据报道,美国哥伦比亚大学和巴西智库热图利奥·瓦加斯基金会的研究人员发现机器学习有助于处理电报、邮件信息,筛查并分类涉密信息。
美国防部每年要收发约20亿封电子邮件,其中相当一部分含有敏感或秘密信息,需要进行加密处理。然而,这道工序既耗时又费钱。仅2015年,国防部在涉密信息保护方面的花费就高达160亿美元。不仅如此,没有人知道这些信息的加密处理方式是否一致或可靠,实际上,人们对何种信息应该被加密处理的问题一直存在较大的争议。据悉,人为失误在国家涉密被错误分类的事件中占据相当大的比例,而这些失误极有可能造成重大影响。
如今,巴西热图利奥·瓦加斯基金会和美国哥伦比亚大学研究人员运用机器学习算法,对美国务院自上世纪70年代以来的100万封加密电报进行了研究,发现以文本内容作为加密判定依据的机器判断系统能够有效监控信息分类,提高涉密邮件判定的效率。
这些电报是研究人员从美国国家档案馆以可扩展标记语言文件(XML files)的形式下载的,每封电报都是国务院与外交部驻外使领馆间相互传递的文本信息。电报被标记为“机密”、“秘密”、“仅限政府使用”和“非密”。“机密”信息是指可能会对国家安全造成严重损害的信息;“秘密”信息是指可能会造成损害但不严重;“仅限政府使用”自上世纪70年代以来就没有明确定义,而且至今存在争议。此外,这些电报还包含收发日期、收件人和发件人、主题和电报正文等信息。
为判断一封电报是否属于涉密信息,研究人员使用各种机器学习方式,构筑上述电报信息与保密标签之间的对应关系,再对算法进行测试,以检验其判断的正确率。
研究人员称,文本内容是判断电报是否被加密的最佳依据。在所有特征中,文本中出现的相对频繁或陌生的单词对鉴定敏感信息非常有用。另外,发件人与收件人的资料也能很好地判断敏感信息的级别,但同时也会导致算法将大量“非密”电报误判为涉密级,也就是“误判率”较高。
如果机器学习算法在决策过程中结合了各类元数据,其判断正确率可达到90%左右。要是将“涉密”和“非密”电报混在一块进行处理,机器判断的正确率还可能会更高。在许多情况下,使用机器学习算法的系统都能准确筛选被人为误判的电报。例如,有一封关
评论 (0)