检索结果-南通市图书馆

基于SSI-GuidedLDA模型的引导式网络敏感信息识别研究

在线全文

学校读者我要写书评

暂无评论

情报杂志 2023年第11期42卷 119-125页

作者：吴树芳杨强侯晓舟尹萌河北大学管理学院保定071000 河北大学外国语学院保定071000

[研究目的]引导式主题模型可以引导生成有倾向性的敏感主题,提高网络敏感信息识别性能,对维护国家安全和社会稳定具有重要意义。[研究方法]针对当前网络敏感信息识别研究构建敏感信息特征不全面和不准确,从而导致识别性能欠佳的问题,提... 详细信息

[研究目的]引导式主题模型可以引导生成有倾向性的敏感主题,提高网络敏感信息识别性能,对维护国家安全和社会稳定具有重要意义。[研究方法]针对当前网络敏感信息识别研究构建敏感信息特征不全面和不准确,从而导致识别性能欠佳的问题,提出基于SSI-GuidedLDA模型的引导式网络敏感信息识别方法。首先,从多源网络资源中爬取敏感种子词,并基于词向量模型Word2Vec获得种子词的敏感语义相关词,构建更为完备、准确的敏感特征。其次,将构建的敏感特征融入引导式主题模型,得到改进后的模型SSI-GuidedLDA。最后,基于SSI-GuidedLDA模型获得待识别信息的主题分布,通过主题分布概率判断其是否为网络敏感信息。[研究结论]在新浪微博数据集上的实验结果显示,与已有方法相比,提出的方法在准确率、召回率和F 1值上均有一定提高。

关键词：敏感语义(SSI) 敏感种子词敏感信息识别引导式主题模型 GuidedLDA Word2Vec

在线全文

学校读者我要写书评

暂无评论

基于微调原型网络的小样本敏感信息识别方法

中文信息学报 2024年第1期38卷 115-123页

作者：余正涛关昕黄于欣张思琦赵庆珏昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

敏感信息识别主要是指识别互联网上涉及色情、毒品、邪教、暴力等类型的敏感信息,现有的敏感信息识别通常将其看作文本分类任务,但由于缺乏大规模的敏感信息标注数据,分类效果不佳。该文提出一种基于微调原型网络的小样本敏感信息识别方... 详细信息

敏感信息识别主要是指识别互联网上涉及色情、毒品、邪教、暴力等类型的敏感信息,现有的敏感信息识别通常将其看作文本分类任务,但由于缺乏大规模的敏感信息标注数据,分类效果不佳。该文提出一种基于微调原型网络的小样本敏感信息识别方法,在小样本学习框架下,利用快速适应的微调原型网络来缓解元训练阶段通用新闻领域和元测试阶段敏感信息数据差异大的问题。首先,在元训练阶段,基于通用新闻领域的分类数据训练模型来学习通用知识,同时在训练过程中经过两阶段梯度更新,得到一组对新任务敏感的快速适应初始参数,然后在元测试阶段敏感文本数据集的新任务上,冻结模型部分参数并使用支持集进一步微调,使模型更好地泛化到敏感识别领域上。实验结果证明,相比当前最优的小样本分类模型,该文提出的快速适应微调策略的原型网络显著提升了敏感信息识别效果。

关键词：敏感信息识别小样本学习微调策略原型网络

在线全文

学校读者我要写书评

暂无评论

结合触发事件及词性分析的敏感信息识别方法

计算机工程与应用 2020年第20期56卷 132-137页

作者：刘聪王永利周子韬犹锋张才俊南京理工大学计算机科学与工程学院南京210094 南瑞集团有限公司/国网电力科学研究院有限公司江苏瑞中数据股份有限公司南京210094 国家电网有限公司客户服务中心南京210094

针对传统敏感信息识别方法忽略了上下文语境和关键词词性而导致的漏报、误报问题,提出一种改进文本敏感信息识别的方法STEAP。构建暴恐敏感词典;通过敏感触发事件的抽取构建敏感触发事件序列,结合敏感触发事件及关键词的词性为待识别的... 详细信息

