基于神经网络的敏感文档检测

摘要

敏感信息检测是数据防泄漏领域的重要问题,而文本文档是承载敏感信息的主流载体。针对实际语境上下文变化导致文本敏感程度不同和训练样本较少的问题,论文提出了一种基于神经网络的敏感文档检测模型,在引入预训练动态词向量的基础上使用卷积神经网络对敏感文档以二分类的方式进行检测。由于敏感文档没有公开的数据集,使用维基解密的中文文本构造数据集进行实验,验证了论文提出改进的elmo-CNN模型的有效性和实用性,对于敏感检测产品落地具有一定参考价值。