摘要：为提高大数据脱敏系统的脱敏信息总量,提升用户大数据信息安全性,本文基于深度卷积生成对抗网络(Deep Convolution Generative Adversarial Networks,DCGAN)反馈开展对大数据安全静态脱敏系统的设计研究。通过大数据敏感信息静态提取与分类、基于DCGAN反馈的敏感信息深度差分保护、大数据敏感信息脱敏处理等软件和硬件的设计,提出一种全新的脱敏系统。完成设计后,进行对比实验。实验结果证明,新的脱敏系统在实际应用中可有效提高对敏感信息的脱敏量,并进一步提升大数据的安全系数,保障用户隐私信息和敏感信息的安全。

摘要：当前,敏感数据自动脱敏时数据信息损失率较大,为此,提出基于卷积神经网络的敏感数据自动脱敏方法。按照标志符属性、准标志符属性和敏感属性对原始数据属性进行划分,并对敏感数据字段进行生成和分段处理,利用卷积神经网络技术对分段处理后的数据进行分析,计算敏感数据字段关联性值,利用设计的脱敏规则对关联性较强的字段进行映射、隐匿、偏移和截断等脱敏处理,以此完成基于卷积神经网络的敏感数据自动脱敏。经实验证明,应用设计方法数据信息损失率更小,在敏感数据自动脱敏方面具有较高的可行性和可靠性。