最近，利用有限标注数据构建可靠的命名实体识别（NER）系统引起了广泛关注。几乎所有现有的研究都严重依赖特定领域的资源，如外部词典和知识库。然而，这些特定领域的资源往往不可获得，同时构建这些资源既困难又昂贵，这已成为更广泛采用该技术的关键障碍。为了解决这一问题，本文提出了一种新颖的鲁棒性和领域适应性方法——RDANER，用于低资源环境下的命名实体识别，该方法仅使用廉价且易于获取的资源。在三个基准数据集上的大量实验表明，我们的方法在仅使用廉价且易于获取的资源时取得了最佳性能，并且与使用难以获取的领域特定资源的最先进方法相比具有竞争力。所有代码和语料库均可在 https://github.com/houking-can/RDANER 获取。