[发明专利]敏感信息的识别方法、装置、电子设备及存储介质

说明书

本公开提供了敏感信息的识别方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及深度学习和信息安全等技术领域。一种具体实现方案为：获取目标网页文本的实体信息；利用预设的敏感信息识别模型，对所述实体信息进行识别处理，以获得所述实体信息的识别结果，所述预设的敏感信息识别模型是对预训练模型进行知识蒸馏处理后获得的，所述预训练模型包括预训练网络、第一文本特征提取网络和第一分类器，所述预设的敏感信息识别模型包括第二文本特征提取网络和第二分类器；根据所述实体信息的识别结果，获得所述目标网页文本的敏感信息识别结果。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习和信息安全等技术领域。

背景技术

目前，在互联网、金融、医疗、教育等行业都存在大量敏感信息泄露的案例，给个人、企业乃至国家造成了不可挽回的损失。

而网页文本数据作为信息传播的重要载体，逐渐成为敏感信息泄露的主要源头，攻击者通过爬虫等攻击手段会不断访问包含敏感信息的页面，从而收集大量敏感信息，造成巨大的敏感信息泄露风险。因此，在信息共享、数据为主的时代，对网页文本中敏感信息的识别尤为重要。

发明内容

本公开提供了敏感信息的识别方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种敏感信息的识别方法，包括：

获取目标网页文本的实体信息；

利用预设的敏感信息识别模型，对所述实体信息进行识别处理，以获得所述实体信息的识别结果，所述预设的敏感信息识别模型是对预训练模型进行知识蒸馏处理后获得的，所述预训练模型包括预训练网络、第一文本特征提取网络和第一分类器，所述预设的敏感信息识别模型包括第二文本特征提取网络和第二分类器；

根据所述实体信息的识别结果，获得所述目标网页文本的敏感信息识别结果。

根据本公开的另一方面，提供了一种敏感信息识别模型的训练方法，包括：

获取第一训练数据和第二训练数据，其中，所述第一训练数据是有标签数据，所述第二训练数据是无标签数据；

根据所述第一训练数据，对待训练的预训练模型进行迭代训练，以获得训练完成的预训练模型；所述预训练模型包括预训练网络、第一文本特征提取网络和第一分类器；

利用训练完成的预训练模型，对所述第二训练数据进行识别处理，以获得所述第二训练数据的软标签；

根据所述第二训练数据和所述第二训练数据的软标签，对待训练的敏感信息识别模型进行迭代训练，以获得敏感信息识别模型，所述敏感信息识别模型包括第二文本特征提取网络和第二分类器。

根据本公开的再一方面，提供了一种敏感信息的识别装置，包括：

获取单元，用于获取目标网页文本的实体信息；

识别单元，用于利用预设的敏感信息识别模型，对所述实体信息进行识别处理，以获得所述实体信息的识别结果，所述预设的敏感信息识别模型是对预训练模型进行知识蒸馏处理后获得的，所述预训练模型包括预训练网络、第一文本特征提取网络和第一分类器，所述敏感信息识别模型包括第二文本特征提取网络和第二分类器；

获得单元，用于根据所述实体信息的识别结果，获得所述目标网页文本的敏感信息识别结果。

根据本公开的又一方面，提供了一种敏感信息识别模型的训练装置，包括：

数据获取单元，用于获取第一训练数据和第二训练数据，其中，所述第一训练数据是有标签数据，所述第二训练数据是无标签数据；