CN117037167A - 基于人工智能的敏感信息检测方法、装置、设备及介质 - Google Patents

Abstract

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的敏感信息检测方法、装置、设备及介质。该方法将从目标图像中提取的初始字符串输入敏感分类模型，得到第一敏感分类结果和第一分类概率，将遮挡后的初始字符串输入生成模型中，得到参考字符串，将参考字符串输入敏感分类模型，得到第二敏感分类结果和第二分类概率，将第一敏感分类结果和第二敏感分类结果映射为分类权重，根据第一分类概率、第二分类概率和分类权重，确定更新分类概率，在更新分类概率大于概率阈值时，确定检测到敏感信息，结合参考字符串和初始字符串的分类结果确定敏感信息检测结果，提高了敏感信息识别的准确率，提高了金融服务平台的可靠性和安全性。

Description

基于人工智能的敏感信息检测方法、装置、设备及介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的敏感信息检测方法、装置、设备及介质。

背景技术

随着人工智能技术的兴起，线上作业的方式已广泛应用于金融服务平台中，金融服务平台可以是保险系统、银行系统、交易系统、订单系统等，金融服务平台可以支持购物、社交、互动游戏、资源转移等功能，还可以具有申请贷款、信用卡或者购买保险、理财产品等功能。

线上作业可以包括企业线上会议、线上销售等，线上作业的方式避免了人员的面对面沟通，省去了线下会面的繁琐，而且能够保证图像数据和文本数据等实时共享，从而能够有效提高人员沟通的便捷性。

但是，在金融服务场景下，线上作业进行数据共享时，所共享的数据通常包含金融类数据，例如合同数据、保单数据、交易记录数据等，可能存在敏感信息，而线上作业的方式会受到监管，出现敏感信息的展示可能会给人员所属单位带来风险，现有的敏感信息检测方法通常是预先通过审核人员为数据设置标识，在线上共享时若数据存在标识，则认为该数据不存在敏感信息，但是，人为设置标识的方式将消耗大量的人力资源，而且会受到审核人员主观因素的影响，导致敏感信息检测的效率和准确率较低，因此，如何提高敏感信息检测的准确率和效率成为亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种基于人工智能的敏感信息检测方法、装置、设备及介质，以解决敏感信息检测的效率和准确率较低的问题。

第一方面，本发明实施例提供一种基于人工智能的敏感信息检测方法，所述敏感信息检测方法包括：

从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将所述初始字符串输入到训练好的敏感分类模型中，输出所述初始字符串的第一敏感分类结果及其第一分类概率；

在预设位置对所述初始字符串进行遮挡，得到遮挡结果，将所述遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串；

将所述参考字符串输入到所述训练好的敏感分类模型中，输出所述参考字符串对应的第二敏感分类结果及其第二分类概率；

通过预设的映射表，将所述第一敏感分类结果和所述第二敏感分类结果映射为分类权重，所述映射表包括所述第一敏感分类结果和所述第二敏感分类结果与所述分类权重的映射关系；

计算所述第一分类概率和所述第二分类概率的均值，将所述分类权重和所述均值相乘，确定相乘结果为对应所述初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率；

若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定所述目标图像包含敏感信息。

第二方面，本发明实施例提供一种基于人工智能的敏感信息检测装置，所述敏感信息检测装置包括：

第一敏感分类模块，用于从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将所述初始字符串输入到训练好的敏感分类模型中，输出所述初始字符串的第一敏感分类结果及其第一分类概率；

字符串遮挡模块，用于在预设位置对所述初始字符串进行遮挡，得到遮挡结果，将所述遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串；

第二敏感分类模块，用于将所述参考字符串输入到所述训练好的敏感分类模型中，输出所述参考字符串对应的第二敏感分类结果及其第二分类概率；

权重映射模块，用于通过预设的映射表，将所述第一敏感分类结果和所述第二敏感分类结果映射为分类权重，所述映射表包括所述第一敏感分类结果和所述第二敏感分类结果与所述分类权重的映射关系；

概率更新模块，用于计算所述第一分类概率和所述第二分类概率的均值，将所述分类权重和所述均值相乘，确定相乘结果为对应所述初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率；

敏感信息检测模块，用于若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定所述目标图像包含敏感信息。

第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的敏感信息检测方法。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的敏感信息检测方法。

