后的数据，其中，处理方法包括删除。

3、可选地，识别待处理数据中的目标数据，包括：将待处理数据按照数据类型分类，得到多组分类数据；根据数据类型，分别确定多组分类数据各自对应的识别规则；根据多组分类数据各自对应的识别规则，分别在多组分类数据中识别隐私数据，得到目标数据。

4、可选地，识别待处理数据中的目标数据，以及根据预设的处理方法，对目标数据进行处理，得到处理后的数据，包括：将待处理数据输入强化学习模型，由强化学习模型输出处理后的数据，其中，强化学习模型为采用训练样本对原始强化学习模型训练得到的，训练样本包括：样本数据和样本处理方法。

5、可选地，强化学习模型包括串联的多个子强化学习模型，其中，多个子强化学习模型分别用于识别并处理对应数据类型中的目标数据。

6、可选地，将待处理数据输入强化学习模型，由强化学习模型输出处理后的数据，包括：将待处理数据输入串联的多个子强化学习模型；按照串联的多个子强化学习模型中多个子强化学习模型排列的顺序，依次采用多个子强化学习模型识别并处理待处理数据中的目标数据，以及输出处理后的数据。

7、可选地，多个子强化学习模型中任意一个子强化学习模型通过如下方式训练得到：确定目标子强化学习模型对应的数据类型，其中，目标子强化学习模型为多个子强化学习模型中任意一个子强化学习模型；根据目标子强化学习模型对应的数据类型，设置目标子强化学习模型的奖励函数；获取样本数据和样本处理方法；基于目标子强化学习模型的奖励函数，采用样本数据和样本处理方法对原始子强化学习模型进行训练，得到目标子强化学习模型。

8、可选地，获取样本数据，包括：获取初始样本数据；识别初始样本数据中的样本隐私数据；将样本隐私数据进行替换；确定初始样本数据经过样本隐私数据替换的数据为样本数据。

9、根据本发明实施例的另一方面，还提供了一种数据处理装置，包括：获取模块，用于获取待处理数据，其中，待处理数据为交易过程中服务器产生的日志数据；识别模块，用于识别待处理数据中的目标数据，其中，目标数据为交易过程涉及的交易对象的隐私数据；处理模块，用于根据预设的处理方法，对目标数据进行处理，得到处理后的数据，其中，处理方法包括删除。

10、根据本发明实施例的又一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述中任意一项数据处理方法。

11、根据本发明实施例的再一方面，还提供了一种计算机设备，计算机设备包括处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项数据处理方法。

12、在本发明实施例中，采用数据处理方法，通过获取待处理数据，其中，待处理数据为交易过程中服务器产生的日志数据；识别待处理数据中的目标数据，其中，目标数据为交易过程涉及的交易对象的隐私数据；根据预设的处理方法，对目标数据进行处理，得到处理后的数据，其中，处理方法包括删除，达到了减少人工选取处理方法的时间成本的目的，从而实现了提高处理效率和隐私数据安全性的技术效果，进而解决了人工处理隐私数据的时间成本较高的技术问题。

技术特征：

1.一种数据处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述识别所述待处理数据中的目标数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述识别所述待处理数据中的目标数据，以及所述根据预设的处理方法，对所述目标数据进行处理，得到处理后的数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述强化学习模型包括串联的多个子强化学习模型，其中，所述多个子强化学习模型分别用于识别并处理对应数据类型中的目标数据。

5.根据权利要求4所述的方法，其特征在于，所述将所述待处理数据输入强化学习模型，由所述强化学习模型输出所述处理后的数据，包括：

6.根据权利要求4所述的方法，其特征在于，所述多个子强化学习模型中任意一个子强化学习模型通过如下方式训练得到：

7.根据权利要求6所述的方法，其特征在于，获取所述样本数据，包括：

8.一种数据处理装置，其特征在于，包括：

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述数据处理方法。

10.一种计算机设备，其特征在于，包括：存储器和处理器，

技术总结
本发明公开了一种数据处理方法、装置、非易失性存储介质和计算机设备。其中，该方法包括：获取待处理数据，其中，待处理数据为交易过程中服务器产生的日志数据；识别待处理数据中的目标数据，其中，目标数据为交易过程涉及的交易对象的隐私数据；根据预设的处理方法，对目标数据进行处理，得到处理后的数据，其中，处理方法包括删除。本发明解决了人工处理隐私数据的时间成本较高的技术问题。

技术研发人员：罗天翔
受保护的技术使用者：天翼电子商务有限公司
技术研发日：
技术公布日：2024/2/29