一种基于Roberta模型的结构化敏感数据识别系统及方法

本发明公开了一种基于Roberta模型的结构化敏感数据识别系统及方法，属于数据处理与信息安全领域。针对传统方法在复杂结构化数据中识别准确率低、泛化能力差的问题，本发明构建了多模态特征融合与联合任务学习架构：通过对Roberta模型进行领域微调，提取文本、数值、日期等多模态特征；设计跨模态特征拼接与多头自注意力机制实现特征增强；构建显式‑隐含敏感数据识别联合任务模型，结合动态Prompt工程实现自适应识别优化。本发明方案能够显著提升了对变形数据、隐含敏感信息的识别能力，在金融、医疗等领域数据集上的F1值均超过98％，有效解决了结构化数据环境下的敏感信息检测与保护难题，满足多行业合规要求。