本发明实施例与现有技术相比存在的有益效果是：

从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将初始字符串输入到训练好的敏感分类模型中，输出初始字符串的第一敏感分类结果及其第一分类概率，在预设位置对初始字符串进行遮挡，得到遮挡结果，将遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串，将参考字符串输入到训练好的敏感分类模型中，输出参考字符串对应的第二敏感分类结果及其第二分类概率，通过预设的映射表，将第一敏感分类结果和第二敏感分类结果映射为分类权重，计算第一分类概率和第二分类概率的均值，将分类权重和均值相乘，确定相乘结果为对应初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率，若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定目标图像包含敏感信息，对初始字符串进行遮挡，对遮挡结果进行字符生成，得到参考字符串，结合参考字符串和初始字符串的分类结果确定敏感信息的检测结果，能够对图像数据进行敏感信息的自动检测，而且能够避免数据上传方对敏感数据进行细微改动以规避敏感信息检测，从而有效提高了敏感信息识别的效率和准确率，提高了金融服务平台的可靠性和安全性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种基于人工智能的敏感信息检测方法的一应用环境示意图；

图2是本发明实施例一提供的一种基于人工智能的敏感信息检测方法的流程示意图；

图3是本发明实施例二提供的一种基于人工智能的敏感信息检测装置的结构示意图；

图4是本发明实施例三提供的一种计算机设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

为了说明本发明的技术方案，下面通过具体实施例来进行说明。

本发明实施例一提供的一种基于人工智能的敏感信息检测方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等计算机设备。服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

客户端和服务端可以部署于金融服务平台中，金融服务平台可以是保险系统、银行系统、交易系统、订单系统等，金融服务平台可以支持购物、社交、互动游戏、资源转移等功能，还可以具有申请贷款、信用卡或者购买保险、理财产品等功能，客户端能够提供敏感信息检测服务，以针对金融服务平台中线上作业时涉及的金融类数据进行敏感信息排查，以提高线上作业的合规性和安全性，提高金融服务平台的可靠性。

参见图2，是本发明实施例一提供的一种基于人工智能的敏感信息检测方法的流程示意图，上述敏感信息检测方法可以应用于图1中的客户端，客户端对应的计算机设备连接服务端，以获取待进行敏感信息检测的目标图像，客户端对应的计算机设备部署有训练好的敏感分类模型和训练好的生成模型，训练好的敏感分类模型可以用于对输入字符串进行敏感类别分类，训练好的生成模型可以用于对存在遮挡的字符串在遮挡处进行字符生成。如图2所示，该敏感信息检测方法可以包括以下步骤：

步骤S201，从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将初始字符串输入到训练好的敏感分类模型中，输出初始字符串的第一敏感分类结果及其第一分类概率。

其中，目标图像可以是指在金融服务平台提供的线上作业服务中，由数据上传方提供的图像，例如交易图像数据、支付图像数据、业务图像数据、购买图像数据等，初始字符串可以用于表征目标图像中的字段信息，训练好的敏感分类模型可以用于对字符串进行敏感类别分类，敏感类别可以包括涉政、涉黑、涉暴等，第一敏感分类结果可以是指初始字符串对应的预测敏感类别，第一分类概率可以是指预测敏感类别对应的预测概率。

具体地，本实施例可以应用于线上作业、数据审查等场景下，以线上作业中的线上会议场景为例，由数据上传方提供数据进行线上投屏共享，所提供数据可以是文本数据或者图像数据，在所提供数据为文本数据时，可以直接根据文本数据，采用标识符切分的方式提取得到至少一个初始字符串，标识符可以是指逗号、句号、分号等，在所提供数据为图像数据时，可以采用字符提取的方式对图像数据中的字符信息进行提取，得到至少一个初始字符串。

所得到的初始字符串需要进行尺寸归一化，例如，根据字符串的历史长度确定最大长度，将每个初始字符串通过填充预设字符的方式扩充至最大长度，预设字符可以采用零字符等，以便于训练好的敏感分类模型进行处理。

训练好的敏感分类模型可以包括训练好的编码器和训练好的分类器，训练好的编码器可以用于提取输入字符串的特征信息，得到表征特征信息的特征向量，训练好的分类器可以用于对特征向量进行线性映射，得到分类结果，分类结果可以包括至少一个预设类别及其对应的预测概率，预设类别在本实施例中包含三类，也即涉政类别、涉黑类别和涉暴类别，每个预设类别对应一预测概率，例如，涉政类别对应的预测概率为0.2，涉黑类别对应的预测概率为0.6，涉暴类别对应的预测概率为0.2，取所有预测概率的最大值作为第一分类概率，也即0.6，确定第一分类概率对应的预设类别为第一敏感分类结果，也即涉黑类别。

