[發明專利]基于修改標識符的OOX文本文檔隱私信息檢測方法

有效

• 申請號: 201510340530.5
• 申請日: 2015-06-18
• 公開（公告）號: CN105046159B
• 公開（公告）日: 2018-04-03
• 發明（設計）人: 吳檳;何曉磊;趙險峰;劉磊
• 申請（專利權）人: 中國科學院信息工程研究所
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F17/30
• 代理公司: 北京君尚知識產權代理事務所(普通合伙)11200
• 代理人: 余長江

1.一種基于修改標識符的OOX文本文檔隱私信息檢測方法，其步驟包括：

1)將待檢測的OOX文本文檔進行解壓，形成層次化文件結構，該層次化文件結構中包含document.xml和settings.xml文件；

2)提取解壓得到的document.xml和settings.xml文件中的修改標識符，并將提取的該兩個文件的修改標識符分別保存到兩個容器中；

3)對比兩個容器中修改標識符的異同，進而統計出OOX文本文檔所攜帶的總的隱私信息的數量；如果settings.xml文件中的修改標識包含document.xml文件中所有修改標識符，則判定OOX文本文檔中不含有隱私信息，否則判定OOX文本文檔中包含有隱私信息；

該步驟對OOX文本文檔所攜帶的隱私信息進行統計的過程如下，其中document.xml和settings.xml文件中的修改標識符分別保存到容器vector1和容器vector2中：

3-1)提取vector1保存的第一個修改標識符；

3-2)將步驟3-1)提取到的修改標識符通過int FindXs1FromXs()函數在vector2中進行二分查找；

3-3)如果vector2中包含該修改標識，表明該修改標識符沒有被修改過；如果沒有找到，則文檔所攜帶的隱私信息統計量加1；

3-4)按照上述步驟循環提取vector1中的每一個修改標識符，直到遍歷完vector1中所有的元素為止，最后得到文檔所攜帶的總的隱私信息量。

2.如權利要求1所述的方法，其特征在于：步驟1)采用Unzip軟件進行所述解壓。

3.如權利要求2所述的方法，其特征在于，步驟1)進行所述解壓的步驟包括：

1-1)利用unzOpen64()函數打開OOX文本文檔，在函數內部生成一個unz64_s的結構體；

1-2)使用unzGoToFirstFile()函數得到OOX文本文檔中第一個文件的數據；

1-3)調用unzOpenCurrentFil()函數，讀取文件中的數據，利用unz64local_GetCurrentFileInfoInternal()函數得到文件的名字；

1-4)通過strcmp()函數對比得到的文件名是否是“document.xml”和“settings.xml”中的一種，如果判斷是其中的一種，通過fwrite()函數寫入到相應的路徑下；

1-5)調用unzGoToNextFile()函數得到OOX文本文檔中下一個的數據文件；循環執行該unzGoToNextFile()函數，直到將document.xml和settings.xml文件全部解壓出來為止；

1-6)通過unzClose()函數關閉OOX文本文檔。

4.如權利要求1所述的方法，其特征在于：步驟2)將document.xml文件中的修改標識符保存到容器中時，進行去重和排序操作。

5.如權利要求4所述的方法，其特征在于：步驟2)提取document.xml文件中的修改標識符的步驟包括：

2-1a)利用libxml庫中的xmlReadMemory()函數對內存中的document.xml文件進行讀取，返回xmlDocPtr指針；

2-1b)利用xmlDocGetRootElement()函數得到文件的根節點；

2-1c)得到根節點之后，利用遞歸遍歷document.xml中的所有節點及其子節點，通過compare()函數尋找節點中的包含字符串“rsid”的屬性，提取對應的屬性值即修改標識，并且將其放入到一個容器中；

2-1d)在插入到容器中時，利用VectorSortedPosIndexOf()函數查找該修改標識符，并且得到要插入的位置，如果已經在容器中，則丟棄該修改標識符，繼續插入下一個修改標識符；如果不在容器中，根據VectorSortedPosIndexOf()函數中ipos的值判斷要插入的位置，以保證插入到容器中的修改標識符是有序且不重復的。