[发明专利]敏感信息检测方法、装置、计算机设备及存储介质

权利要求书

1.一种敏感信息检测方法，其特征在于，包括：

获取待检测语句；

将所述待检测语句进行预处理，以获得所述待检测语句的组成词，并获得包括所述组成词每个字的声母、韵母和声调在内的组成词的拼音序列；

根据预设的敏感拼音变异表检测所述组成词的拼音序列，以确定所述组成词的拼音序列是否为敏感变异拼音序列，所述敏感拼音变异表为根据原敏感词的拼音序列进行转换获得的拼音序列表；

若确定所述组成词的拼音序列为敏感变异拼音序列，则根据预设词频表判断所述组成词的词频是否小于对应原敏感词的词频；

若所述组成词的词频小于所述对应原敏感词的词频，则确定所述组成词为变异敏感词，并确定所述待检测语句为敏感信息；

所述根据预设的敏感拼音变异表检测所述组成词的拼音序列之前，所述方法还包括：

将原敏感词词表中的原敏感词处理成敏感词拼音序列，所述敏感词拼音序列包括每个字的声母、韵母和声调；

将所述敏感词拼音序列进行转换，生成疑似敏感拼音序列；

对所述疑似敏感拼音序列进行编辑距离过滤，获得所述原敏感词对应的敏感变异拼音序列；

根据所有所述原敏感词和所述对应的敏感变异拼音序列编制成所述敏感拼音变异表；

所述根据预设词频表判断所述组成词的词频是否小于对应原敏感词的词频之前，还包括：

将所有所述原敏感词对应的敏感变异拼音序列转化为对应的变异敏感词；

获取通用语料库，并对所述通用语料库中的文本进行分词，获得多个词组，所述词组包括所述原敏感词和所述对应的变异敏感词；

根据所述通用语料库计算每一所述词组的词频，所述词组的词频为所述词组在所述通用语料库中出现的频率；

将所有所述词组和所述词组的词频汇总为所述预设词频表。

2.如权利要求1所述的敏感信息检测方法，其特征在于，所述将所述敏感词拼音序列进行转换，包括：

替换所述敏感词拼音序列中以下的一项或者多项：声母、韵母、声调；

删除所述敏感词拼音序列中以下的一项或者多项：声母、韵母、声调；

在所述敏感词拼音序列中添加以下的一项或者多项：声母、韵母、声调。

3.如权利要求1所述的敏感信息检测方法，其特征在于，所述对所述疑似敏感拼音序列进行编辑距离过滤，获得所述原敏感词对应的敏感变异拼音序列，包括：

确定所述敏感词拼音序列与所述疑似敏感拼音序列的编辑距离；

根据所述编辑距离确定由所述敏感词拼音序列变异为所述疑似敏感拼音序列的编辑变异率；

判断所述编辑变异率是否小于预设编辑变异率；

若所述编辑变异率小于所述预设编辑变异率，则确定所述疑似敏感拼音序列为所述原敏感词对应的敏感变异拼音序列。

4.如权利要求1所述的敏感信息检测方法，其特征在于，所述根据预设词频表判断所述组成词的词频是否小于对应原敏感词的词频，包括：

根据所述组成词的拼音序列确定所述组成词的对应原敏感词；

在所述预设词频表中查找所述组成词的词频；

在所述预设词频表中查找所述对应原敏感词的词频；

比较所述组成词的词频和所述原敏感词的词频，根据比较结果判断所述组成词的词频是否小于对应原敏感词的词频。

5.如权利要求1-4任一项所述的敏感信息检测方法，其特征在于，所述根据预设的敏感拼音变异表检测所述组成词的拼音序列，以确定所述组成词的拼音序列是否为敏感变异拼音序列之前，所述方法还包括：

确定原敏感词词表中是否包含所述待检测语句的组成词；

若原敏感词词表中包含所述待检测语句的组成词，则确定所述待检测语句的组成词为敏感词，所述待检测语句为所述敏感信息。