可选的是，从获取的目标图像中提取得到至少一个初始字符串包括：

将目标图像输入训练好的字符识别模型中进行字符提取，得到N个初始字符及其包围框；

根据包围框之间的距离，对N个初始字符进行聚类处理，得到至少一个聚类结果；

针对任一个聚类结果，将聚类结果中的所有初始字符进行排序，确定排序结果为初始字符串，遍历所有聚类结果，得到至少一个初始字符串。

其中，训练好的字符识别模型可以采用光学字符识别模型，N为大于零的整数，初始字符可以是指字符提取得到的字符，包围框可以表示初始字符在目标图像的位置信息。

聚类结果可以包含至少一个初始字符，聚类结果可以表征其所包含的所有初始字符存在位置关联，排序结果可以是指聚类结果中的所有初始字符组成字符串的排序方式。

具体地，训练好的字符识别模型可以包括训练好的字符提取层和训练好的字符识别层，训练好的字符提取层可以用于提取每个字符的位置信息，也即包围框，根据包围框进行字符区域提取，将提取结果输入训练好的字符识别层进行字符识别，得到识别结果，也即初始字符。

包围框的位置以包围框中心点坐标进行表征，根据两个包围框各自中心点坐标的欧式距离作为包围框之间的距离，采用基于距离的聚类方式进行聚类处理，例如采用K均值聚类方法、DBSCAN聚类方法等，在本实施例中，为提高聚类处理的效率，采用DBSCAN聚类方法，无需预先设置聚类集合的个数，相应地，针对不同的输入，也无需人工分析并调整聚类集合的个数。

本实施例中，将从目标图像提取的初始字符进行聚类处理，将初始字符基于位置进行关联，从而避免因字符位置离散而导致敏感信息在检测时被处于拆分状态，从而导致无法检测到敏感信息，从而有效提高了敏感信息检测的准确率。

可选的是，将聚类结果中的所有初始字符进行排序，确定排序结果为初始字符串包括：

采用预设的文本排序算法，对聚类结果中的所有初始字符进行排序处理，得到排序结果；

按照排序结果将聚类结果中的所有初始字符进行拼接，确定拼接结果为初始字符串。

其中，文本排序算法可以采用如RankTxNet等应用于文本的深度学习模型，拼接可以采用联结方式。

具体地，每个初始字符均可以采用数字编码的方式表示，按照排序结果将聚类结果中的所有初始字符对应的数字编码进行联结，即可得到初始字符串。

在一实施方式中，还可以对聚类结果中的所有初始字符进行随机排序处理，得到多个排序结果，相应地，单个聚类结果可以对应多个初始字符串，但是，此时初始字符串对应的排序结果可能并不符合正常语序，在本实施例中，采用预训练好的文本重构模型进行初始字符串的筛选，预训练好的文本重构模型可以实现正常语序文本的重构任务，将单个初始字符串输入预训练好的文本重构模型，得到该初始字符串对应的重构字符串，计算重构字符串和输入的初始字符串的差异，差异可以通过欧式距离、余弦相似度等表征，在本实施例中，采用欧式距离进行差异表征，欧式距离越大，表示差异越大，预先设置差异阈值，例如可以设置为50，当差异大于差异阈值时，说明预训练好的文本重构模型无法对输入的初始字符串进行有效重构，可以认为此时输入的初始字符串的语序较为混乱，不符合正常语序。筛选后每个聚类结果可以对应多个初始字符串。

本实施例中，对初始字符进行排序，按照排序结果将初始字符拼接为初始字符串，能够提高字符串表征语义的灵活性，从而针对在敏感信息中插入字符的方式，也能够起到较好的检测效果，提高了敏感信息检测的准确率。

