随着信息化社会的到来,数据爆发式增长催化了数据产业的蓬勃发展,但是对各种形式数据中的敏感信息进行有效保护的同时减少损害数据的效用性,才能加快数据流通,进一步推动产业发展。数据脱敏即为一种既可针对性保护敏感数据,又可最大程度保留原数据信息的数据安全技术。本文以数据脱敏技术为研究对象,研究基于深度学习的非结构化数据(文本数据,尤其是电子病历)的敏感信息识别技术,同时本文还研究基于GAN(Generative Adversarial Networks,生成对抗网络)的结构化数据脱敏技术。在医疗电子病历的脱敏中,传统的基于规则和正则表达式的敏感信息识别方式需要大量专家知识,迁移性较差,识别模式也较为呆板。以深度学习、机器学习为基础的识别技术应运而生。基于循环神经网络的一系列识别系统大大提升了识别的效果,然而其语义抽取能力稍显薄弱,并行性相对较差,而且传统的静态词向量不能结合上下文对多义词进行准确表征。BERT作为基于注意力机制的动态词向量,其在特征抽取、解决多义词问题和并行性方面有了很大提升。本文在BERT(Bidirectional Encoder Representation from Transformers)的基础上,设计了敏感信息识别模型BERT-CRF和char CNN-BERT-CRF。上述模型采用了预训练语言模型词向量BERT作为输入特征,为下游的标注任务提供了丰富的上下文语义特征。在敏感信息的标注阶段,引入条件随机场优化标注效果。此外,针对英文的医疗文本,引入字符卷积层Char CNN为模型提供词语的构词法特征。实验结果表明,本文设计的BERT-CRF与char CNN-BERT-CRF模型在中英文数据集中均取得了最优异的效果。在结构化数据脱敏中,基于匿名化技术或扰乱技术的结构化数据脱敏方法中存在脱敏后数据与原数据是一对一的映射关系的问题,导致脱敏后的数据存在被逆向的风险。为了解决这个问题,本文从数据生成的方向入手,设计了一个用于结构化数据生成式脱敏的对抗生成网络Res TGAN,其以Res Net为主要结构,引入WAGN和CGAN的训练思想,并加入多任务学习等思路来优化生成效果。其中,引入统计信息损失函数去衡量高维特征下的真实数据与生成数据之间的统计差异。实验表明,此模型在数据效用性上取得最优的效果,安全性方面则可视场景而定。