利用深度学习融合模型提升文本内容安全的研究

汪少敏; 王铮; 任华

doi:10.11959/j.issn.1000-0801.2020145

您当前的位置：

首页 >

文章列表页 >

利用深度学习融合模型提升文本内容安全的研究

专题：网络安全的智能化和高对抗性发展 | 更新时间：2024-06-05

- 利用深度学习融合模型提升文本内容安全的研究
- Research on fusion model based on deep learning for text content security enhancement
- 电信科学 2020年36卷第5期页码：25-30
- 作者机构：
  
  1. 移动互联网系统与应用安全国家工程实验室，上海 201315
  2. 中国电信股份有限公司研究院，上海 200122
- 作者简介：
  
  [ "汪少敏（1983- ），女，移动互联网系统与应用安全国家工程实验室、中国电信股份有限公司研究院高级工程师，主要研究方向为内容安全识别技术、人工智能技术和自然语言处理" ]
  [ "王铮（1973- ），男，移动互联网系统与应用安全国家工程实验室、中国电信股份有限公司研究院高级工程师，主要研究方向为信息安全、人工智能技术、大数据架构和数据挖掘分析" ]
  [ "任华（1977- ），女，移动互联网系统与应用安全国家工程实验室、中国电信股份有限公司研究院高级工程师，主要研究方向为内容信息安全、数据分析和人工智能技术" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2020145
  中图分类号： TP393
- 网络出版日期：2020-05，
  
  纸质出版日期：2020-05-20
- 稿件说明：
移动端阅览
汪少敏, 王铮, 任华. 利用深度学习融合模型提升文本内容安全的研究[J]. 电信科学, 2020,36(5):25-30.

Shaomin WANG, Zheng WANG, Hua REN. Research on fusion model based on deep learning for text content security enhancement[J]. Telecommunications science, 2020, 36(5): 25-30.
汪少敏, 王铮, 任华. 利用深度学习融合模型提升文本内容安全的研究[J]. 电信科学, 2020,36(5):25-30. DOI： 10.11959/j.issn.1000-0801.2020145.

Shaomin WANG, Zheng WANG, Hua REN. Research on fusion model based on deep learning for text content security enhancement[J]. Telecommunications science, 2020, 36(5): 25-30. DOI： 10.11959/j.issn.1000-0801.2020145.

摘要

互联网和移动互联网中的信息内容急速膨胀，导致其中充斥着违法违规和不良信息，影响互联网空间的内容安全。基于敏感词匹配的传统文本内容安全识别方法忽略上下文语义，导致误报率高、准确率低。在分析传统文本内容安全识别方法的基础上，提出了利用深度学习的融合识别模型以及模型融合算法流程。深入介绍了基于利用深度学习的融合识别模型的文本内容安全识别系统，并进行了实验验证。结果表明，所提模型可以有效解决传统识别方法缺乏语义理解造成误报率高的问题，提高了不良信息检测的准确性。

Abstract

The rapid expansion of information content on the internet and the mobile internet has resulted in violations of laws and regulations and bad information

which affects the content security of the internet space.Traditional text content security recognition methods based on matching of sensitive words ignore context semantics

resulting in high false positive rate and low accuracy.Based on the analysis of traditional text content security recognition methods

a fusion recognition model using deep learning and a model fusion algorithm process were proposed.Text content security recognition system based on the fusion recognition model using deep learning and experimental verification was introducted deeply.Results show that the proposed model can effectively solve the problem of high false positive rate caused by the lack of semantic understanding of traditional recognition methods

and improve the accuracy of the bad information detection.

关键词

Keywords

references

ZHAO Z Y , LI M , LI C , et al . Dietary preferences and diabetic risk in China:a large-scale nationwide internet data based study [J ] . 2019

高显俊 , 黄儒乐 . 互联网数据在高校大数据平台中的应用研究 [J ] . 科技资讯 , 2019 , 17 ( 36 ): 12 - 13 ,15.

GAO X J , HUANG R L . Research on the application of internet data in big data platform of universities [J ] . Science ＆ Technology Information , 2019 , 17 ( 36 ): 12 - 13 ,15.

刘丹 . 基于信息贫困理论的青少年信息行为浅析 [J ] . 时代金融 , 2020 ( 3 ): 138 - 140 .

LIU D . An analysis of youth information behavior based on information poverty theory [J ] . Times Finance , 2020 ( 3 ): 138 - 140 .

BILLE P . Fast searching in packed strings [J ] . Journal of Discrete Algorithms , 2010 , 9 ( 1 ).

LECUN Y , BENGIO Y , HINTON G . Deep learning [J ] . Nature , 2015 , 521 ( 7553 ): 436 - 444 .

邹一心 , 范海平 . 爬虫技术在WAP网站内容监测中的应用 [J ] . 电信科学 , 2010 , 26 ( Z1 ): 164 - 166 .

ZOU Y X , FAN H P . Application of reptile technology in content monitoring of WAP website [J ] . Telecommunications Science , 2010 , 26 ( Z1 ): 164 - 166 .

GATOS B . A binary-tree-based OCR technique for machine-printed characters [J ] . Engineering Applications of Artificial Intelligence , 1997 , 10 ( 4 ).

BALCÁZAR J L , DÍAZ R , GAVALDÀ R , et al . The query complexity of learning DFA [J ] . New Generation Computing , 1994 , 12 ( 4 ): 337 - 358 .

山世光 , 阚美娜 , 刘昕 , 等 . 深度学习:多层神经网络的复兴与变革 [J ] . 科技导报 , 2016 , 34 ( 14 ): 60 - 70 .

SHAN S G , KAN M N , LIU X , et al . Deep learning:the revival and transformation of multi layer neural networks [J ] . Science ＆Technology Review , 2016 , 34 ( 14 ): 60 - 70 .

汪少敏 , 杨迪 , 任华 . 基于深度学习的文本分类系统关键技术研究与模型验证 [J ] . 电信科学 , 2018 , 34 ( 12 ): 117 - 124 .

WANG S M , YANG D , REN H . Key technology research and model validation of text classification system based on deep learning [J ] . Telecommunications Science , 2018 , 34 ( 12 ): 117 - 124 .

蔡鑫 , 娄京生 . 基于LSTM深度学习模型的中国电信官方微博用户情绪分析 [J ] . 电信科学 , 2017 , 33 ( 12 ): 136 - 141 .

CAI X , LOU J S . Sentiment analysis of telecom official micro-blog users based on LSTM deep learning model [J ] . Telecommunications Science , 2017 , 33 ( 12 ): 136 - 141 .

浏览量

1008

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

GMTBLC：基于深度学习的双模态网络流量分类

基于改进YOLOv5的天线下倾角识别方法研究

基于时序深度残差收缩网络的混叠信号调制识别方法

日志信息驱动的计算机网络节点故障预测研究

基于深度学习的多层级恰可察觉失真预测