可选的是，将初始字符串输入到训练好的敏感分类模型中，输出初始字符串的第一敏感分类结果及其第一分类概率包括：

将初始字符串输入到训练好的敏感分类模型中，输出初始字符串中每个初始字符的敏感分类子结果及其分类子概率；

将所有分类子概率中的最大值确定为第一分类概率，将第一分类概率对应的敏感分类子结果确定为第一敏感分类结果。

其中，敏感分类子结果可以是指初始字符的预测类别，分类子概率可以是指对应初始字符的预测概率。

具体地，由于敏感信息检测的首要任务通常是识别出敏感信息，对于敏感信息类别的确定可以属于次要任务，而不同初始字符对应的预测类别可能是不同的，此时，确定第一分类概率对应的敏感分类子结果确定为第一敏感分类结果即可。

需要说明的是，预设敏感类别中包含非敏感信息类别，若采用直接对初始字符串分类的方式，若初始字符串内的初始字符分别属于不同的敏感类别，会导致对应的敏感类别预测概率均有下降，甚至出现识别为非敏感信息类别的情况。单个初始字符的分类结果会受到其上下文的影响。例如对于“枪”这个字符，在其上下文为“手枪”时，属于涉暴类别，但是在其上下文为“筋膜枪”时，则属于非敏感信息类别。

本实施例中，将所有分类子概率中的最大值确定为第一分类概率，将第一分类概率对应的敏感分类子结果确定为第一敏感分类结果，基于字符的分类结果确定字符串的分类结果，能够充分考虑上下文信息，同时避免字符之间的敏感类别差异影响字符串类别的确定，从而提高敏感信息检测的准确率。

可选的是，在将第一分类概率对应的敏感分类子结果确定为第一敏感分类结果之后，还包括：

将所有分类子概率中的最大值对应的初始字符确定为目标字符；

以目标字符在初始字符串中的位置作为预设位置。

其中，目标字符可以是指需要被遮挡的初始字符，预设位置可以是指需要被遮挡的初始字符在初始字符串中对应的位置。

具体地，所有分类子概率中的最大值对应的初始字符可以认为是最有可能属于敏感信息的初始字符，但其在分类时仍然可能不属于敏感信息，其分类子概率可能是由于上下文信息得到的，也即数据上传方对该字符进行了替换，以规避敏感信息检测，因此，将该目标字符遮挡并在后续进行生成操作。

在一种实施方式中，实施者也可以将所有分类子概率中的前Q个最大值对应的初始字符均确定为目标字符，Q为大于零的整数，得到Q个目标字符，在后续遮挡时，可以同时对Q个目标字符遮挡，得到单个遮挡结果，也可以分别对Q个目标字符进行遮挡，得到Q个遮挡结果，也可以采用任意方式组合目标字符进行遮挡，在此不作限制。

本实施例中，将所有分类子概率中的最大值对应的初始字符确定为待遮挡的目标字符，从而便于后续对该位置的字符进行生成操作，避免因敏感信息出现字符替换而无法检测的情况，提高了敏感信息检测的准确率。

上述从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将初始字符串输入到训练好的敏感分类模型中，输出初始字符串的第一敏感分类结果及其第一分类概率的步骤，为后续与参考字符串的分类信息结合确定敏感检测结果提供了准确的分类信息，从而提高了敏感信息检测的准确率。

步骤S202，在预设位置对初始字符串进行遮挡，得到遮挡结果，将遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串。

其中，预设位置可以是需要被遮挡的初始字符在初始字符串中对应的位置，遮挡结果可以是指初始字符串被遮挡后的字符串，训练好的生成模型可以用于进行字符生成，参考字符串可以是指字符生成的结果。

具体地，遮挡可以通过预设字符替换实现，也即将目标字符替换为预设字符，预设字符可以是标识符、零字符等。

训练好的生成模型可以包括训练好的生成编码器和训练好的生成解码器，训练好的生成编码器可以用于提取输入的遮挡结果的字符串特征，训练好的生成解码器可以用于将字符串特征解码为不存在遮挡的参考字符串，需要说明的是，生成模型的训练可以主要采用现有的敏感信息语料作为训练样本，以提高生成模型对敏感信息的补全能力。

在一实施方式中，可以采用训练好的变分自编码器作为训练好的生成模型，此时，可以对遮挡结果进行多次生成，由于训练好的变分自编码器存在随机采样过程，因此可以得到多个互不相同的参考字符串。

可选的是，在预设位置对初始字符串进行遮挡，得到遮挡结果，将遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串包括：

