[发明专利]一种基于模式匹配算法的敏感信息脱敏方法

权利要求书

1.一种基于模式匹配算法的敏感信息脱敏方法，其特征在于，包括以下步骤：

步骤1：定义待脱敏的文本数据，提取文本数据中的文本串T，后续对文本串T进行敏感信息的脱敏；

步骤2：根据需求确定需要脱敏的敏感信息为模式串P，作为对文本串T进行模式匹配的对象；

步骤3：使用Sunday算法对待脱敏的文本数据进行模式匹配，记录敏感数据位置；

步骤4：构造出敏感数据位置记录表；

步骤5：使用脱敏方法，对待脱敏的文本数据中的所有敏感数据进行脱敏处理。

2.如权利要求1所述的方法，其特征在于，所述待脱敏的文本数据为PDF文档。

3.如权利要求1所述的方法，其特征在于，设所述文本串T长度为n，则有：

T＝T₀T₁T₂T₃T₄T₅…T_n-1

其中，T_i为文本串T中一个特定的字符。

4.如权利要求3所述的方法，其特征在于，步骤2中，根据用户需求确定需要进行脱敏的敏感信息，定义模式串P的长度为m，m<n，则有：

P＝P₀P₁P₂P₃P₄P₅…P_m-1

在文本串T中匹配给定的模式串P，若模式串P出现在了文本串T中，且：

T_iT_i+1T_i+2T_i+3T_i+4…T_i+m-1＝P₀P₁P₂P₃P₄P₅…P_m-1

则认为匹配成功，此时P₀在文本串T中的位置为i，将i作为敏感数据位置的坐标。

5.如权利要求4所述的方法，其特征在于，步骤3包括如下步骤：

步骤3.1：按照左对齐原则将文本串T和模式串P对齐；

步骤3.2：将文本串T和模式串P从右向左进行比较，此时从最右边的字符开始比较，若P_m-1与T中跟其位置对齐的字符相同，则执行步骤3.4，否则执行步骤3.3；

步骤3.3：若T中正在匹配的字符为坏字符，则执行步骤3.3.1，否则执行步骤3.3.2；

步骤3.3.1：此时字符匹配不成功是因为坏字符引起的，并且文本串T的当前字符右边的字符仍然不能和模式串P的右边第一个字匹配时，模式窗口则需要向右移动m+1的长度，并且返回步骤3.2；如果文本串T的当前字符右边的字符和模式串P右边第一个字匹配时，模式窗口则需要向右移动m的长度，并且返回步骤3.2；

步骤3.3.2：此时字符匹配不成功不是因为坏字符引起的，则在模式串P中由右向左查找第一次出现T中正在匹配的字符的地方与文本串T对齐，返回步骤3.2继续下一轮匹配；

步骤3.4：此时已经在文本串T中找到与模式串P最右侧的第一个字符匹配的字符，则P和T均继续向左取下一个字符继续匹配，当发现字符不匹配时，返回步骤3.3判断T中正在匹配的字符是否为坏字符，否则P和T均继续向左取下一个字符继续匹配，直至P₀匹配完毕且均未发现不匹配的情况，此时执行步骤3.5；

步骤3.5：返回文本串T中与P₀对应的位置作为敏感数据位置记录表的坐标i，判断文本串T是否已经检索完毕，检索完毕则执行步骤4；否则取待脱敏的文本数据中剩下未检索的文本串T’，返回至步骤3.1中将文本串T替换为文本串T’，并将模式串P与文本串T’重新进行匹配。

6.如权利要求5所述的方法，其特征在于，步骤4中构造出敏感数据位置记录表，将每次执行步骤3.5时返回的位置坐标依次插入到位置记录表中。