[发明专利]一种数据检测方法及检测装置

权利要求书

1.一种数据检测方法，其特征在于，所述方法包括：

获取待检测数据的标题信息，所述待检测数据为视频数据、图片数据、音频数据或者文本数据；

利用预先建立的敏感词匹配树对所述待检测数据的标题信息进行匹配处理，得到所述标题信息中的敏感词，所述敏感词匹配树基于Aho-Corasick算法建立；

将匹配得到的所述敏感词转换为哈希值；

利用预先建立的哈希数组对所述哈希值进行匹配处理，所述哈希数组中记录有样本屏蔽词对应的哈希值；

当所述哈希值匹配成功时，确定所述待检测数据中存在敏感信息；

所述获取待检测数据的标题信息之后，所述方法还包括：将所述标题信息中的文字转换为Unicode码；

所述利用预先建立的敏感词匹配树对所述待检测数据的标题信息进行匹配处理，得到所述标题信息中的敏感词的步骤，包括：利用预先建立的敏感词匹配树，对转换为Unicode码后的所述标题信息进行匹配处理，得到所述标题信息中的多个敏感词；

所述利用预先建立的敏感词匹配树，对转换为Unicode码后的所述标题信息进行匹配处理，得到所述标题信息中的多个敏感词之后，所述方法还包括：将多个所述敏感词组合为新的敏感词；所述将匹配得到的所述敏感词转换为哈希值的步骤，包括：将所述新的敏感词转换为哈希值字符串。

2.根据权利要求1所述的方法，其特征在于，所利用预先建立的敏感词匹配树，对转换为Unicode码后的所述标题信息进行匹配处理，得到所述标题信息中的多个敏感词之后，所述方法还包括：

按照预设排序方法，对多个所述敏感词进行排序；

所述将多个所述敏感词组合为新的敏感词的步骤，包括：

将经排序后的多个所述敏感词组合为新的敏感词。

3.根据权利要求2所述的方法，其特征在于，所述哈希数组中还记录有样本屏蔽词组合对应的哈希值字符串，所述利用预先建立的哈希数组对所述哈希值进行匹配处理的步骤，包括：

利用预先建立的哈希数组对所述哈希值字符串进行匹配处理。

4.根据权利要求3所述的方法，其特征在于，所述当所述哈希值匹配成功时，确定所述待检测数据中存在敏感信息的步骤，包括：

当所述哈希值字符串匹配成功时，确定所述待检测数据中存在敏感信息。

5.一种数据检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测数据的标题信息，所述待检测数据为视频数据、图片数据、音频数据或者文本数据；

第一匹配模块，用于利用预先建立的敏感词匹配树对所述待检测数据的标题信息进行匹配处理，得到所述标题信息中的敏感词，所述敏感词匹配树基于Aho-Corasick算法建立；

第一转换模块，用于将匹配得到的所述敏感词转换为哈希值；

第二匹配模块，用于利用预先建立的哈希数组对所述哈希值进行匹配处理，所述哈希数组中记录有样本屏蔽词对应的哈希值；

确定模块，用于当所述哈希值匹配成功时，确定所述待检测数据中存在敏感信息；

所述装置还包括：第二转换模块，用于将所述标题信息中的文字转换为Unicode码；

所述第一匹配模块，具体用于：利用预先建立的敏感词匹配树，对转换为Unicode码后的所述标题信息进行匹配处理，得到所述标题信息中的多个敏感词；

所述装置还包括：组合模块，用于将多个所述敏感词组合为新的敏感词；

所述第一转换模块，具体用于：将所述新的敏感词转换为哈希值字符串。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

排序模块，用于按照预设排序方法，对多个所述敏感词进行排序；

所述组合模块，具体用于：

将经排序后的多个所述敏感词组合为新的敏感词。

7.根据权利要求6所述的装置，其特征在于，所述哈希数组中还记录有样本屏蔽词组合对应的哈希值字符串，所述第二匹配模块，具体用于：

利用预先建立的哈希数组对所述哈希值字符串进行匹配处理。