在初始字符串中，将对应预设位置的初始字符进行遮挡，得到包含遮挡字符的遮挡结果；

将遮挡结果输入训练好的生成模型中，对遮挡结果中的遮挡字符进行字符生成，得到参考字符串。

其中，遮挡字符可以是指用于遮挡的预设字符，预设字符可以是标识符、零字符等。

具体地，训练好的生成模型在训练时，训练样本为存在遮挡字符的第一文本样本，训练标签为不存在遮挡字符的第二文本样本，将第一文本样本输入生成模型，得到生成样本，损失函数可以包括两部分，第一部分可以为根据生成样本和第二文本样本计算得到的均方误差损失，用于监督训练好的生成模型生成符合现有语料的生成文本，对生成文本在同样的预设位置进行遮挡，得到遮挡样本，第二部分为根据遮挡样本和第一文本样本计算得到的均方误差损失，用于监督训练好的生成模型生成时不改变未遮挡字符，第二部分可以设置较大的权重值，以提高生成模型在训练时对不改变未遮挡字符任务的关注度。

本实施例中，仅对遮挡字符进行生成，得到符合常见语料规则的参考字符串，针对出现

上述在预设位置对初始字符串进行遮挡，得到遮挡结果，将遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串的步骤，

步骤S203，将参考字符串输入到训练好的敏感分类模型中，输出参考字符串对应的第二敏感分类结果及其第二分类概率。

其中，第二敏感分类结果可以是指参考字符串对应的预测敏感类别，第二分类概率可以是指预测敏感类别对应的预测概率。

具体地，可以将参考字符串输入到训练好的敏感分类模型中，输出参考字符串中每个参考字符的敏感分类子结果及其分类子概率，将所有分类子概率中的最大值确定为第二分类概率，将第二分类概率对应的敏感分类子结果确定为第二敏感分类结果。

上述将参考字符串输入到训练好的敏感分类模型中，输出参考字符串对应的第二敏感分类结果及其第二分类概率的步骤，通过生成的参考字符串进行敏感检测，也即采用符合现有语料习惯的生成字符再次进行检测，在出现字符替换时也能够取得较为准确的检测结果，提高了敏感信息检测的准确率。

步骤S204，通过预设的映射表，将第一敏感分类结果和第二敏感分类结果映射为分类权重。

其中，分类权重可以用于表征第一敏感分类结果和第二敏感分类结果对最终确定的概率的影响程度，映射表包括第一敏感分类结果和第二敏感分类结果与分类权重的映射关系。

具体地，第一敏感分类结果和第二敏感分类结果均为敏感类别，在进行参考字符生成后，根据第二敏感分类结果相较于第二敏感分类结果的变化，可以确定第一敏感分类结果和第二敏感分类结果对最终确定的概率的影响程度。

举例说明，若第一敏感分类结果和第二敏感分类结果均为无敏感信息类别，则分类权重映射值可以为1，也即后续直接采用第一分类概率和第二分类概率的均值作为更新分类概率；若第一敏感分类结果为无敏感信息类别，第二敏感分类结果为任一敏感信息类别，则分类权重映射值可以为1.2，此时可能属于字符替换情景，因此提高分类权重以使得根据更新分类概率更易确定出敏感信息；若第一敏感分类结果为任一敏感信息类别，第二敏感分类结果为无敏感信息类别，则分类权重映射值可以为0.8，此时可能属于误检测情景，若初始字符串包含敏感信息，由于生成模型是基于敏感信息语料训练的，则生成的参考字符串也应当与初始字符串近似或者相同，而不会出现无敏感信息类别，因此降低分类权重以使得不会根据更新分类概率出现误检测。

上述通过预设的映射表，将第一敏感分类结果和第二敏感分类结果映射为分类权重的步骤，根据第一敏感分类结果和第二敏感分类结果的转变，确定对应的分类权重，能够灵活控制后续更新分类概率的生成，提高更新分类概率的表征准确率，进而提高敏感信息检测的准确率。

步骤S205，计算第一分类概率和第二分类概率的均值，将分类权重和均值相乘，确定相乘结果为对应初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率。

其中，更新分类概率可以是指初始字符串的经过调整后的分类概率。

具体地，由于本实施例中，分类权重可以取大于1的数值，因此设置更新分类概率的上限值为1，若相乘结果为大于1的数值，则以1作为更新分类概率即可。

可选的是，在预设位置对初始字符串进行遮挡，得到遮挡结果，将遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串包括：

