个人身份信息检测数据集-200k记录2023-mandrilator
数据来源：互联网公开数据
标签：个人身份信息,数据检测,隐私保护,匿名化,竞赛数据
数据概述：
本数据集是ai4privacy/pii-masking-200k的改编版本，包含20万条记录，旨在用于个人身份信息（PII）检测竞赛。数据集经过处理，标注了不同类型的个人身份信息，便于参赛者进行训练和测试。
数据集包括以下字段：
ID_NUM：各类身份号码信息，如账户号码、BIC、比特币地址、信用卡CVV、信用卡号、以太坊地址、IBAN、IPv4地址、IP地址、莱特币地址、MAC地址、隐藏号码、手机IMEI、PIN码、社会安全号和车辆识别码。
PHONE_NUM：电话号码及其前缀。
EMAIL：电子邮件地址。
USERNAME：用户名。
NAME_STUDENT：个人姓名信息，包括名、姓和中间名。
STREET_ADDRESS：地址信息，包括次地址、州、街道和邮政编码。
URL_PERSONAL：个人网址。
O：其他未分类信息。
数据用途概述：
该数据集适用于个人身份信息检测竞赛、隐私保护研究、数据匿名化技术开发和教育场景。研究人员和开发者可以利用此数据集训练和测试PII检测模型，提高数据保护能力；教育机构可以将其用于教学和实践，帮助学生理解隐私保护的重要性及其技术实现。
