一种Electron应用实时敏感信息脱敏方法及系统技术方案

本发明专利技术公开了一种Electron应用实时敏感信息脱敏方法及系统，属于人工智能与信息安全交叉技术领域，该方法的实现包括以下步骤：Electron应用运行过程中，实时采集用户的文本输入流；利用融合了BiLSTM‑CRF深度学习模型、正则表达式规则库和知识图谱的混合检测框架，对文本中的敏感信息进行识别；基于Transformer的语义理解模块对识别出的信息进行上下文分析，生成敏感信息的语义标签；通过敏感信息置信度评分模型计算每一项识别结果的置信度分值；根据所述置信度分值应用不同的脱敏策略。本发明专利技术实现智能识别，构建动态学习系统并实现新概念自动发现与学习。

【技术实现步骤摘要】

本专利技术涉及人工智能与信息安全交叉，具体涉及一种electron应用实时敏感信息脱敏方法及系统。

技术介绍

1、在自然语言信息处理中，对于智能语义分析，传统的规则化方法存在以下技术缺陷：

2、1、规则方法局限性：正则表达式无法识别诸如"证件号码：110101199901011234"中的上下文关联。

3、2、固定规则误判率高。

4、3、ai模型部署难：云端ai网络延迟高、隐私性差。

5、4、缺乏语义理解：无法区分诸如"身份证号110101..."与"订单号110101..."的语义差异。

6、5、静态词库缺陷：“数字人民币”、“个人养老金”等新概念无法及时识别。

技术实现思路

1、本专利技术的技术任务是提供一种electron应用实时敏感信息脱敏方法及系统，能够解决传统规则化方法识别精度低、无法理解上下文语义、缺乏动态学习能力等问题，实现智能识别，构建动态学习系统并实现新概念自动发现与学习。

2、本专利技术解决其技术问题所采用的技术方案本文档来自技高网...

【技术保护点】

1.一种Electron应用实时敏感信息脱敏方法，其特征在于，该方法的实现包括以下步骤：

2.根据权利要求1所述的一种Electron应用实时敏感信息脱敏方法，其特征在于，所述BiLSTM-CRF模型为轻量化版本，模型大小小于15MB，适用于国产信创平台部署；

3.根据权利要求1所述的一种Electron应用实时敏感信息脱敏方法，其特征在于，所述脱敏策略包括基于注意力机制的关键信息保留算法，允许在遮蔽的同时保留部分字符以供用户识别；

4.根据权利要求1所述的一种Electron应用实时敏感信息脱敏方法，其特征在于，所述形成闭环学习机制，自适应学习机制包...

【技术特征摘要】

1.一种electron应用实时敏感信息脱敏方法，其特征在于，该方法的实现包括以下步骤：

2.根据权利要求1所述的一种electron应用实时敏感信息脱敏方法，其特征在于，所述bilstm-crf模型为轻量化版本，模型大小小于15mb，适用于国产信创平台部署；

3.根据权利要求1所述的一种electron应用实时敏感信息脱敏方法，其特征在于，所述脱敏策略包括基于注意力机制的关键信息保留算法，允许在遮蔽的同时保留部分字符以供用户识别；

4.根据权利要求1所述的一种electron应用实时敏感信息脱敏方法，其特征在于，所述形成闭环学习机制，自适应学习机制包括：

5.根据权利要求1所述的一种electron应用实时敏感信息脱敏方法，其特征在于，采用基于javascript的深度优化jieba实现跨平台分词，...

【专利技术属性】
技术研发人员：王松，朱家兵，赵京波，
申请(专利权)人：浪潮软件集团有限公司，
类型：发明
国别省市：