针对传统敏感信息识别方法忽略了上下文语境和关键词词性而导致的漏报、误报问题,提出一种改进文本敏感信息识别的方法STEAP。构建暴恐敏感词典;通过敏感触发事件的抽取构建敏感触发事件序列,结合敏感触发事件及关键词的词性为待识别的信息分配权重;将构建的触发事件与词向量、暴恐敏感词典进行相似度的计算,结合权重获得文本的敏感度。实验结果证明,与传统敏感信息识别方法相比,STEAP方法能够有效识别出文本中的敏感信息,并且在精确度上得到了一定提高。

关键词：敏感触发事件词性序列敏感信息识别文本相似度

融合敏感词典和异构图的汉泰跨语言敏感信息识别

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第7期45卷 2150-2156页

作者：朱栩冉余正涛张勇丙昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

通用跨语言文本分类模型识别毒品、暴力和自然灾害等敏感信息不准确,且汉泰双语敏感词表示多样化、难对齐导致不同语言信息聚合能力较弱,为此提出一种融合敏感词典和异构图的汉泰跨语言敏感信息识别方法。利用汉泰敏感词典构建具有文档... 详细信息

通用跨语言文本分类模型识别毒品、暴力和自然灾害等敏感信息不准确,且汉泰双语敏感词表示多样化、难对齐导致不同语言信息聚合能力较弱,为此提出一种融合敏感词典和异构图的汉泰跨语言敏感信息识别方法。利用汉泰敏感词典构建具有文档对齐和词对齐的跨语言异构图结构,将文档以及所含关键词和敏感词作为节点,双语对齐、相似关系和不同词性作为边构建汉泰跨语言异构图;基于多语言预训练模型对文档节点和词节点进行表征;通过多层图卷积神经网络对输入文档进行编码,使用敏感信息分类器对文档进行分类预测。实验结果表明,所提方法准确率较基线模型提高了5.83%。

关键词：敏感词典跨语言异构图图卷积神经网络敏感信息识别多语言预训练模型双语对齐

在线全文

学校读者我要写书评

暂无评论

互联网新闻敏感信息识别方法的研究

小型微型计算机系统 2021年第4期42卷 685-689页

作者：李姝张祥祥于碧辉于金刚沈阳理工大学装备工程学院沈阳110159 中国科学院大学北京100049 中国科学院沈阳计算技术研究所沈阳110168

敏感信息识别是净化互联网环境的关键,在当今信息爆炸的时代,人们每天都要从互联网中获得大量信息,如何过滤大量信息中的敏感信息对整个社会安定和谐有着重要的意义.现有的方法主要是基于敏感关键词的方法进行过滤,需要不断更新迭代敏... 详细信息

敏感信息识别是净化互联网环境的关键,在当今信息爆炸的时代,人们每天都要从互联网中获得大量信息,如何过滤大量信息中的敏感信息对整个社会安定和谐有着重要的意义.现有的方法主要是基于敏感关键词的方法进行过滤,需要不断更新迭代敏感关键词,泛化性弱,本文中使用基于预训练模型的深度学习方法可以学习到互联网新闻文本中更深层的语义信息,进而更有效的识别和过滤敏感信息,泛化性强,但是只使用深度学习方法会一定程度上的损失敏感关键词特征.本文首次将传统的敏感关键词方法与深度学习方法相结合应用于互联网敏感信息识别,提出了一种融合敏感关键词特征的模型Mer-HiBert.实验结果表明,与之前的敏感关键词方法以及深度学习模型相比,模型的性能有进一步提高.

关键词：敏感信息识别敏感关键词 Bert Attention TextCNN

在线全文

学校读者我要写书评

暂无评论

基于半监督学习的网络敏感信息识别

基于半监督学习的网络敏感信息识别

作者：王浩天津大学

学位级别：硕士

随着互联网的发展，人们越来越多地依靠网络来获取和发布信息，互联网中存储和传播的信息对于大众舆论的形成和传播有巨大的影响，其中也隐藏着巨大的安全威胁。许多不法分子利用网络自由交互的特点，在网络上散布各种有损社会和谐的言... 详细信息