在预设位置对初始字符串进行遮挡，将遮挡结果输入训练好的生成模型中进行字符生成，得到M个参考字符串，M为大于零的整数；

相应地，将参考字符串输入到训练好的敏感分类模型中，输出参考字符串对应的第二敏感分类结果及其第二分类概率包括：

将M个参考字符串分别输入到训练好的敏感分类模型中，输出M个参考字符串分别对应的第二敏感分类结果及其第二分类概率；

相应地，计算第一分类概率和第二分类概率的均值，将分类权重和均值相乘，确定相乘结果为更新分类概率包括：

针对任一个第二分类概率，将第二分类概率对应的分类权重，和第一分类概率和第二分类概率的均值相乘，得到相乘子结果；

遍历所有第二分类概率，得到M个第二分类概率分别对应的相乘子结果，计算M个相乘子结果的均值，确定计算结果为更新分类概率。

其中，相乘子结果可以是指第一分类概率和单个参考字符串对应的第二分类概率的均值，与对应分类权重的相乘结果。

本实施例中，采用多次生成的方式进行字符生成，得到多个参考字符串，以多个参考字符串对应相乘子结果的均值确定更新分类概率，能够有效避免生成错误导致敏感信息检测错误，提高了敏感信息检测的准确率。

上述计算第一分类概率和第二分类概率的均值，将分类权重和均值相乘，确定相乘结果为对应初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率的步骤，结合参考字符串和初始字符串的分类结果确定敏感信息的检测结果，能够避免数据上传方对敏感数据进行细微改动以规避敏感信息检测，提高了敏感信息识别的准确率。

步骤S206，若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定目标图像包含敏感信息。

其中，预设概率阈值可以用于衡量字符串是否属于敏感信息。

具体地，预设概率阈值在本实施例中设置为0.6，实施者可以根据实际情况调整该预设概率阈值。

在确定目标图像包含敏感信息之后，由于本实施例以获取到敏感信息类别及字符包围框，可以额外对敏感字符、包围框位置进行展示，便于数据上传方快速确定敏感信息判断依据，以在可能出现误判时，支持数据上传方申诉，再由人工进行申诉处理，从而提高了敏感信息判断和检查的效率。

上述若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定目标图像包含敏感信息的步骤，在任一初始字符包含敏感信息时，确定目标图像包含敏感信息，不遗漏敏感信息，相较于直接对图像进行分类的方式，能够更准确地确定目标图像是否包含敏感信息，提高了敏感信息检测的准确率。

本实施例中，对初始字符串进行遮挡，对遮挡结果进行字符生成，得到参考字符串，结合参考字符串和初始字符串的分类结果确定敏感信息的检测结果，能够对图像数据进行敏感信息的自动检测，而且能够避免数据上传方对敏感数据进行细微改动以规避敏感信息检测，从而有效提高了敏感信息识别的效率和准确率，提高了金融服务平台的可靠性和安全性。

对应于上文实施例的基于人工智能的敏感信息检测方法，图3示出了本发明实施例二提供的基于人工智能的敏感信息检测装置的结构框图，上述敏感信息检测装置应用于客户端，客户端对应的计算机设备连接服务端，以获取待进行敏感信息检测的目标图像，客户端对应的计算机设备部署有训练好的敏感分类模型和训练好的生成模型，训练好的敏感分类模型可以用于对输入字符串进行敏感类别分类，训练好的生成模型可以用于对存在遮挡的字符串在遮挡处进行字符生成。为了便于说明，仅示出了与本发明实施例相关的部分。

参见图3，该敏感信息检测装置包括：

第一敏感分类模块31，用于从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将初始字符串输入到训练好的敏感分类模型中，输出初始字符串的第一敏感分类结果及其第一分类概率；

字符串遮挡模块32，用于在预设位置对初始字符串进行遮挡，得到遮挡结果，将遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串；

第二敏感分类模块33，用于将参考字符串输入到训练好的敏感分类模型中，输出参考字符串对应的第二敏感分类结果及其第二分类概率；

权重映射模块34，用于通过预设的映射表，将第一敏感分类结果和第二敏感分类结果映射为分类权重，映射表包括第一敏感分类结果和第二敏感分类结果与分类权重的映射关系；

概率更新模块35，用于计算第一分类概率和第二分类概率的均值，将分类权重和均值相乘，确定相乘结果为对应初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率；

