本技术涉及人工智能，具体而言，涉及一种面向数字资产评估的报告文本隐私防护方法及系统。
背景技术：
1、在数字化时代，数字资产评估报告作为企业重要信息的载体，其安全性和隐私性越来越受到重视。然而，传统的隐私保护方法往往依赖于人工审查或简单的关键词过滤，这种方式效率低下且易出错，难以应对日益复杂多变的隐私泄露风险。特别是在处理大量报告时，人工审查的负担极重，且无法保证审查的准确性和一致性。因此，急需一种智能化的隐私防护方法，能够自动、准确地识别出数字资产评估报告中的敏感信息，并进行适当的隐私保护。
技术实现思路
1、为了改善上述问题，本技术提供了一种面向数字资产评估的报告文本隐私防护方法及系统。
2、本技术实施例的第一方面，提供了一种面向数字资产评估的报告文本隐私防护方法，应用于报告文本隐私防护系统，所述方法包括：
3、获取目标数字资产评估报告和原始稠密文本语义集；所述原始稠密文本语义集中的原始稠密文本语义是在文本隐私防护决策网络的调试过程中针对调试指令集中每个调试指令对应的评估报告积极样例集进行稠密语义挖掘得到的隐私语义的特征关系网；
4、通过所述文本隐私防护决策网络中的目标稠密语义挖掘分支对所述目标数字资产评估报告进行稠密语义挖掘处理，得到所述目标数字资产评估报告的目标稠密文本语义；
5、依据所述目标稠密文本语义与所述原始稠密文本语义集中每个原始稠密文本语义的语义特征差异，确定所述目标数字资产评估报告的隐私防护判别观点；所述隐私防护判别观点表征所述目标数字资产评估报告是否为需进行隐私防护的敏感评估报告。
6、可选的，所述文本隐私防护决策网络的调试步骤包括：
7、获取所述调试指令集中每个调试指令对应的过往数字资产评估报告集；所述过往数字资产评估报告集包括评估报告积极样例集和评估报告衍生样例集，所述评估报告衍生样例集中的评估报告衍生样例依据对相应评估报告积极样例进行衍生处理得到；
8、确定所述调试指令集中的目标调试指令，通过所述目标调试指令的评估报告积极样例集对基础文本隐私防护决策网络进行调试，得到原始文本隐私防护决策网络和调试过程中所述目标调试指令的第一稠密文本语义集；
9、确定所述第一稠密文本语义集的特征关系网，作为所述原始稠密文本语义集中的原始稠密文本语义；
10、冻结所述原始文本隐私防护决策网络中的判别分支，通过待处理调试指令集中每个待处理调试指令的过往数字资产评估报告集对所述原始文本隐私防护决策网络中的原始稠密语义挖掘分支进行调试，得到目标稠密语义挖掘分支和调试过程中每个所述待处理调试指令的第二稠密文本语义集；所述第二稠密文本语义集是对所述待处理调试指令的评估报告积极样例集进行稠密语义挖掘得到的稠密文本语义集，所述待处理调试指令集是所述调试指令集中除所述目标调试指令之外的多个调试指令；
11、确定每个所述第二稠密文本语义集的特征关系网，作为所述原始稠密文本语义集中的原始稠密文本语义，调整所述原始稠密文本语义集；
12、其中，所述判别分支和所述目标稠密语义挖掘分支组成所述文本隐私防护决策网络。
13、可选的，所述通过所述目标调试指令的评估报告积极样例集对基础文本隐私防护决策网络进行调试，包括：
14、通过所述基础文本隐私防护决策网络中的待调试稠密语义挖掘分支对所述目标调试指令的评估报告积极样例集进行稠密语义挖掘处理，得到所述第一稠密文本语义集；
15、通过所述基础文本隐私防护决策网络中的待调试判别分支依据所述第一稠密文本语义集对所述目标调试指令的评估报告积极样例集进行判别训练，得到所述目标调试指令的评估报告积极样例集的第一判别训练观点；
16、依据所述第一判别训练观点改进所述待调试稠密语义挖掘分支和所述待调试判别分支的配置权重，直到符合第一设定调试终止要求，得到所述原始稠密语义挖掘分支和所述判别分支。
17、可选的，所述通过待处理调试指令集中每个待处理调试指令的过往数字资产评估报告集对所述原始文本隐私防护决策网络中的原始稠密语义挖掘分支进行调试，包括：
18、通过所述原始稠密语义挖掘分支对每个所述待处理调试指令的评估报告积极样例集和评估报告衍生样例集进行稠密语义挖掘处理，得到所述评估报告积极样例集的第二稠密文本语义集以及所述评估报告衍生样例集的第三稠密文本语义集；
19、通过所述判别分支分别依据所述第二稠密文本语义集对所述过往数字资产评估报告集进行判别训练以及依据所述第三稠密文本语义集对所述评估报告衍生样例集进行判别训练，得到所述待处理调试指令的评估报告积极样例集的第二判别训练观点以及所述评估报告衍生样例集的第三判别训练观点；