随着互联网的发展，人们越来越多地依靠网络来获取和发布信息，互联网中存储和传播的信息对于大众舆论的形成和传播有巨大的影响，其中也隐藏着巨大的安全威胁。许多不法分子利用网络自由交互的特点，在网络上散布各种有损社会和谐的言论，即所谓的敏感信息，这些信息一旦扩散开来，往往会造成极其恶劣的影响，进而带来巨大的舆论压力，并造成相当的经济损失。因此，及实、准确对网络敏感信息进行识别成为相关部门急需解决的问题。通常网络敏感信息的传播速度非常快，因此传统的机器学习方法会面临一个严峻的问题，那就是不能花费大量的时间来进行样本标注。只能应用少量已标注样本在采用大量未标注样本的辅助下完成分类器的训练，即采用半监督学习的方法来解决这个问题。敏感信息在网络舆情中占的比例很小。在采集到的样本中，很大一部分是普通舆情信息，如果采用这样的数据进行分类器的训练，分类的结果势必会偏向样本数较多的那一类。为了解决这个问题，可以采用过采样的方法来增加少数类样本，使正负类样本数均衡，进而提高分类器的性能。文本采用文本分类的方法来解决网络敏感信息识别的问题，分析得到网络敏感信息具有传播速度快，影响恶劣，且样本数少的特点，针对这几个特点在文本分类的各个步骤中采用了相应的解决办法。提出了将过采样技术与半监督学习结合的方法，并对传统的SMOTE算法做出了改进，经过实验证明，改进的算法有效地提高了分类器的性能。

关键词：敏感信息识别半监督学习不平衡数据 SMOTE

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于情感分析的敏感信息识别方法研究

基于情感分析的敏感信息识别方法研究

作者：刘聪南京理工大学

学位级别：硕士

自进入信息时代以来,各种良莠不齐的信息充斥着人们的生活,不少境外势力和不法分子通过互联网散布和传播一些敏感信息,以煽动并引导网络舆情。以微博为代表的各种网络媒体包含了大量关于暴力事件、恐怖袭击事件、政治时事等话题的文本,... 详细信息

自进入信息时代以来,各种良莠不齐的信息充斥着人们的生活,不少境外势力和不法分子通过互联网散布和传播一些敏感信息,以煽动并引导网络舆情。以微博为代表的各种网络媒体包含了大量关于暴力事件、恐怖袭击事件、政治时事等话题的文本,这些文本反映了用户对事件的态度,观点和倾向。敏感信息识别作为避免网络舆论被恶意引导的重要手段,近几年成为了一个重要研究问题。本文针对网络文本中的暴恐敏感信息识别任务中的情感分析和敏感信息识别方法进行研究。本文的主要工作如下:（一）针对敏感文本中情感分析问题,提出了面向敏感信息识别的情感分析模型构建方法。在模型中,在传统word2vec语义特征提取方法上,改进了文本语义提取的方法,提取出文本中的情感特征,情感词和敏感词的相对位置特征。并结合双向长短时记忆模型和self-attention机制,得到面向敏感信息识别的情感分析模型（Sentiment Analysis Model For Sensitive Information Recognition,SAMFSIR）,该模型对文本进行情感分析,得到三种情感极性。通过实验表明,本文提出的方法在情感分析性能上优于现有的情感分析方法。（二）针对文本中敏感信息识别任务,提出了结合情感分析的敏感信息识别方法。本文通过构建敏感触发事件,并结合关键词词性对文本相似度算法进行改进,提出了一种结合敏感触发事件中关键词词性的敏感信息相似度算法（Text Similarity Algorithm Combining Part of Speech,STEAP）。然后结合SAMFSIR模型和STEAP算法计算文本的敏感度。通过实验证明,该方法在识别精确率上超过了传统的敏感信息识别方法,同时,也证明了文本敏感性与文本情感极性具有较强的联系。（三）针对网络文本中敏感信息识别任务,提出了构建基于情感分析的敏感信息识别系统。根据本文提出的方法,设计并实现了一个基于情感分析的敏感信息识别系统。根据需求对系统架构和各个模块的功能进行设计、实现,并通过用例测试验证系统的有效性。

关键词：敏感信息识别情感分析特征构建自注意力机制敏感触发事件

社交网络中基于多模态的敏感信息识别技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社交网络中基于多模态的敏感信息识别技术研究