概率更新模块36，用于若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定目标图像包含敏感信息。

可选的是，上述第一敏感分类模块31包括：

字符提取单元，用于将目标图像输入训练好的字符识别模型中进行字符提取，得到N个初始字符及其包围框；

字符聚类单元，用于根据包围框之间的距离，对N个初始字符进行聚类处理，得到至少一个聚类结果，N为大于零的整数；

字符排序单元，用于针对任一个聚类结果，将聚类结果中的所有初始字符进行排序，确定排序结果为初始字符串，遍历所有聚类结果，得到至少一个初始字符串。

可选的是，上述字符排序单元包括：

文本排序子单元，用于采用预设的文本排序算法，对聚类结果中的所有初始字符进行排序处理，得到排序结果；

字符拼接子单元，用于按照排序结果将聚类结果中的所有初始字符进行拼接，确定拼接结果为初始字符串。

可选的是，上述第一敏感分类模块31还包括：

字符分类单元，用于将初始字符串输入到训练好的敏感分类模型中，输出初始字符串中每个初始字符的敏感分类子结果及其分类子概率；

分类信息确定单元，用于将所有分类子概率中的最大值确定为第一分类概率，将第一分类概率对应的敏感分类子结果确定为第一敏感分类结果。

可选的是，上述第一敏感分类模块31还包括：

目标字符确定单元，用于将所有分类子概率中的最大值对应的初始字符确定为目标字符；

位置确定单元，用于以目标字符在初始字符串中的位置作为预设位置。

可选的是，上述字符串遮挡模块32包括：

字符遮挡单元，用于在初始字符串中，将对应预设位置的初始字符进行遮挡，得到包含遮挡字符的遮挡结果；

字符生成单元，用于将遮挡结果输入训练好的生成模型中，对遮挡结果中的遮挡字符进行字符生成，得到参考字符串。

可选的是，上述字符串遮挡模块32还包括：

批量生成单元，用于在预设位置对初始字符串进行遮挡，将遮挡结果输入训练好的生成模型中进行字符生成，得到M个参考字符串，M为大于零的整数；

相应地，上述第二敏感分类模块33包括：

批量分类单元，用于将M个参考字符串分别输入到训练好的敏感分类模型中，输出M个参考字符串分别对应的第二敏感分类结果及其第二分类概率；

相应地，上述概率更新模块35包括：

子计算单元，用于针对任一个第二分类概率，将第二分类概率对应的分类权重，与第一分类概率和第二分类概率的均值相乘，得到相乘子结果；

概率遍历单元，用于遍历所有第二分类概率，得到M个第二分类概率分别对应的相乘子结果，计算M个相乘子结果的均值，确定计算结果为更新分类概率。

需要说明的是，上述模块、单元、子单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该实施例的计算机设备包括：至少一个处理器(图4中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个敏感信息检测方法实施例中的步骤。

该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括网络接口、显示屏和输入装置等。

所称处理器可以是CPU，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的敏感信息检测方法，其特征在于，所述敏感信息检测方法包括：

从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将所述初始字符串输入到训练好的敏感分类模型中，输出所述初始字符串的第一敏感分类结果及其第一分类概率；

在预设位置对所述初始字符串进行遮挡，得到遮挡结果，将所述遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串；

将所述参考字符串输入到所述训练好的敏感分类模型中，输出所述参考字符串对应的第二敏感分类结果及其第二分类概率；

通过预设的映射表，将所述第一敏感分类结果和所述第二敏感分类结果映射为分类权重，所述映射表包括所述第一敏感分类结果和所述第二敏感分类结果与所述分类权重的映射关系；

计算所述第一分类概率和所述第二分类概率的均值，将所述分类权重和所述均值相乘，确定相乘结果为对应所述初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率；

