[发明专利]敏感数据识别方法、装置、设备以及存储介质

权利要求书

1.一种敏感数据识别模型的训练方法，其特征在于，所述方法包括：

获取样本集，其中，所述样本集中的样本包括特征向量及其对应的标签，所述标签用于标识特征向量所属的数据是否为敏感数据；

对所述样本集进行过采样；

根据过采样后的样本集对代价敏感模型进行训练，将训练完成的代价敏感模型作为敏感数据识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取样本集，包括：

获取多条数据及其标签；

对各数据进行数据清洗；

将清洗后的各数据输入BERT模块中进行编码，得到各数据的特征向量；

将各数据的标签确定为各数据的特征向量对应的标签；

根据各数据的特征向量及其对应的标签生成样本，并根据各样本生成所述样本集。

3.根据权利要求1所述的方法，其特征在于，所述对所述样本集进行过采样，包括：

利用Borderline SMOTE算法、Borderline SMOTE SVM算法或者Borderline SMOTELogistic算法对所述样本集进行过采样。

4.根据权利要求3所述的方法，其特征在于，利用Borderline SMOTE Logistic算法对所述样本集进行过采样，包括：

利用Logistic分类器对所述样本集进行处理，确定所述样本集对应的决策边界，将所述样本集中处于决策边界预设范围内的少数类样本视为边界样本，并将其复制到边界样本集；

将所述样本集中的少数类样本复制到少数类样本集；

根据边界样本集与少数类样本集，生成多个新的少数类样本，并将其添加至所述样本集中。

5.根据权利要求1所述的方法，其特征在于，所述代价敏感模型为Stacking结构，其中的基学习器包括代价敏感支持向量机CS-SVM、代价敏感朴素贝叶斯模型CSNB、代价敏感C4.5决策树CSC4.5，元学习器包括Attention模块、LR模块。

6.一种敏感数据识别方法，其特征在于，所述方法包括：

获取待识别的数据的特征向量；

将所述特征向量输入敏感数据识别模型，确定所述待识别的数据是否为敏感数据；

其中，所述敏感数据识别模型基于权利要求1-5中任一项所述的敏感数据识别模型的训练方法得到。

7.一种敏感数据识别模型的训练装置，其特征在于，所述装置包括：

获取模块，用于获取样本集，其中，所述样本集中的样本包括特征向量及其对应的标签，所述标签用于标识特征向量所属的数据是否为敏感数据；

过采样模块，用于对所述样本集进行过采样；

训练模块，用于根据过采样后的样本集对代价敏感模型进行训练，将训练完成的代价敏感模型作为敏感数据识别模型。

8.一种敏感数据识别模块，其特征在于，所述模块包括：

获取模块，用于获取待识别的数据的特征向量；

确定模块，用于将所述特征向量输入敏感数据识别模型，确定所述待识别的数据是否为敏感数据；

其中，所述敏感数据识别模型基于权利要求1-5中任一项所述的敏感数据识别模型的训练方法得到。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。