作者：吉培瑜中原工学院

学位级别：硕士

近些年来,社交网络的广泛使用在一定程度上对用户隐私造成了安全风险。社交媒体平台从用户那里收集大量个人数据,包括有关他们的位置、个人动态和兴趣的信息。这些数据容易受到黑客或其他恶意行为者未经授权的访问,可能会产生负面后果,... 详细信息

近些年来,社交网络的广泛使用在一定程度上对用户隐私造成了安全风险。社交媒体平台从用户那里收集大量个人数据,包括有关他们的位置、个人动态和兴趣的信息。这些数据容易受到黑客或其他恶意行为者未经授权的访问,可能会产生负面后果,进而对个人乃至国家造成严重的威胁,因此,如何对社交网络用户信息进行隐私保护是亟需解决的问题。然而目前社交网络隐私保护仍然面临如下挑战:(1)忽略数据关联泄露敏感信息的风险,由于对性格、背景各异用户的敏感信息容忍程度和敏感信息的关联性等方面考虑不足,缺乏对历史信息记录和不同格式信息的综合防护,易被恶意用户通过综合分析,挖掘出隐式关联关系,通过融合分析获取敏感度高的私人信息。(2)多模态敏感信息定位识别困难,敏感信息识别涉及用户个人数据隐私敏感度量,传统隐私设置一般仅针对特定敏感信息对隐私数据进行保护,并未考虑用户的个性化需求。然而,不同用户对于隐私敏感程度以及敏感信息的定义不同,加之缺乏多模态数据的综合分析,导致访问控制的权限设置受到阻碍,使得社交网络中敏感信息识别成为一大挑战。针对以上挑战,本文的主要研究内容如下:(1)当前的敏感属性识别方法存在一些限制,无法自适应地识别位置数据集的敏感属性,忽略了数据属性之间的关联关系,从而导致敏感属性被错误的推理。为了解决这些问题,本文利用信息论中的信息熵和最大离散熵,来初步计算数据属性中的敏感度,在计算过程中,考虑了数据分布的特性,并避免了不同数据特征方差的风险,使计算结果更加符合实际意义。并在此基础上提出了一种改进的关联规则算法,该算法利用新的事务存储表和归并项集的方法来快速进行项集搜索,从而提高了搜索效率,增强了文本敏感属性的识别能力。(2)本文提出了一种改进的双通道多跳推理机制,用于挖掘和利用社交网络中用户图像和文本数据之间的隐式相关性,打破了跨模态数据之间的语义障碍,丰富了查询文本和图像中隐私的语义表示。此外,本文还探究了用户个性化敏感偏好对于隐私保护技术的挑战,并通过添加用户自定义敏感列表并将其放入双通道多跳推理机制中,增强了敏感信息偏好的表示,最终实现了个性化的用户隐私偏好。同时,本文还设计了一种改进的多模自适应空间注意力编解码架构,用以选择需要注意的特征信息,从而实现对敏感信息的准确识别。

关键词：社交网络隐私保护敏感信息识别多模态关联数据

融合预训练语言模型和规则引擎的敏感信息识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合预训练语言模型和规则引擎的敏感信息识别方法研究

作者：张立波上海财经大学

学位级别：硕士

随着互联网技术的快速发展,人们通过互联网进行沟通交流日益频繁,数据安全问题也变得越来越严峻,一旦发生数据泄露事件,会给企业造成重大的损失。如何更加快速、准确、智能的识别敏感信息就成为一个重要的课题。目前企业对文本数据中的... 详细信息

