(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210841696.5 (22)申请日 2022.07.18 (71)申请人 北京鼎普科技股份有限公司 地址 100095 北京市海淀区地锦路9号院9 号楼4层101 (72)发明人 代俊朴　陈国芳　 (74)专利代理 机构 北京知呱 呱知识产权代理有 限公司 1 1577 专利代理师 胡乐 (51)Int.Cl. G06F 40/211(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种文本涉密检测方法、 装置、 计算机设备 和存储介质 (57)摘要 本发明公开了一种文本涉密检测方法， 通过 预先对文本内容进行分词操作， 通过获取待检测 文本的内容， 所述待检测文本的内容形成对应的 字符串； 根据预设词库通过语义 分词对所述字 符 串进行满足语义的词组切分， 形成由切分后的词 组组成的文本内容， 将所述由切分后的词组组成 的文本内容与所述关键词进行匹配， 若匹配成 功， 判定待检测文本涉密， 输 出提示信息。 本发明 简单高效的通过分词技术大大减少了容易产生 误报问题的可能性。 提供了一种新的对文本内容 进行涉密监测的技术手段。 提高了检出率同时也 提高了性能。 权利要求书1页 说明书4页 附图2页 CN 115099220 A 2022.09.23 CN 115099220 A 1.一种文本涉密检测方法， 其特 征在于， 所述方法包括： 获取待检测文本的内容， 所述待检测文本的内容形成对应的字符串； 根据预设词库通过语义分词对所述字符串进行满足语义的词组切分， 形成由切分后的 词组组成的文本内容； 将所述由切分后的词组组成的文本 内容与预先确定的涉密 关键词进行匹配， 若 匹配成 功， 则所述待检测文本的内容中包 含关键词， 判定待检测文本涉密， 输出提 示信息。 2.根据权利要求1所述的方法， 其特征在于， 所述获取待检测文本的内容， 所述待检测 文本的内容形成对应的字符串具体为： 通过Tika等解析工具对文件内容进行抽取， 所述待 检测文本的内容形成对应的字符串。 3.根据权利要求2所述的方法， 其特征在于， 所述待检测文本为Word文档、 excel表格、 ppt和/或图片格式的文件。 4.根据权利要求1所述的方法， 其特征在于， 所述预设词库包括现有词典中的所有词 语。 5.一种文本涉密检测装置， 其特 征在于， 所述装置包括： 采集模块： 用于获取待检测文本的内容， 所述待检测文本的内容形成对应的字符串； 分词模块： 用于根据预设词库通过语义分词对所述字符串进行满足语义的词组切分， 形成由切分后的词组 组成的文本内容； 匹配模块： 用于将所述由切分后的词组组成的文本内容与预先确定的涉密关键词 进行 匹配， 若匹配成功， 则所述待检测文本的内容中包含关键词， 判定待检测文本涉密， 输出提 示信息。 6.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至4中任一项所述的方法的步骤。权　利　要　求　书 1/1 页 2 CN 115099220 A 2一种文本涉 密检测方 法、 装置、 计算机设 备和存储介质 技术领域 [0001]本申请涉及文本涉密 检测技术领域， 特别是涉及一种文本涉密 检测方法、 装置、 计 算机设备和存 储介质。 背景技术 [0002]在信息安全领域， 对文本内容的涉密检测是一个核心功能。 其目的为在文件拦截 提取后对文件内容进 行检查并判定是否涉密。 对文件内容判定是否涉密的方法就成为了整 个核心功能中核心的核心， 所以就需要不断地优化技术方案， 使核心功能更完善， 更好的为 保密监察任务服务。 本发明从原有技 术缺陷分析入手， 介绍本发明的原理及特点。 [0003]在传统涉密文件处理的过程中通常都使用关键词判定法。 所谓关键词检测法即为 将有可能产生问题的关键词作为对比规则， 比如 “机密”这个词就可以作为对比规则。 然后 通过规则 在待检测文本中进行全扫描探测， 即在整个文档内容遍历所有字符查找判断是否 有相应的规则字符串 出现， 如果有匹配则返回匹配成功， 否则返回匹配失败。 匹配成功则意 味着有涉密的可能性， 需要对客户进行提醒显示。 [0004]上述方案提到这种办法的好处是简单易操作， 逻辑流程简单。 但同时也有比较大 的弊端。 比如 使用关键词判定 法会产生一些误报 。 比如“机密”， 当出现一个词为 “手机密码 ” 时这时使用关键词判定规则就会显示匹配成功。 但是 “手机密码 ”其实和机密并没有任何关 系， 这样就有可能产生 一些误报， 导 致报错率上升， 用户体验下降。 发明内容 [0005]基于此， 针对上述技术问题， 提供一种文本涉密检测方法、 装置、 计算机设备和存 储介质。 [0006]第一方面， 一种文本涉密检测方法， 所述方法包括： [0007]获取待检测文本的内容， 所述待检测文本的内容形成对应的字符串； [0008]根据预设词库通过语义分词对所述字符串进行满足语义的词组切分， 形成由切分 后的词组 组成的文本内容； [0009]， 将所述由切分后的词组组成的文本内容与所述关键词进行匹配， 若匹配成功， 判 定待检测文本涉密， 输出提 示信息。 [0010]上述方案中， 可选的， 所述获取待检测文本的内容， 所述待检测文本的内容形成对 应的字符串具体为： 通过Tika等解析工具对文件内容进行抽取， 所述待检测文本的内容形 成对应的字符串。 [0011]上述方案中， 进一步可选的， 所述待检测文本为Word文档、 excel表格、 ppt和/ 或图 片格式的文件。 [0012]上述方案中， 进一 步可选的， 所述预设词库包括现有词典中的所有词语。 [0013]第二方面， 一种文本涉密检测装置， 所述装置包括： [0014]采集模块： 用于获取待检测文本 的内容， 所述待检测文本 的内容形成对应的字符说　明　书 1/4 页 3 CN 115099220 A 3