融合变体字还原和语义分析的敏感信息检测

摘要：

针对传统的基于词库的敏感信息检测方法由于变体词而导致检测性能低的问题,提出一种融合变体识别和语义分析的敏感信息检测方法.首先寻找出文本中出现的变体词,再通过编辑距离和相似度计算寻找出该变体词的原词并进行替换,接着通过BERT作为词嵌入模型融合左右上下文信息实现深层双向的语言表征,并联合卷积神经网络与双向门控循环单元网络构建敏感信息分类模型,分别提取文本的局部语义信息和上下文信息并输入到分类器中进行敏感信息检测.最后将本文提出的模型与其他深度学习网络模型在真实的数据集上进行实验对比,结果表明该方法能更有效地检测敏感信息.

关键词：敏感信息检测、卷积神经网络、预训练模型、双向门控循环单元、自然语言处理

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

资助基金：国家重点研发计划;湖北省重点研发计划项目;湖北省重点研发计划项目;深圳市科技计划基础研究项目;深圳市科技计划技术攻关项目;湖南省教育厅科学研究优秀青年项目;华南大学衡阳医学院临床医学研究培养计划

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：879-887