違規(guī)外聯(lián)敏感文件的全文檢索及識別.pdf

1、敏感文件是帶有敏感信息如國家秘密、商業(yè)秘密等信息的重要文件，不正確的使用有時會導致敏感信息的泄露，從而造成國家財產(chǎn)、商業(yè)利益等的嚴重損失。隨著信息技術(shù)的不斷發(fā)展，以及需保密的文件數(shù)量增多，敏感文件的保密工作面臨著更加嚴峻的形勢。快速有效的識別出敏感文件，并及時阻止可能發(fā)生的外泄事件，是保密工作中一個重要的目標。
　　針對這個問題，本文提出了一種從文件內(nèi)容和格式多角度快速檢測并識別出帶有敏感信息的文件的系統(tǒng)設(shè)計方法。該系統(tǒng)使用基于L

2、ucene的全文檢索策略為從網(wǎng)絡(luò)中截獲的違規(guī)外聯(lián)文件建立全文索引，為用戶提供了檢索界面，實現(xiàn)了基于關(guān)鍵詞的全文檢索功能，同時可以實現(xiàn)用戶人工輸入敏感關(guān)鍵詞來識別敏感文件的功能;該系統(tǒng)也提供了自定義敏感詞詞典的功能，通過將待識別文件與人工設(shè)定的敏感詞詞典中的詞語相匹配的方式準確識別出敏感文件;為了能夠盡量全面的識別出敏感文件，本系統(tǒng)根據(jù)同義詞詞林對自定義的敏感詞詞典進行特定格式的同義詞擴展，在此基礎(chǔ)上對文件進行初步并快速的敏感文件識別。<