个人敏感信息识别系统的数据集

本数据集用于个人敏感信息识别系统的功能和性能测试；该数据集包含52个场景，涵盖15种类别，5种模态，总计5720万个人信息数据。其中，5种模态数据分别包括个人诚信声明文档、用户身份照片、用户视频数据和用户图形数据，用户的个人数据不涉及个人隐私，均采用模拟数据的方式进行成成，用户信息均进行脱敏操作，其中视频涉及个人信息的内容进行了删减。数据集主目录下中共包含group1-10和multimodal, multimodal文件中包含audio_file、identity_cards、statements_docx、svg_files；statements_docx中包含500个DOCX格式文件；identity_cards中包含500个JPG格式文件；audio_files中包含500个WAV格式文件；svg_files中包含500个SVG格式文件。数据集一共12.5GB，未压缩，满足数据集提交数据量的要求。

搜集汇总

背景与挑战

背景概述

该数据集专为个人敏感信息识别系统的功能与性能测试设计，涵盖52个场景、15种类别和5种模态，包括文档、照片、视频等多种格式，总计5720万条经过脱敏处理的模拟个人信息数据。数据集总大小为12.5GB，未压缩，满足相关数据量要求。