敏感信息识别方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115828901A(43)申请公布日2023.03.21(21)申请号202211674689.7(22)申请日2022.12.26(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人刘良张慧萍罗升(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师牛亭亭(51)Int.Cl.G06F40/279(2020.01)G06N20/00(2019.01)权利要求书3页说明书12页附图9页(54)发明名称敏感信息识别方法、装置、电子设备及存储介质(57)摘要本申请公开了一种敏感信息识别方法、装置、电子设备及存储介质，本申请首先基于包含输入样本和输出样本的训练样本对实体识别模型进行模型训练，其中，输入样本为历史日志数据，输出样本为历史日志数据对应的历史标注信息，历史标注信息表征历史日志数据中的字符所属的实体类型，进而可以通过实体识别模型，获取目标日志数据对应的目标标注信息，其中，目标标注信息表征目标日志数据中的字符所属的实体类型，进而根据目标标注信息，获取目标日志数据中的实体词作为敏感信息，从而可以实现对目标日志数据中的实体词的识别，避免由于无法对实体词进行识别而造成遗漏识别的情况，提高敏感信息识别的可靠性。CN115828901ACN115828901A权利要求书1/3页1.一种敏感信息识别方法，其特征在于，方法包括：获取待识别的目标日志数据；通过实体识别模型，对所述目标日志数据进行处理，得到所述目标日志数据对应的目标标注信息，所述目标标注信息表征所述目标日志数据中的字符所属的实体类型；其中，所述实体识别模型包含自然语言处理模型和深度学习模型，所述自然语言处理模型的输出作为所述深度学习模型的输入，且所述实体识别模型是基于训练样本进行模型训练得到的，所述训练样本包含输入样本和输出样本，所述输入样本为历史日志数据，所述输出样本为所述历史日志数据对应的历史标注信息，所述历史标注信息表征所述历史日志数据中的字符所属的实体类型；根据所述目标日志数据对应的所述目标标注信息，获取所述目标日志数据中的实体词作为敏感信息。2.根据权利要求1所述的方法，其特征在于，所述实体识别模型基于所述训练样本按照以下方式进行训练：获得所述历史日志数据中的一份日志数据作为当前训练数据；通过所述自然语言处理模型，对所述当前训练数据进行处理，得到所述当前训练数据中的至少一个字符；通过所述深度学习模型，对所述当前训练数据中的字符进行处理，得到所述当前训练数据对应的预测标注信息；将所述预测标注信息与所述输出样本中与所述当前训练数据对应的历史标注信息进行对比；在所述预测标注信息与所述历史标注信息不满足模型收敛条件的情况下，对所述自然语言处理模型的模型参数和所述深度学习模型的模型参数进行修改；获得所述历史日志数据中的下一份日志数据作为新的当前训练数据，返回执行所述：通过所述自然语言处理模型，对所述当前训练数据进行处理，直到所述预测标注信息与所述历史标注信息满足所述模型收敛条件。3.根据权利要求2所述的方法，其特征在于，对所述自然语言处理模型的模型参数和所述深度学习模型的模型参数进行修改，包括：根据所述预测标注信息与所述历史标注信息，获得损失值；根据所述损失值，对所述自然语言处理模型的模型参数和所述深度学习模型的模型参数进行修改。4.根据权利要求1所述的方法，其特征在于，还包括：对所述目标日志数据中的实体词进行加密。5.根据权利要求4所述的方法，其特征在于，还包括：将所述加密后的目标日志数据进行存储。6.一种敏感信息识别装置，其特征在于，包括：日志数据获取单元，用于获取待识别的目标日志数据；日志数据识别单元，用于通过实体识别模型，对所述目标日志数据进行处理，得到所述目标日志数据对应的目标标注信息，所述目标标注信息表征所述目标日志数据中的字符所属的实体类型；2CN115828901A权利要求书2/3页其中，所述实体识别模型包含自然语言处理模型和深度学习模型，所述自然语言处理模型的输出作为所述深度学习模型的输入，且所述实体识别模型是基于训练样本进行模型训练得到的，所述训练样本包含输入样本和输出样本，所述输入样本为历史日志数据，所述输出样本为所述历史日志数据对应的历史标注信息，所述历史标注信息表征所述历史日志数据中的字符所属的实体类型；信息获取单元，用于根据所述目标日志数据对应的所述目标标注信息，获取所述目标日志数据中的实体词作为敏感信息。7.根据权利要求6所述的装置，其特征在于，所述日志数据识别单元，包括：训练数据获取单元，用于获得所述历史日志数据中的一份日志数据作为当前训练数据；字符获取单元，用于通过所述自然语言处理模型，对所述当前训练数据进行处理，得到所