随着互联网技术的快速发展,人们通过互联网进行沟通交流日益频繁,数据安全问题也变得越来越严峻,一旦发生数据泄露事件,会给企业造成重大的损失。如何更加快速、准确、智能的识别敏感信息就成为一个重要的课题。目前企业对文本数据中的个人敏感信息识别有着巨大的需求,但是个人敏感信息的类别多,定义复杂,按照《个人信息保护法》中的定义,目前需要保护的个人敏感信息种类约100多个类别,特别是姓名、家庭地址、个人健康信息、个人就学类信息等类别,传统的基于规则或正则表达式的识别方法,识别准确率非常低。随着深度学习的发展,许多学者将LSTM循环神经网络、Transformers、BERT预训练模型应用到敏感信息识别的研究越来越多,但是目前关于敏感信息识别方法存在一些问题:首先这种基于纯语义的BERT-CRF模型,在涉及到需要人类先验知识判断和逻辑推理的情况下,表现比较差,这就导致在识别某些需要先验知识辅助判断的敏感信息时,表现不好。其次,目前学者都是针对特定的领域,使用命名实体识别(NER)方法检测词语类的敏感信息,比如姓名,地址,但是针对长文本描述类型的敏感信息,比如住院记录,医疗检查报告等敏感信息的识别研究比较少。所以本文在基于预训练模型的基础上,融合了规则引擎,综合考虑了语义特征和人类先验知识,提出了融合预训练语言模型和规则引擎的通用领域敏感信息识别方法。本文的识别模型包含两类,一类是针对实体类的敏感信息,使用NER模型为基础,另一类是针对长文本描述类的敏感信息,使用了多标签文本分类模型为基础。针对实体类的敏感信息识别,使用ALBERT预训练语言模型作为输入的动态词向量表示,为下游任务提供了丰富的上下文特征,使用了CRF条件随机场,优化了序列化标注任务;同时在模型的输出层logits使用CRF进行解码得到输入文本的标签序列;同时通过从知识库抽取、专家经验总结形成规则引擎(Rule Engine),Rule Engine中包含若干条用规则表示的先验知识;然后根据输出标签序列的类型,触发Rule Engine中对应的规则,经过Rule Engine中的修正判断;如果Rule Engine判断不通过,则将预测的标签序列进行修正为rule＿label,通过特定的算法得到规则引擎辅助判断的损失rule＿loss,最后将规则辅助判断的损失项rule＿loss添加到总损失,然后进行反向传播,通过这样的方式将规则引擎的知识融合到识别模型中。同时,在模型推理时,也会根据预测的结果,触发相对应的规则,然后执行规则判断,对预测的结果进行修正,输出最终的预测结果,通过此种方法将规则引擎的判断结果引入到模型训练和推理,提高模型识别的精度和召回率。最终在自制的敏感信息数据集上取得了95.3%F1值。针对长文本描述类的敏感信息,本文以多标签文本分类模型为基础,将规则引擎描述的不同类别之间相互依存关系[rule1(classification1→classification2),p=0.8]引入到预训练模型,此处将存在一定概率的推理规则叫做soft rule,将其不同类别依存关系的概率p作为参数,使用特定的算法与输出层计算,获取模型的输出结果,本模型使用交叉熵作为损失函数。通过soft rule这样的方式将不同类别之间相互依存的关系传递到预训练语言模型中,提高了模型的识别精度。本文的主要内容如下:1、由于目前公开的包含个人敏感信息的数据集几乎没有,所以本文的首要任务就是如何获取大量的包含这么多种类敏感信息的中文数据集,本研究是通过解析大量的用户上传的文本文件,解析文本中的内容,在通过一些规则库过滤文本,留下包含敏感信息的问题,此处比较粗糙,然后通过人工进行确认,制作了一个包含大约20个类别的个人敏感信息数据集,一共2万多条;2、针对每个类别的敏感信息特点、收集到的数据集的样本情况,结合专家经验总结了敏感信息的规则知识,针对长文本描述类的敏感信息,通过样本统计和专家经验,形成了若干个soft rule,最终构建了通用领域的敏感信息规则引擎,用于模型训练和后处理过程中的辅助判断,提高这敏感信息识别的精度和召回率;3、针对实体类的敏感信息,提出了融合ALBERT-CRF和规则引擎辅助判断的敏感信息识别方法,将规则引擎的结果用于计算修正损失函数,把规则引擎引入到预训练模型中,在自制数据集上,提高了模型的F1 score 1.5百分点。4、针对长文本描述类的敏感信息,提出了融合soft rule和De BERTa模型的多标签文本数据模型,用于长文本描述类的敏感信息识别,在自制数据集上,提高了模型的F1值1.2个百分点。

关键词：敏感信息识别预训练语言模型规则引擎数据安全