• 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)

1. 2023, 36(6): 0. doi:

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

关键词: 隐蔽性有害信息;文本识别;深度学习;特征分类;

中图分类号:TP391

文献标识码:A

文章编号:2096-9759(2023)06-0146-04

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。
 

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。
 

本文引用格式