一种从非结构化数据中提取敏感信息的方法

摘要

本申请涉及信息安全技术领域，提供了一种非结构化数据中提取敏感信息的方法。所述敏感信息涵盖GB/T 35273‑2017《信息安全技术个人信息安全规范》中包含的个人敏感信息类型。所述方法包括：使用解析工具对各种非结构文档文本进行解析获取其中的文本内容。对非结构化文本进行预处理，具体包括特殊信息替换、文本清洗和文本分割得到文本序列。采用基于深度学习的序列标注模型（BERT‑BiLSTM‑Attention）对文本序列中的敏感信息进行自动标注。所述方法结合了基于文本内容和基于上下文语义分析技术，可以更加全面、准确的提取敏感信息。