20、依据所述第二判别训练观点和所述第三判别训练观点改进所述原始稠密语义挖掘分支的配置权重，直到符合第二设定调试终止要求，得到所述目标稠密语义挖掘分支。
21、可选的，所述原始稠密文本语义包括稠密文本均值语义和语义跳变特征；
22、所述依据所述目标稠密文本语义与所述原始稠密文本语义集中每个原始稠密文本语义的语义特征差异，确定所述目标数字资产评估报告的隐私防护判别观点，包括：
23、针对所述原始稠密文本语义集中的每个原始稠密文本语义，确定所述目标稠密文本语义与所述原始稠密文本语义中稠密文本均值语义的稠密文本语义差；
24、根据所述稠密文本语义差的归一化结果、所述语义跳变特征的映射变量和所述稠密文本语义差的特征加权结果，确定所述目标数字资产评估报告的隐私防护判别观点；
25、其中，所述根据所述稠密文本语义差的归一化结果、所述语义跳变特征的映射变量和所述稠密文本语义差的特征加权结果，确定所述目标数字资产评估报告的隐私防护判别观点，包括：
26、将所述稠密文本语义差的归一化结果、所述语义跳变特征的映射变量和所述稠密文本语义差的最小特征加权结果作为所述目标数字资产评估报告的隐私防护判别观点；
27、若所述目标数字资产评估报告隐私防护判别观点大于所述最小特征加权结果对应的原始稠密文本语义的设定判别门限，确定所述目标数字资产评估报告为需进行隐私防护的敏感评估报告。
28、基于同样的发明构思，还提供一种报告文本隐私防护系统，包括：
29、数据获取模块，用于获取目标数字资产评估报告和原始稠密文本语义集；所述原始稠密文本语义集中的原始稠密文本语义是在文本隐私防护决策网络的调试过程中针对调试指令集中每个调试指令对应的评估报告积极样例集进行稠密语义挖掘得到的隐私语义的特征关系网；
30、语义挖掘模块，用于通过所述文本隐私防护决策网络中的目标稠密语义挖掘分支对所述目标数字资产评估报告进行稠密语义挖掘处理，得到所述目标数字资产评估报告的目标稠密文本语义；
31、隐私防护模块，用于依据所述目标稠密文本语义与所述原始稠密文本语义集中每个原始稠密文本语义的语义特征差异，确定所述目标数字资产评估报告的隐私防护判别观点；所述隐私防护判别观点表征所述目标数字资产评估报告是否为需进行隐私防护的敏感评估报告。
32、可选的，所述文本隐私防护决策网络的调试步骤包括：
33、获取所述调试指令集中每个调试指令对应的过往数字资产评估报告集；所述过往数字资产评估报告集包括评估报告积极样例集和评估报告衍生样例集，所述评估报告衍生样例集中的评估报告衍生样例依据对相应评估报告积极样例进行衍生处理得到；
34、确定所述调试指令集中的目标调试指令，通过所述目标调试指令的评估报告积极样例集对基础文本隐私防护决策网络进行调试，得到原始文本隐私防护决策网络和调试过程中所述目标调试指令的第一稠密文本语义集；
35、确定所述第一稠密文本语义集的特征关系网，作为所述原始稠密文本语义集中的原始稠密文本语义；
36、冻结所述原始文本隐私防护决策网络中的判别分支，通过待处理调试指令集中每个待处理调试指令的过往数字资产评估报告集对所述原始文本隐私防护决策网络中的原始稠密语义挖掘分支进行调试，得到目标稠密语义挖掘分支和调试过程中每个所述待处理调试指令的第二稠密文本语义集；所述第二稠密文本语义集是对所述待处理调试指令的评估报告积极样例集进行稠密语义挖掘得到的稠密文本语义集，所述待处理调试指令集是所述调试指令集中除所述目标调试指令之外的多个调试指令；
37、确定每个所述第二稠密文本语义集的特征关系网，作为所述原始稠密文本语义集中的原始稠密文本语义，调整所述原始稠密文本语义集；
38、其中，所述判别分支和所述目标稠密语义挖掘分支组成所述文本隐私防护决策网络；
39、其中，所述通过所述目标调试指令的评估报告积极样例集对基础文本隐私防护决策网络进行调试，包括：通过所述基础文本隐私防护决策网络中的待调试稠密语义挖掘分支对所述目标调试指令的评估报告积极样例集进行稠密语义挖掘处理，得到所述第一稠密文本语义集；通过所述基础文本隐私防护决策网络中的待调试判别分支依据所述第一稠密文本语义集对所述目标调试指令的评估报告积极样例集进行判别训练，得到所述目标调试指令的评估报告积极样例集的第一判别训练观点；依据所述第一判别训练观点改进所述待调试稠密语义挖掘分支和所述待调试判别分支的配置权重，直到符合第一设定调试终止要求，得到所述原始稠密语义挖掘分支和所述判别分支；
