本技術屬于大數據，具體涉及一種日志脫敏方法、裝置、計算機設備及存儲介質。

背景技術：

1、在網絡安全和數據隱私保護領域，日志信息的安全性和隱私性一直是一個重要的問題。由于日志信息往往包含敏感信息，如用戶名、密碼、交易記錄等，一旦被泄露，可能會導致嚴重的后果，如財產損失、隱私泄露等。因此，對于日志信息的保護和隱私保護顯得尤為重要。

2、目前，市面上已有一些日志脫敏技術，但這些技術存在一些缺點和不足。例如，一些日志脫敏技術需要對日志進行復雜的處理，導致處理時間較長，效率較低，如采用正則表達式來分析日志進行脫敏，但是正則表達式執(zhí)行效率低，導致服務器cpu占用高，影響正常業(yè)務；另一些日志脫敏技術只能對特定類型的日志進行脫敏，不能適用于所有類型的日志，且缺乏靈活性，如基于預定義關鍵詞的脫敏方法，難以應對動態(tài)變化的敏感信息，增加了誤報和漏報的風險。

技術實現(xiàn)思路

1、本技術實施例的目的在于提出一種日志脫敏方法、裝置、計算機設備及存儲介質，以解決現(xiàn)有日志脫敏技術存在的執(zhí)行效率低和缺乏靈活性的技術問題。

2、為了解決上述技術問題，本技術實施例提供一種日志脫敏方法，采用了如下所述的技術方案：

3、一種日志脫敏方法，包括：

4、接收脫敏規(guī)則生成指令，獲取預先收集的歷史日志數據；

5、將歷史日志數據導入預訓練的敏感數據識別模型，得到敏感識別結果；

6、基于敏感識別結果生成日志脫敏規(guī)則；

7、接收日志脫敏指令，獲取待處理日志數據；

8、使用日志脫敏規(guī)則對待處理日志數據進行脫敏操作，得到日志脫敏結果。

9、進一步地，在將歷史日志數據導入預訓練的敏感數據識別模型，得到敏感識別結果的步驟之前，還包括：

10、對歷史日志數據進行數據標注，得到歷史標注數據，其中，數據標注包括字符類型標注和字符長度標注；

11、將歷史標注數據劃分為訓練數據集和測試數據集；

12、使用訓練數據集對預設初始識別模型進行迭代訓練，直至模型擬合，得到敏感數據識別模型；

13、使用測試數據集對敏感數據識別模型進行模型性能測試。

14、進一步地，初始識別模型包括輸入層、隱藏層和輸出層，使用訓練數據集對預設初始識別模型進行迭代訓練，直至模型擬合，得到敏感數據識別模型的步驟，具體包括：

15、通過輸入層將訓練數據集中的歷史標注數據轉化為日志文本序列；

16、使用隱藏層讀取日志文本序列并學習日志文本序列的上下文信息，輸出日志文本序列的隱藏狀態(tài)信息；

17、基于隱藏狀態(tài)信息，使用輸出層為日志文本序列分配預測標簽；

18、根據預測標簽和歷史標注數據中的真實標簽，使用反向傳播算法計算預測誤差；

19、根據預測誤差調整輸入層、隱藏層和輸出層之間的模型參數，直至模型擬合，得到敏感數據識別模型。

20、進一步地，基于長短期記憶網絡搭建隱藏層，使用隱藏層讀取日志文本序列并學習日志文本序列的上下文信息，輸出日志文本序列的隱藏狀態(tài)信息的步驟，具體包括：

21、隱藏層以時間步的方式讀取日志文本序列，得到若干個時間步；

22、隱藏層獲取每一個時間步的上下文信息，得到每一個時間步的隱藏狀態(tài)；

23、隱藏層整合每一個時間步的隱藏狀態(tài)，得到隱藏狀態(tài)信息。

24、進一步地，基于條件隨機場搭建輸出層，基于隱藏狀態(tài)信息，使用輸出層為日志文本序列分配預測標簽的步驟，具體包括：

25、輸出層根據隱藏狀態(tài)信息中每一個時間步的隱藏狀態(tài)，計算每一個時間步在各個預設標簽下的發(fā)射分數；

26、輸出層基于預設的轉換分數矩陣，將每一個時間步在各個預設標簽下的發(fā)射分數轉化為標簽概率，得到每一個時間步在各個預設標簽下的標簽概率；

27、基于每一個時間步在各個預設標簽下的標簽概率，使用全局優(yōu)化算法求解每一個時間步的最優(yōu)標簽概率；

28、基于每一個時間步的最優(yōu)標簽概率確定每一個時間步的最優(yōu)標簽，得到預測標簽。

29、進一步地，日志脫敏規(guī)則包括敏感關鍵詞匹配規(guī)則、敏感數據長度匹配規(guī)則、數據脫敏長度匹配規(guī)則和敏感字符間距匹配規(guī)則，敏感字符間距為敏感關鍵詞和敏感數據之間的字符間距，使用日志脫敏規(guī)則對待處理日志數據進行脫敏操作，得到日志脫敏結果的步驟，具體包括：

30、根據敏感關鍵詞匹配規(guī)則，對待處理日志數據進行關鍵詞匹配，得到目標敏感關鍵詞；

31、基于目標敏感關鍵詞匹配規(guī)則、敏感字符間距匹配規(guī)則和敏感數據長度匹配規(guī)則，確定目標敏感數據；

32、通過數據脫敏長度匹配規(guī)則，對目標敏感數據進行數據脫敏，得到日志脫敏結果。

33、進一步地，基于目標敏感關鍵詞匹配規(guī)則、敏感字符間距匹配規(guī)則和敏感數據長度匹配規(guī)則，確定目標敏感數據的步驟，具體包括：

34、確定目標敏感關鍵詞的末位字符，得到第一末位字符；

35、獲取預設的字符指針，將字符指針指向第一末位字符的下一位字符；

36、從第一末位字符的下一位字符開始，對字符指針進行第一滑動，第一滑動的滑動長度為敏感字符間距，確定第一滑動完成時字符指針所在的字符位，得到第二末位字符；

37、將字符指針指向第二末位字符的下一位字符；

38、從第二末位字符的下一位字符開始，對字符指針進行第二滑動，第二滑動的滑動長度為敏感數據長度，確定第二滑動完成時字符指針所在的字符位，得到第三末位字符；

39、基于第二末位字符的下一位字符和第三末位字符確定目標敏感數據。

40、為了解決上述技術問題，本技術實施例還提供一種日志脫敏裝置，采用了如下所述的技術方案：

41、一種日志脫敏裝置，包括：

42、第一指令模塊，用于接收脫敏規(guī)則生成指令，獲取預先收集的歷史日志數據；

43、敏感識別模塊，用于將歷史日志數據導入預訓練的敏感數據識別模型，得到敏感識別結果；

44、規(guī)則生成模塊，用于基于敏感識別結果生成日志脫敏規(guī)則；

45、第二指令模塊，用于接收日志脫敏指令，獲取待處理日志數據；

46、脫敏操作模塊，用于使用日志脫敏規(guī)則對待處理日志數據進行脫敏操作，得到日志脫敏結果。

47、為了解決上述技術問題，本技術實施例還提供一種計算機設備，采用了如下所述的技術方案：

48、一種計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如上述任一項所述的日志脫敏方法的步驟。

49、為了解決上述技術問題，本技術實施例還提供一種計算機可讀存儲介質，采用了如下所述的技術方案：

50、一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如上述中任一項所述的日志脫敏方法的步驟。

51、與現(xiàn)有技術相比，本技術實施例主要有以下有益效果：

52、本技術公開一種日志脫敏方法、裝置、計算機設備及存儲介質，屬于大數據技術領域。本技術通過接收脫敏規(guī)則生成指令，獲取預先收集的歷史日志數據；將歷史日志數據導入預訓練的敏感數據識別模型，得到敏感識別結果；基于敏感識別結果生成日志脫敏規(guī)則；接收日志脫敏指令，獲取待處理日志數據；使用日志脫敏規(guī)則對待處理日志數據進行脫敏操作，得到日志脫敏結果。通過集成預訓練的敏感數據識別模型，實現(xiàn)了敏感信息的快速準確識別，顯著提升了脫敏處理的執(zhí)行效率。同時，基于識別結果動態(tài)生成的脫敏規(guī)則，不僅確保了脫敏操作的針對性與精準性，還提升了日志脫敏處理的靈活性，能夠適應不同場景下的日志脫敏需求。