[發明專利]一種違規文件檢測方法、裝置及設備

在審

• 申請號: 202110585154.1
• 申請日: 2021-05-27
• 公開（公告）號: CN113407494A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 劉思瀚;何光宇;徐石成;孟健
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06F16/14
• 分類號: G06F16/14;G06F16/16;G06F16/182
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 錢灣灣

本申請實施例公開了一種違規文件檢測方法、裝置及設備，通過將待檢測文件劃分為多個分片文件，利用分片文件和敏感片段之間的相關性確定第一目標分片文件、第一可達敏感片段和第二目標分片文件；利用與第一目標分片文件和第二分片文件相關聯的敏感片段的敏感度閾值分別得到第一目標分片文件和第二目標分片文件的敏感度值，將第一目標分片文件和第二目標分片文件的敏感度值相加得到第一求和結果，基于第一求和結果確定待檢測文件是否為違規文件。可以基于分片文件實現對待檢測文件整體是否是違規文件的檢測，能夠對分布式存儲的文件進行有效地違規檢測，使得更為全面地檢測違規文件，能夠提高違規文件檢測的準確性，得到有效并且準確的檢測結果。

技術領域

本申請涉及數據處理領域，具體涉及一種違規文件檢測方法、裝置及設備。

背景技術

違規文件是指包含不符合法律法規的信息的文件。在利用互聯網進行數據傳輸時，通常需要檢查傳輸的文件是否為違規文件，并對確定的違規文件進行對應的刪除、屏蔽等處理，防止違規的信息進行傳輸。

目前，通常采用人工和軟件結合的方式檢查違規文件，并將對應的文件的特征信息進行儲存，利用文件的特征信息實現對其他的違規文件檢測。但是，現有的違規文件檢測方法不能對部分儲存類型的文件進行檢測。因此，如何有效地對違規文件進行檢測是亟待解決的問題。

發明內容

有鑒于此，本申請實施例提供一種違規文件檢測方法、裝置及設備，能夠通過確定分片文件的敏感值實現對待檢測文件的整體是否違規進行有效并且準確地檢測。

為解決上述問題，本申請實施例提供的技術方案如下：

一種違規文件檢測方法，所述方法包括：

獲取待檢測文件，將所述待檢測文件劃分為多個分片文件；

將在所述分片文件中查找到的與至少一個敏感片段的相關性大于第一閾值的分片文件確定為第一目標分片文件；

針對每一所述第一目標分片文件，將與該第一目標分片文件的相關性大于第一閾值的各個敏感片段的敏感度閾值相加，得到該第一目標分片文件的敏感度值；

將在所述敏感片段中查找到的與至少一個所述第一目標分片文件的相關性大于第二閾值的敏感片段確定為第一可達敏感片段；

將在所述分片文件中查找到的與至少一個所述第一可達敏感片段的相關性大于第三閾值的分片文件確定為第二目標分片文件；

針對每一所述第二目標分片文件，將與該第二目標分片文件的相關性大于第三閾值的各個第一可達敏感片段的敏感度閾值相加，得到該第二目標分片文件的敏感度值；

將各個所述第一目標分片文件以及各個所述第二目標分片文件的敏感度值相加得到第一求和結果；

如果所述第一求和結果大于敏感度閾值，確定所述待檢測文件為違規文件。

在一種可能的實現方式中，所述方法還包括：

如果在所述敏感片段中未查找到與至少一個所述第一目標分片文件的相關性大于第二閾值的敏感片段，或者，在所述分片文件中未查找到與至少一個所述第一可達敏感片段的相關性大于第三閾值的分片文件，將各個所述第一目標分片文件的敏感度值相加得到第二求和結果；

如果所述第二求和結果大于敏感度閾值，確定所述待檢測文件為違規文件。

在一種可能的實現方式中，在將各個所述第一目標分片文件以及各個所述第二目標分片文件的敏感度值相加得到第一求和結果之前，所述方法還包括：

將在所述敏感片段中查找到的與至少一個所述第二目標分片文件的相關性大于第四閾值的敏感片段確定為第二可達敏感片段；