.png){kind=icon}
返回
Classifying Public and Private Documents Using Context-Based Predictions
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-02049-9_29.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
非结构化数据，例如文本数据，在社交媒体等数字平台上普遍存在，用户发布的内容有时包含敏感信息。例如，在2025年3月，记者杰弗里·戈德堡（Jeffrey Goldberg）的一篇新闻报道指出，针对也门的秘密空袭计划无意中被泄露给了他（美国国家安全领导人将我加入了一个关于即将在也门进行军事打击的群聊……）。尽管有法规和访问控制策略的存在，此类数据泄露问题依然持续存在。其中一个原因是，对非结构化数据进行上下文分析以确定其中是否存在敏感信息是一个具有挑战性的问题。现有方法识别敏感信息的单个元素，如个人身份信息（PII），但很少有研究基于敏感信息的出现来考察文档的敏感性问题。在本文中，我们提出了一种新颖的方法，基于文档中敏感信息的出现及其上下文解释，将文档分类为公共或私有。我们采用由转换器编码器模型和标准机器学习模型组成的集成模型来支持分类过程。我们在一个由ENRON邮件和美国国会成员的推文组成的精选数据集上进行的实证研究显示，当与BERT模型结合时，随机森林算法能够正确分类所有公共文档（即100%准确率），并对私有文档实现了0.98的召回率。
Keyword:
Classification
PII Detection
Named Entity
Recognition
Transformer Models
BERT
Contextual Data
期刊
D
IF:
0
论文数:
25
被引数:
0
机构
引用论文
Tweet-scan-post: a system for analysis of sensitive private data disclosure in online social media
PREAI
分享收藏Analysis and classification of privacy-sensitive content in social media posts社交媒体帖子中隐私敏感内容的分析与分类.png)
EPJ DATA SCIENCE
OAAI
EPJ DATA SCIENCEIF2.5
OAAI分享收藏分享收藏
查看更多内容