[發明專利]一種裁判文書的文本信息脫敏方法

在審

• 申請號: 202011036947.X
• 申請日: 2020-09-27
• 公開（公告）號: CN112149180A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 葛季棟;李傳藝;惠天宇;黃云云;周筱羽;駱斌
• 申請（專利權）人: 南京大學
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F40/289;G06Q50/18;G06F16/335
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種裁判文書的文本信息脫敏方法，其特征在于包含以下步驟：

步驟(1)用戶輸入預處理；

步驟(2)裁判文書預處理；

步驟(3)應用脫敏規則；

步驟(4)敏感信息隱藏；

步驟(5)輸出脫敏后文書。

2.根據權利要求1所述的一種裁判文書的文本信息脫敏方法，其特征在于步驟(1)中用戶輸入預處理，具體子步驟包括：

步驟(1.1)根據后臺設置的所有可進行脫敏處理的脫敏信息項對用戶輸入的期望進行脫敏處理項進行過濾處理；

步驟(1.2)在系統后臺生成相應文件夾，并在此文件夾中接收保存用戶上傳的一個或多個裁判文書文件用于后續脫敏處理。

3.根據權利要求1所述的一種裁判文書的文本信息脫敏方法，其特征在于步驟(2)中對用戶上傳的裁判文書文件進行預處理，具體子步驟包括：

步驟(2.1)重新調整文書結構，使其更易于進行提取敏感信息的操作處理，具體操作包括但不限于將每行文本格式調整為以句號結尾，重新劃分段落結構等；

步驟(2.2)去除無用字符如句首句末、段首段末的空格等。

4.根據權利要求1所述的一種裁判文書的文本信息脫敏方法，其特征在于步驟(3)中應用后臺根據不同脫敏信息設定的脫敏規則，使用相應正則表達式對裁判文書進行匹配處理，并根據其指定特征詞進行進一步篩選和排除，最終生成所有敏感信息在裁判文書文件中的位置坐標集合。具體子步驟包括：

步驟(3.1)根據并使用用戶輸入的待脫敏項處理文書，按照不同脫敏項需要處理信息的不同將裁判文書在內存中拷貝多個副本，然后針對每一個需要脫敏處理的信息項分別開啟一個線程進行進一步具體處理；

步驟(3.2)使用預先根據以往裁判文書中常見的書寫格式和規范進行設計的相應的正則表達式，對每一項需要脫敏處理的信息進行文本匹配：

步驟(3.3)使用上一步經過正則表達式匹配到的文本部分，根據該敏感信息對應的預先設定的相應特征詞進行保留和過濾，并依據這些關鍵詞對該文本部分進行截取或切割；

步驟(3.4)將經過正則匹配以及特征詞處理之后提取到的敏感信息作為敏感詞，在整個裁判文書中進行搜索查詢，并將查詢到的結果所在的行號和偏移量以位置坐標的形式保存，最終構建包含所有待脫敏信息項信息在裁判文書中的位置坐標集合。

5.根據權利要求1所述的一種裁判文書的文本信息脫敏方法，其特征在于步驟(4)中根據上一步驟中得到的所有待脫敏信息項信息在裁判文書中的位置坐標集合，獲取每個敏感信息的位置坐標，從而在裁判文書文件中對應位置進行文本脫敏替換。具體子步驟包括：

步驟(4.1)逐行讀取原裁判文書文件至內存中，將所有文本行保存為文本行字符串集合；

步驟(4.2)依次提取位置坐標集合中的每一個敏感信息對應的位置坐標，對裁判文書文件的每個文本行進行處理；

步驟(4.3)根據脫敏項信息的位置坐標內容對其對應的文本行相應內容進行文本脫敏替換，即使用預先設定的脫敏字符替換指定內容。

6.根據權利要求1所述的一種裁判文書的文本信息脫敏方法，其特征在于步驟(5)輸出脫敏后文書。最終輸出的裁判文書文件仍為用戶原上傳文件格式，且其具體內容除敏感信息位置使用脫敏字符替換外，其余部分與原文件保持一致。