渗透阶段，识别类别主要是隐私类数据，例如地址、技术文档、工作日志等，普通文本规则匹配
无法实现，需采用 NLP 技术来实现。
项目框架：BERT 知识蒸馏+TextCNN
责任描述：
(1) 数据清洗：将收集数据剔除不符合类型数据
(2) 特征处理：做文本数据分词、去停用词、文本切分等特征工程
(3) 数据增强：针对数文本据量少问题，做部分类型数据增强
(4) 模型优化：针对文本分类效果不理想问题，采用大模型 BERT 知识蒸馏到 TextCNN 小模
型，分类 ACC 分数从 78.3%提升至 91.5%
