- 摘要：
-
针对互联网上的有害信息不断通过各种方式将核心内容隐蔽，从而逃避识别和检索的问题，文章以研究隐蔽性有害信息的特征为目的，以多家互联网公司的原始数据为基础，基于深度学习的经典 BERT 算法模型设计了一种方案，分三个阶段实现海量隐蔽性有害信息的智能文本分类，得到隐蔽性有害信息的三类特征的定量表征，为研究隐蔽性有害信息提供参考。
- 中图分类号：
- TP391
- 文献标识码：
- A
- 文章编号：
- 2096-9759（2023）06-0146-04
- 信息通信领域高质量科技期刊分级目录入选期刊
- 中国期刊全文数据库（CJFD) 全文收录期刊
- 中国学术期刊综合评价数据库（CAJCED) 统计源期刊
- 中国学术期刊数据库（COJ)万方数据数字化期刊群
- 中文科技期刊数据库（维普资讯)
综述
基于深度学习的隐蔽性有害信息特征研究
张安康，刘加兵
- 收稿日期：
- 2023-07-24
- 作者简介：
-
张安康（1989-），男，湖北宜昌人，硕士研究生，中级工程师，主要研究方向为信息安全、通信信息系统；刘加兵（1993-），男，湖北黄石人，硕士研究生，初级工程师，主要研究方向为网络安全、通信信息系统。