公开(公告)号：CN111581956A

公开(公告)日：2020-08-25

申请号：CN202010269087.8

申请日：2020-04-08

Applicant: 国家计算机网络与信息安全管理中心 ,  北京航空航天大学

Inventor： 赵忠华 ,  吴俊杰 ,  赵志云 ,  葛自发 ,  孙小宁 ,  张冰 ,  王欣欣 ,  李欣 ,  袁钟怡 ,  孙立远 ,  付培国 ,  王禄恒 ,  左源 ,  李丰志 ,  李英汉 ,  户中方

IPC: G06F40/279 ,  G06F40/216 ,  G06F40/242 ,  G06F40/126 ,  G06F16/335 ,  G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种基于BERT模型和K近邻的敏感信息识别方法，包括：步骤一、对文本进行预处理；步骤二、标注多条预处理文本为敏感信息和非敏感信息，步骤三、表征得到敏感信息的向量表征和非敏感信息的向量表征；步骤四、以敏感信息的向量表征为正类数据、以非敏感信息的向量表征为负类数据，构建近似最邻近搜索图；步骤五、将待测文本的向量表征输入至近似最邻近搜索图，搜索得到近似最近邻的K个节点，判断节点属性及根据该条待测文本的敏感度权重，修正其敏感度值后，判断是否为敏感信息。本发明公开了一种基于BERT模型和K近邻的敏感信息识别系统。本发明具有提升文本质量，提升敏感信息识别的速度和精度的有益效果。

公开(公告)号：CN111581956B

公开(公告)日：2022-09-13

申请号：CN202010269087.8

申请日：2020-04-08

Applicant: 国家计算机网络与信息安全管理中心 ,  北京航空航天大学

Inventor： 赵忠华 ,  吴俊杰 ,  赵志云 ,  葛自发 ,  孙小宁 ,  张冰 ,  王欣欣 ,  李欣 ,  袁钟怡 ,  孙立远 ,  付培国 ,  王禄恒 ,  左源 ,  李丰志 ,  李英汉 ,  户中方

IPC: G06F40/279 ,  G06F40/216 ,  G06F40/242 ,  G06F40/126 ,  G06F16/335 ,  G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种基于BERT模型和K近邻的敏感信息识别方法，包括：步骤一、对文本进行预处理；步骤二、标注多条预处理文本为敏感信息和非敏感信息，步骤三、表征得到敏感信息的向量表征和非敏感信息的向量表征；步骤四、以敏感信息的向量表征为正类数据、以非敏感信息的向量表征为负类数据，构建近似最邻近搜索图；步骤五、将待测文本的向量表征输入至近似最邻近搜索图，搜索得到近似最近邻的K个节点，判断节点属性及根据该条待测文本的敏感度权重，修正其敏感度值后，判断是否为敏感信息。本发明公开了一种基于BERT模型和K近邻的敏感信息识别系统。本发明具有提升文本质量，提升敏感信息识别的速度和精度的有益效果。