买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：闪捷信息科技有限公司

摘要：本发明提供一种基于深度学习技术的敏感信息识别方法，涉及数据识别技术领域，包括以下步骤：获取训练数据集；分别对图像数据、全中文数据集和非全中文数据集训练得到第一、第二和第三分类模型；接受待预测的数据；分别根据待预测的数据的类型输入至第一、第二和第三分类模型，得到标签；获取所有标签，对结构化数据，则统计每个字段下实例标签最多的类别作为该字段的类别；对非结构化数据，则将中文分词字符的类别进行敏感信息统计。本发明合理有效，可以通过对原始数据进行特征工程，将数据集输入到对应的分类模型进行训练，得到不同的分类模型，根据待识别的敏感数据类型得到分类标签，对不同类型的数据进行识别，识别准确率高，保护性好。

主权项：1.一种基于深度学习技术的敏感信息识别方法，其特征在于，包括以下步骤：S1：获取训练数据集；S2：判断训练数据集是否为图像数据，若是则使用深度学习模型进行训练，得到第一分类模型，并执行步骤S4；反之则执行步骤S3；S3：判断训练数据集是否为全中文数据集，若是则使用深度学习模型进行训练，得到第二分类模型，并执行步骤S4；反之则使用机器学习模型进行训练，得到第三分类模型，并执行步骤S4；S4：接收待预测的数据；S5：判断待预测的数据是否为图像数据，若是，则将待预测的数据输入至第一分类模型，将分类结果作为图像的标签；反之则执行步骤S6；S6：判断待预测的数据是否为结构化数据；若是则将每个字段的实例进行提取，执行步骤S7；反之则提取非结构化字符，进行中文分词，执行步骤S7；S7：判断获取的字段实例或者中文分词是否为全中文数据；若是则将字段实例或者中文分词输入至第二分类模型，得到所有字段实例或者中文分词的标签；反之则将字段实例或者中文分词输入至第三分类模型，得到所有字段实例或者中文分词的标签；S8：获取所有标签，若待预测的数据为图像数据，将每一张图像的分类结果作为该图像的标签，并判断其是否为敏感图像信息；若待预测的数据为结构化数据，则统计每个字段下实例标签最多的类别作为该字段的类别，并判断其是否为敏感字段信息；若待预测的数据为非结构化数据，则将中文分词字符的类别进行敏感信息统计，并判断其是否为敏感字符信息；执行步骤S2时，对图像数据的训练步骤具体包括：S21：对图像进行增广；S22：将图像变换到同样的大小，并进行归一化处理；S23：将处理好的图像输入到resnet模型进行训练，得到第一分类模型；执行步骤S3时，对全中文数据集的训练步骤具体包括：S311：将数据集处理成字段内容和标签两列；S312：根据字符编码字典，将字段内容转换为向量，并把标签进行独热编码；S313：将处理好的数据送到bert模型中进行训练，得到第二分类模型；执行步骤S3时，对非全中文数据集的训练步骤具体包括：S321：提取非中文数据集的自定义特征；S322：对特征进行预处理，包括归一化和分箱；S323：将处理好的数据输入到随机森林中进行训练，得到第三分类模型。

全文数据：

权利要求：

百度查询： 闪捷信息科技有限公司 一种基于深度学习技术的敏感信息识别方法