EEPW论坛

数据自动识别技术主要目标是自动识别和发现工业互联网中 的敏感数据，从而能够更有效地实施敏感数据保护，能够在 数据交换和共享中对数据进行精准安全防护的基础。目前， 数据识别技术广泛应用于工业互联网业务中的各类场景，数 据分类分级、数据安全监测、数据脱敏等技术产品中。传统 的数据识别技术以关键字、字典和正则表达式匹配为主，这 种方法再辅以人工的帮助可以适用于结构化数据的识别。在 工业互联网的大数据场景下，随着数据量的剧增，数据格式 更加丰富多样，传统的数据识别技术对于非结构化数据难以 适用，对于结构化数据也无法满足日益复杂的识别需求。在 此需求驱动下，引入机器学习和自然语言处理等技术，可以 在一定程度上自动生成识别规则，解决上述难题。目前常用 的模型算法包括 HMM 模型、CRF 模型、BiLSTM模型和 BiLSTM-CRF 模型等，但各类模型的运算开销比较大，还 不能满足大规模应用的需要，算法的成熟度以及准确度也有 待提升，智能数据识别技术应用并不广泛。未来，数据识别 技术将倾向于将传统方法与智能化方法结合，兼顾识别覆盖 率、效率与准确率，降低人工参与的比率，逐步向自动化、 智能化不断演进