大语言模型在科技数据敏感内容识别中的应用研究

科技数据中存在大量敏感信息,数据安全风险较高,需要将其识别出来,以采取相应保护措施。以往研究采用了多种方法并取得了一定效果,但仍存在较大的局限性。近年来,大语言模型迅猛发展,具备了一定的语义理解能力,可以更加精细和深入地识别敏感信息。基于此,设计了基于大语言模型的科技数据敏感内容识别技术框架,并通过实验研究证明该框架取得了良好的效果。

面向聊天机器人的敏感内容识别研究

本文提出在聊天机器人的应用背景下敏感内容的定义,统计了各种分类标准下敏感内容的分布,并在从网络爬取的问答语料中,分别采用敏感词表过滤与机器学习方法进行了数据清洗,在提出的敏感内容定义下,召回率达到80%,合格数据留存率达到60%。本文还利用优化后的敏感词表与启发式规则,无监督地获得敏感语料,可有效地大量获得无关键词的敏感内容,扩增数据合格率可达80%。