若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定所述目标图像包含敏感信息。

2.根据权利要求1所述的敏感信息检测方法，其特征在于，所述从获取的目标图像中提取得到至少一个初始字符串包括：

将所述目标图像输入训练好的字符识别模型中进行字符提取，得到N个初始字符及其包围框；

根据包围框之间的距离，对所述N个初始字符进行聚类处理，得到至少一个聚类结果，N为大于零的整数；

针对任一个聚类结果，将所述聚类结果中的所有初始字符进行排序，确定排序结果为所述初始字符串，遍历所有聚类结果，得到所述至少一个初始字符串。

3.根据权利要求2所述的敏感信息检测方法，其特征在于，所述将所述聚类结果中的所有初始字符进行排序，确定排序结果为所述初始字符串包括：

采用预设的文本排序算法，对所述聚类结果中的所有初始字符进行排序处理，得到所述排序结果；

按照所述排序结果将所述聚类结果中的所有初始字符进行拼接，确定拼接结果为所述初始字符串。

4.根据权利要求2所述的敏感信息检测方法，其特征在于，所述将所述初始字符串输入到训练好的敏感分类模型中，输出所述初始字符串的第一敏感分类结果及其第一分类概率包括：

将所述初始字符串输入到所述训练好的敏感分类模型中，输出所述初始字符串中每个初始字符的敏感分类子结果及其分类子概率；

将所有分类子概率中的最大值确定为所述第一分类概率，将所述第一分类概率对应的敏感分类子结果确定为所述第一敏感分类结果。

5.根据权利要求4所述的敏感信息检测方法，其特征在于，在所述将所述第一分类概率对应的敏感分类子结果确定为所述第一敏感分类结果之后，还包括：

将所有分类子概率中的最大值对应的初始字符确定为目标字符；

以所述目标字符在所述初始字符串中的位置作为所述预设位置。

6.根据权利要求2所述的敏感信息检测方法，其特征在于，所述在预设位置对所述初始字符串进行遮挡，得到遮挡结果，将所述遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串包括：

在所述初始字符串中，将对应所述预设位置的初始字符进行遮挡，得到包含遮挡字符的所述遮挡结果；

将所述遮挡结果输入训练好的生成模型中，对所述遮挡结果中的所述遮挡字符进行字符生成，得到所述参考字符串。

7.根据权利要求1至6任一项所述的敏感信息检测方法，其特征在于，所述在预设位置对所述初始字符串进行遮挡，得到遮挡结果，将所述遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串包括：

在所述预设位置对所述初始字符串进行遮挡，将所述遮挡结果输入所述训练好的生成模型中进行字符生成，得到M个参考字符串，M为大于零的整数；

相应地，将所述参考字符串输入到所述训练好的敏感分类模型中，输出所述参考字符串对应的第二敏感分类结果及其第二分类概率包括：

将所述M个参考字符串分别输入到所述训练好的敏感分类模型中，输出所述M个参考字符串分别对应的第二敏感分类结果及其第二分类概率；

相应地，所述计算所述第一分类概率和所述第二分类概率的均值，将所述分类权重和所述均值相乘，确定相乘结果为更新分类概率包括：

针对任一个第二分类概率，将所述第二分类概率对应的分类权重，与所述第一分类概率和所述第二分类概率的均值相乘，得到相乘子结果；

遍历所有第二分类概率，得到M个第二分类概率分别对应的相乘子结果，计算M个相乘子结果的均值，确定计算结果为所述更新分类概率。

8.一种基于人工智能的敏感信息检测装置，其特征在于，所述敏感信息检测装置包括：

第一敏感分类模块，用于从获取的目标图像中提取得到至少一个初始字符串，针对任一个初始字符串，将所述初始字符串输入到训练好的敏感分类模型中，输出所述初始字符串的第一敏感分类结果及其第一分类概率；

字符串遮挡模块，用于在预设位置对所述初始字符串进行遮挡，得到遮挡结果，将所述遮挡结果输入训练好的生成模型中进行字符生成，得到参考字符串；

第二敏感分类模块，用于将所述参考字符串输入到所述训练好的敏感分类模型中，输出所述参考字符串对应的第二敏感分类结果及其第二分类概率；

权重映射模块，用于通过预设的映射表，将所述第一敏感分类结果和所述第二敏感分类结果映射为分类权重，所述映射表包括所述第一敏感分类结果和所述第二敏感分类结果与所述分类权重的映射关系；

概率更新模块，用于计算所述第一分类概率和所述第二分类概率的均值，将所述分类权重和所述均值相乘，确定相乘结果为对应所述初始字符串的更新分类概率，遍历所有初始字符串，得到所有初始字符串的更新分类概率；

敏感信息检测模块，用于若检测到所有的更新分类概率中存在大于预设概率阈值的更新分类概率，则确定所述目标图像包含敏感信息。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的敏感信息检测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的敏感信息检测方法。