用于社会工程检测的非结构化信息源中的命名实体识别与匿名化
机器学习
2026-04-13 v1 人工智能
摘要
本研究addresses创建用于网络犯罪分析数据集的挑战，需遵守如通用数据保护条例(GDPR)和西班牙刑法10/1995年有机法的要求。为此，提出了一个从Telegram平台收集信息的系统，包括文本、音频和图像；实现了包含信噪比增强技术的语音到文本转换模型；以及评估了各种命名实体识别(NER)解决方案，包括Microsoft Presidio和采用基于变换器架构设计的AI模型。实验结果表明，Parakeet在音频转换中取得最佳性能，而所提出的NER解决方案在检测敏感信息方面取得最高F1分数。此外，还 presented了匿名化指标，允许评估数据结构一致性的保存，同时保证个人信息保护，并支持当前法律框架下的网络安全研究。
引用
@article{arxiv.2604.09016,
title = {Identification and Anonymization of Named Entities in Unstructured Information Sources for Use in Social Engineering Detection},
author = {Carlos Jimeno Miguel and Raul Orduna and Francesco Zola},
journal= {arXiv preprint arXiv:2604.09016},
year = {2026}
}