申请/专利权人：北京计算机技术及应用研究所

申请日：2023-02-16

公开（公告）日：2023-10-20

公开（公告）号：CN116089910B

主分类号：G06F21/10

分类号：G06F21/10;G06F40/114;G06F40/284;G06F40/242

优先权：

专利状态码：有效-授权

法律状态：2023.10.20#授权;2023.05.26#实质审查的生效;2023.05.09#公开

摘要：本发明涉及一种支持多种格式电子文档的密级检测方法，属于电子文档密级检测技术领域。本发明的方法通过直接对待测文档进行检测分析得到密级检测结果，定密责任人无需对文档全部内容进行审核，只需对基于本发明得到的检测结果进行复核便可得到文档的最后密级，能够减轻检查全部文本内容的工作负担，提升定密过程的效率；敏感词匹配过程通过模型自动检测，能够降低人工审核敏感词带来的不确定性，减少敏感词漏报情况。

主权项：1.一种支持多种格式电子文档的密级检测方法，其特征在于，包括以下步骤：第一步、收集涉密项目相关的敏感词汇，建立词汇信息与项目信息的对应关系，并构建敏感词词库；第二步、基于所述敏感词词库构建敏感词匹配模型；第三步、对待测文档进行格式转化，实现电子文档格式的统一；第四步、对文档内容进行分页读取，在分页读取的过程中，基于所述敏感词匹配模型进行敏感词匹配，并按照敏感词词库中对应的密级和项目来源，得到最后的密级检测结果；第一步构建敏感词词库的过程中，以敏感词作为唯一标识，同时对所属的涉密项目和密级信息进行记录，对于不同项目中存在的相同敏感词，对项目密级进行对比，选择高密级信息进行录入；第一步敏感词词库构建过程的具体步骤如下：步骤11.创建一个空的敏感词词库，以敏感词作为唯一标识，包含密级和对应的项目信息；步骤12.从当前未解密的项目中筛选出其中的敏感词，并记录其密级和来源信息；步骤13.将选中的敏感词与敏感词词库对比，若不存在同一敏感词，则进行保存；若已经存在，则与敏感词词库中的敏感词密级进行对比，选择其中密级较高的进行保存；第二步的敏感词匹配模型构建步骤如下：步骤21.定义节点类，每一个节点包含一个字符和多个子节点；步骤22.构造一个不包含任何字符的根节点，以此来作为敏感词匹配的入口，除了根结点外每一个节点都只包含一个字符；步骤23.根据敏感词词库中的涉密词汇，选取共有的前缀字符，依次作为根节点的子节点进行构建，从根节点到某一子节点的路径上，将所有经过的字符连成一个字符串，该字符串代表当前子节点对应的字符串，且每个节点下的所有子节点所包含的字符都是不同的；第二步中，每一个敏感词匹配模型都是从根节点开始，根据敏感词词库中所储存的敏感词从上到下进行节点构造，如果所需要的敏感词字符不存在，那么就创造一个新的子节点来存储这个字符，同时在每一个敏感词结尾字符所在的节点上进行标记；第三步的具体步骤如下：步骤31.根据上传到系统中文档的后缀名确定该文档的类型；步骤32.通过调用LibreOffice中的命令实现将目标文档转化为统一中间格式；第四步对文档内容进行读取的过程中，通过定义起始页码和终止页码对整个文档进行遍历，在遍历过程中按照固定步长递增页码；第四步对文档内容进行分页读取的过程中，对文档进行加窗动态扫描，每次对窗内文本数据进行读取并进行敏感词匹配，当窗口内数据处理完成后，该窗口向后移动窗口大小的步长进行后续内容的匹配；第四步中，基于所述敏感词匹配模型进行敏感词匹配，并按照敏感词词库中对应的密级和项目来源，得到最后的密级检测结果的具体步骤如下：在敏感词匹配过程中，当遇到可以作为敏感词字符串结尾的节点时，对该节点的位置信息、对应敏感词的位置信息、敏感词的所属项目以及密级进行临时记录；如果该节点下还有其他能够匹配的节点，则继续向下匹配，直到遇到可以作为结尾的节点，并对比该节点对应的信息与之前记录的临时信息进行对比，选取密级最高的节点作为该敏感词的密级检测结果；如果该节点下已无其他可以匹配的节点，则将该节点信息作为密级检测结果；选择所有敏感词中密级最高的等级作为该文档最后的密级检测结果，定密责任人对该检测结果进行审核，得到文档最终密级。

全文数据：

权利要求：

百度查询： 北京计算机技术及应用研究所 一种支持多种格式电子文档的密级检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD