基于监督学习的食品数据多属性特征联合脱敏方法和装置

摘要

本发明实施例提供一种基于监督学习的食品数据多属性特征联合脱敏方法和装置，方法包括：获取食品数据样本进行分类和预处理，获得样本敏感数据；对样本敏感数据添加脱敏算法标签，构建敏感信息数据库；将预处理后的待脱敏数据与敏感信息数据库中的数据进行多属性特征匹配，根据多任务学习方法获得待脱敏数据中每一敏感属性对应的脱敏算法标签。本发明将监督学习、多任务学习方法运用到食品结构化数据和非结构化数据的脱敏技术上，从而针对多类型的食品数据能快速地识别敏感数据并找到适宜的脱敏算法。将脱敏后数据加入到敏感信息数据库，为之后待脱敏数据的数据脱敏提供参考。