40、其中，所述通过待处理调试指令集中每个待处理调试指令的过往数字资产评估报告集对所述原始文本隐私防护决策网络中的原始稠密语义挖掘分支进行调试，包括：通过所述原始稠密语义挖掘分支对每个所述待处理调试指令的评估报告积极样例集和评估报告衍生样例集进行稠密语义挖掘处理，得到所述评估报告积极样例集的第二稠密文本语义集以及所述评估报告衍生样例集的第三稠密文本语义集；通过所述判别分支分别依据所述第二稠密文本语义集对所述过往数字资产评估报告集进行判别训练以及依据所述第三稠密文本语义集对所述评估报告衍生样例集进行判别训练，得到所述待处理调试指令的评估报告积极样例集的第二判别训练观点以及所述评估报告衍生样例集的第三判别训练观点；依据所述第二判别训练观点和所述第三判别训练观点改进所述原始稠密语义挖掘分支的配置权重，直到符合第二设定调试终止要求，得到所述目标稠密语义挖掘分支。
41、可选的，所述原始稠密文本语义包括稠密文本均值语义和语义跳变特征；则所述依据所述目标稠密文本语义与所述原始稠密文本语义集中每个原始稠密文本语义的语义特征差异，确定所述目标数字资产评估报告的隐私防护判别观点，包括：
42、针对所述原始稠密文本语义集中的每个原始稠密文本语义，确定所述目标稠密文本语义与所述原始稠密文本语义中稠密文本均值语义的稠密文本语义差；
43、根据所述稠密文本语义差的归一化结果、所述语义跳变特征的映射变量和所述稠密文本语义差的特征加权结果，确定所述目标数字资产评估报告的隐私防护判别观点；
44、其中，所述根据所述稠密文本语义差的归一化结果、所述语义跳变特征的映射变量和所述稠密文本语义差的特征加权结果，确定所述目标数字资产评估报告的隐私防护判别观点，包括：将所述稠密文本语义差的归一化结果、所述语义跳变特征的映射变量和所述稠密文本语义差的最小特征加权结果作为所述目标数字资产评估报告的隐私防护判别观点；若所述目标数字资产评估报告隐私防护判别观点大于所述最小特征加权结果对应的原始稠密文本语义的设定判别门限，确定所述目标数字资产评估报告为需进行隐私防护的敏感评估报告。
45、本技术实施例的第二方面，提供了一种报告文本隐私防护系统，包括：处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行上述的面向数字资产评估的报告文本隐私防护方法。
46、本技术实施例的第三方面，提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的面向数字资产评估的报告文本隐私防护方法。
47、本技术实施例提出了一种基于文本隐私防护决策网络的数字资产评估报告隐私防护方法。通过利用自然语言处理和深度学习技术，本技术实施例能够自动挖掘报告的稠密文本语义，并与先前挖掘得到的原始稠密文本语义集进行比对，从而精确判定报告的敏感性。这一方法不仅显著提高了隐私防护的效率和准确性，还大大降低了人工审查的成本和风险，为企业的数字资产安全提供了强有力的技术支撑。。
1.一种面向数字资产评估的报告文本隐私防护方法，其特征在于，应用于报告文本隐私防护系统，所述方法至少包括：
2.根据权利要求1所述的方法，其特征在于，所述文本隐私防护决策网络的调试步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述目标调试指令的评估报告积极样例集对基础文本隐私防护决策网络进行调试，包括：
4.根据权利要求2所述的方法，其特征在于，所述通过待处理调试指令集中每个待处理调试指令的过往数字资产评估报告集对所述原始文本隐私防护决策网络中的原始稠密语义挖掘分支进行调试，包括：
5.根据权利要求1-4任一所述的方法，其特征在于，所述原始稠密文本语义包括稠密文本均值语义和语义跳变特征；
6.一种报告文本隐私防护系统，其特征在于，包括：
7.根据权利要求6所述的报告文本隐私防护系统，其特征在于，所述文本隐私防护决策网络的调试步骤包括：
8.根据权利要求6所述的报告文本隐私防护系统，其特征在于，所述原始稠密文本语义包括稠密文本均值语义和语义跳变特征；则所述依据所述目标稠密文本语义与所述原始稠密文本语义集中每个原始稠密文本语义的语义特征差异，确定所述目标数字资产评估报告的隐私防护判别观点，包括：
9.一种报告文本隐私防护系统，其特征在于，包括处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行权利要求1-5任一项所述的面向数字资产评估的报告文本隐私防护方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现权利要求1-5任一项所述的面向数字资产评估的报告文本隐私防护方法。
