Широкое и эффективное обнаружение PII с единой маркировкой

arXiv: 261 020.22597v1 Тип уведомления: новое резюме: модели обнаружения информации, поддающейся персональному опознанию (PII), должны эффективно выявлять идентификаторы в различных контекстах при сохранении низкой ложной позитивной скорости (FPR) на больших объемах движения. Последние детекторы все больше полагаются на сложные архитектуры, которые повышают затраты на развертывание, однако многие из них усовершенствованы лишь с помощью нескольких синтетических наборов данных, ограничивающих их охват. Комбинирование публичных наборов данных сопряжено с трудностями, поскольку их таксономии различаются, и даже после того как категории картируются на общую схему, ярлыки могут расходиться во мнениях относительно того, что считается обнаружением, генерирующим противоречивые сигналы о подготовке кадров и оценке. Для решения этих проблем мы представляем практический детектор на основе энкодера 141М, подготовленный по 1,12 миллионам примеров из 77 публичных наборов данных и перемаркированный в соответствии с подробным определением широкого контекстуального обнаружения для 12 структурированных категорий PII. Оценка контрольных показателей АИ4-Перворазрядной и нейтронной деятельности в точке с низким уровнем функционирования ФПР, наша модель позволяет достичь