openDLP

结构化与半结构化数据敏感数据识别工具。

简介

openDLP(open Data Loss Prevention)是一个敏感数据识别工具，使用正则表达式、人工智能算法、数据校验规则等多种技术对结构化数据表和Json之类的半结构化数据进行字段级敏感数据识别，可以帮助企业和组织进行数据资产分类分级，保障数据安全。

正则表达式是敏感数据识别的常用技术手段，openDLP的正则表达式智能生成功能能够基于提供的正、负训练样本数据，自动学习生成正则表达式，帮助提高正则表达式编写效率。

重要链接
📖 文档	项目API文档
项目仓库	项目Github仓库
📜 License	Apache-2.0 license
示例	在AI靶场上运行opendlp示例（敬请期待）

目录

• 主要特性

• 安装

• 快速开始

• API

• 维护者

• 如何贡献

• 许可证

• Used by

主要特性

• 表格数据敏感数据识别：
  • 目前支持身份证号、人名等17中常见敏感数据类型识别，详见：文档
  • 对于不在内置类型中的类别，支持用户传入正则表达式，对自定义敏感数据类型进行识别；
  • 采用神经网络分类模型、实体识别、正则表达式、数据校验规则等技术进行敏感数据识别。
• 正则表达式生成：
  • 基于正、负样本数据，自动学习生成正则表达式；
  • 考虑了样本数据串中的频繁子字符串，能够捕获到数据中的细节特征。

安装

推荐使用 pip 命令进行安装：

pip install opendlp

将从PyPI获取并安装最新的稳定版本。

快速开始

结构化数据表敏感字段识别

示例1：使用内置敏感数据类型识别

from opendlp.sensitive_analyze import table_analyzer
# openDLP github项目中的数据，根据实际情况修改路径
csv_table_path = 'openDLP/tests/data/dataset-test.csv'   
result = table_analyzer.analyze(csv_table_path)
print(result)

输出如下：

{'PERSON': {'success': True, 'type': 'PERSON', 'fraction': '969/1000'},
 'ID_CARD': {'success': True, 'type': 'ID_CARD', 'fraction': '1000/1000'},
 'TELEPHONE': {'success': True, 'type': 'TELEPHONE', 'fraction': '1000/1000'},
 'MOBILE_PHONE': {'success': True,
  'type': 'MOBILE_PHONE',
  'fraction': '1000/1000'},
 'EMAIL': {'success': True, 'type': 'EMAIL', 'fraction': '971/1000'},
 'LICENSE_PLATE': {'success': True,
  'type': 'LICENSE_PLATE',
  'fraction': '1000/1000'},
 'BANK_CARD': {'success': True, 'type': 'BANK_CARD', 'fraction': '1000/1000'},
 'PASSPORT': {'success': True, 'type': 'PASSPORT', 'fraction': '1000/1000'},
 'COMPANY_NAME': {'success': True,
  'type': 'COMPANY_NAME',
  'fraction': '789/1000'},
 'SOCIAL_CREDIT_CODE': {'success': True,
  'type': 'SOCIAL_CREDIT_CODE',
  'fraction': '1000/1000'},
 'IPV4': {'success': True, 'type': 'IPV4', 'fraction': '1000/1000'},
 'IPV6': {'success': True, 'type': 'IPV6', 'fraction': '1000/1000'},
 'MAC': {'success': True, 'type': 'MAC', 'fraction': '1000/1000'},
 'DOMAIN_NAME': {'success': True,
  'type': 'DOMAIN_NAME',
  'fraction': '965/1000'},
 'LOCATION': {'success': True, 'type': 'LOCATION', 'fraction': '997/1000'},
 'POSTCODE': {'success': True, 'type': 'POSTCODE', 'fraction': '993/1000'},
 'DATE': {'success': True, 'type': 'DATE', 'fraction': '1000/1000'}}

示例2：使用用户自定义敏感数据类型识别

csv_table_path = 'openDLP/tests/data/data-udf.csv'
regex_pattern_file = 'openDLP/tests/data/pattern.json'
threshold = {'QQ':1}

result = table_analyzer.analyze(csv_table_path, regex_pattern_file, threshold)

输出如下：

{'QQ': {'success': True, 'type': 'OTHER', 'fraction': '9/10'},
 'PASSWORD': {'success': True, 'type': 'PASSWORD', 'fraction': '10/10'}}

“QQ”为数据表中的列名，“success”标识该列是否识别成功，“type”为识别成的敏感数据类型，OTHER表示不是敏感数据类型，“fraction”为该列中识别比例最高的类型的占比，这里的"9/10"的含义是该列有10个元素，有9个识别为了QQ，但QQ的判断阈值设置的是1，大于0.9，所以其类型被判断为了OTHER。

更多使用示例见：文档

API

openDLP提供了表格敏感数据识别和正则表达式生成接口，具体接口参数请参考 API文档。

维护者

openDLP开源项目由哈尔滨工业大学（深圳）数据安全研究院发起，若您对openDLP项目感兴趣并愿意一起完善它，欢迎加入我们的开源社区。

Owner

• Longice([email protected])

Maintainer

• Longice([email protected])

您可以联系项目Owner，若您通过审核便可成为openDLP的Maintainer成员之一。

如何贡献

非常欢迎你的加入！提一个 Issue 或者提交一个 Pull Request。

许可证

openDLP开源项目使用 Apache-2.0 license，有关协议请参考LICENSE。

Used by

开源项目

• eoapi：一个可拓展的 API 工具，简单（Easy） & 开源（OpenSource）的 API 生态系统

组织