[发明专利]一种自动检测文档敏感信息的方法和应用在审
| 申请号： | 201910124529.7 | 申请日： | 2019-04-08 |
| 公开（公告）号： | CN109918548A | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 李宁宁 | 申请（专利权）人： | 上海凡响网络科技有限公司 |
| 主分类号： | G06F16/93 | 分类号： | G06F16/93;G06F16/903;G06F17/27;G06F21/62 |
| 代理公司： | 北京挺立专利事务所(普通合伙) 11265 | 代理人： | 王静思 |
| 地址： | 200000 上海市闵*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种自动检测文档敏感信息的方法和应用，包括以下步骤：S1、敏感词典的准备；S2、检测敏感信息，包括以下子步骤：S21、使用精确匹配进行匹配与敏感词典中的词完全相同的词，得到敏感词的位置，放入bitmap中；S22、使用模糊匹配；S3、构建REST服务：将敏感信息检测方法应用到REST服务，将其作为一个库，可以被用户使用REST‑API调用。该自动检测文档敏感信息的方法和应用，与传统的人工分析的方法来统计文档中的敏感信息相比，该方法结合了AC自动机等自然语言处理技术，能够快速准确的分析文本文档中的敏感信息，对于被模糊处理的敏感信息，如使用繁体字、拼音、形近、同音字来代替原来的汉字，也能够准确识别。 | ||
| 搜索关键词： | 敏感信息 文档 自动检测 匹配 同音字 自然语言处理技术 敏感信息检测 应用 模糊处理 模糊匹配 人工分析 文本文档 用户使用 敏感 传统的 繁体字 敏感词 子步骤 放入 构建 拼音 汉字 检测 统计 分析 | ||
【主权项】：
1.一种自动检测文档敏感信息的方法和应用，包括以下步骤：S1、敏感词典的准备，包括以下子步骤：S11、准备好词典，敏感词典中的结构为词‑敏感词类型‑权重；S12、根据敏感词典，构建符合需求的AC自动机；S13、针对每个汉字，构建其相应的拼音、形近字、同音字和繁体等的模糊信息库；S2、检测敏感信息，包括以下子步骤：S21、使用精确匹配进行匹配与敏感词典中的词完全相同的词，得到敏感词的位置，放入bitmap中；S22、使用模糊匹配，首先通过bitmap过滤已经精确匹配的词的位置，然后结合已建立好的信息库进行模糊匹配，匹配出与敏感词有一定相似度的词；S23、统计每个的词的位置，所属敏感类型、敏感覆盖率以及敏感权重；S3、构建REST服务：将敏感信息检测方法应用到REST服务，将其作为一个库，可以被用户使用REST‑API调用。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海凡响网络科技有限公司，未经上海凡响网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910124529.7/，转载请声明来源钻瓜专利网。
