[发明专利]基于规则配置和机器学习的敏感信息过滤方法和系统

权利要求书

1.一种基于规则配置和机器学习的敏感信息过滤方法，其特征在于，所述方法包括：

步骤S1、采集原始信息，并对所述原始信息进行预处理，以获取文本信息；

步骤S2、基于配置的规则策略对所述文本信息执行第一过滤处理，所述规则策略用于过滤所述文本信息中的敏感信息；以及

步骤S3、利用经训练的机器学习模型对经过滤的文本信息执行第二过滤处理，所述机器学习模型用于滤除所述敏感关键词的衍生敏感信息。

2.根据权利要求1所述的基于规则配置和机器学习的敏感信息过滤方法，其特征在于，在所述步骤S1中，所述预处理包括：缺失值处理、偏离值处理、数据规范化、格式转换中的一种或多种。

3.根据权利要求1所述的基于规则配置和机器学习的敏感信息过滤方法，其特征在于，在所述步骤S2中，所述第一过滤处理包括，基于所述规则策略，将预先存储的关键信息表中的关键词、关键句、特定组合文本与所述文本信息进行匹配识别，以滤除所述文本信息中的敏感信息。

4.根据权利要求1所述的基于规则配置和机器学习的敏感信息过滤方法，其特征在于，在所述步骤S3中，所述机器学习模型由以下方式来获得：

采集用于训练所述机器学习模型的第一数据，并对第一数据进行第一预处理，所述第一预处理包括：缺失值处理、偏离值处理、数据规范化、格式转换、特征提取、降维处理中的一种或多种；

将经所述第一预处理的第一数据分割为训练集、验证集和测试集，其中所述训练集用于训练所述机器学习模型，所述验证集用于优化所述机器学习模型，所述测试集用于检测所述机器学习模型过滤衍生敏感信息的性能；

基于监督模式对所述机器学习模型进行训练、优化和检测。

5.一种基于规则配置和机器学习的敏感信息过滤系统，其特征在于，所述系统包括：

信息采集单元，被配置为，采集原始信息，并对所述原始信息进行预处理，以获取文本信息；

第一过滤单元，被配置为，基于配置的规则策略对所述文本信息执行第一过滤处理，所述规则策略用于过滤所述文本信息中的敏感信息；以及

第二过滤单元，被配置为利用经训练的机器学习模型对经过滤的文本信息执行第二过滤处理，所述机器学习模型用于滤除所述敏感关键词的衍生敏感信息。

6.根据权利要求5所述的基于规则配置和机器学习的敏感信息过滤系统，其特征在于，所述预处理包括：缺失值处理、偏离值处理、数据规范化、格式转换中的一种或多种。

7.根据权利要求5所述的基于规则配置和机器学习的敏感信息过滤系统，其特征在于，所述第一过滤单元具体被配置为，基于所述规则策略，将预先存储的关键信息表中的关键词、关键句、特定组合文本与所述文本信息进行匹配识别，以滤除所述文本信息中的敏感信息。

8.根据权利要求5所述的基于规则配置和机器学习的敏感信息过滤系统，其特征在于，所述机器学习模型由以下方式来获得：

采集用于训练所述机器学习模型的第一数据，并对第一数据进行第一预处理，所述第一预处理包括：缺失值处理、偏离值处理、数据规范化、格式转换、特征提取、降维处理中的一种或多种；

将经所述第一预处理的第一数据分割为训练集、验证集和测试集，其中所述训练集用于训练所述机器学习模型，所述验证集用于优化所述机器学习模型，所述测试集用于检测所述机器学习模型过滤衍生敏感信息的性能；

基于监督模式对所述机器学习模型进行训练、优化和检测。

9.一种存储有指令的非暂时性计算机可读介质，当所述指令由处理器执行时，执行根据权利要求1-4中任一项所述的基于规则配置和机器学习的敏感信息过滤方法中的步骤。