SDLog：面向软件日志中敏感信息检测的深度学习框架
软件工程
2025-05-22 v1 人工智能
摘要
软件日志是记录软件系统执行期间事件和活动的消息，提供关于运行时信息的关键数据。尽管软件日志在软件维护和运行任务中发挥着关键作用，但公开可用的日志数据集仍有限，阻碍了日志分析研究和实践的进展。敏感信息的存在，特别是个人可识别信息 (PII) 和准识别符，引入了严重的隐私和重新识别风险，使发布和共享真实日志的实践受到阻碍。实际情况下，日志匿名化技术主要依赖正则表达式模式，这些模式涉及手动编写规则来识别和替换敏感信息。然而，这些基于正则表达式的方法存在显著局限性，例如需要大量手动工作以及在不同日志格式和数据集之间难以普遍化。为缓解这些局限性，我们引入了 SDLog，一个基于深度学习的框架，用于识别软件日志中的敏感信息。我们的结果表明，SDLog 克服了正则表达式的局限性，并在识别敏感信息方面优于最佳-performing 正则表达式模式。仅凭来自目标数据集的 100 个微调样本，SDLog 就能正确识别 99.5% 的敏感属性，实现 98.4% 的 F1 分数。据我们所知，这是首个取代正则表达式方法的深度学习方案，用于软件日志匿名化。
引用
@article{arxiv.2505.14976,
title = {SDLog: A Deep Learning Framework for Detecting Sensitive Information in Software Logs},
author = {Roozbeh Aghili and Xingfang Wu and Foutse Khomh and Heng Li},
journal= {arXiv preprint arXiv:2505.14976},
year = {2025}
}