敏感信息检测方法、装置、存储介质及计算机设备与流程

摘要: 本发明涉及数据安全,尤其是涉及一种敏感信息检测方法、装置、存储介质及计算机设备。背景技术:1、在文献服务平台、机构知识库及科研管理系统中,用户常因查收查引、成果...
敏感信息检测方法、装置、存储介质及计算机设备与流程

本发明涉及数据安全,尤其是涉及一种敏感信息检测方法、装置、存储介质及计算机设备。

背景技术:

1、在文献服务平台、机构知识库及科研管理系统中,用户常因查收查引、成果汇总等业务需求,批量导出并外发包含题名、作者、单位、基金、摘要等字段的题录元数据包,基于此,现有技术针对数据防泄漏的检测方法主要依赖敏感词库、正则表达式、文件指纹比对或通用命名实体识别等技术,对身份证号、涉密关键词等显性敏感对象进行单字段、单条文本式的独立检测。

2、然而,现有技术中逐项检测方法难以应对题录外发场景中的组合式泄漏风险,具体而言,单个学术字段虽不敏感,但多个字段或记录通过作者、机构、项目等共现关系组合后,可能隐式揭示科研布局、未公开成果或团队合作等敏感线索;并且,相同语义内容可能同时存在于公开文献与内部受限材料中,现有方法无法区分来源,容易造成误判;此外,检测记录缺乏对外发行为、来源状态及字段关联的统一记载,导致事后难以追溯具体的触发证据与泄漏路径。

技术实现思路

1、有鉴于此,本技术提供了一种敏感信息检测方法、装置、存储介质及计算机设备,主要目的在于解决现有技术无法识别由多字段或多记录关联形成的组合式泄漏路径,且无法区分相同语义内容的公开与受限来源,导致难以追溯泄漏路径的技术问题。

2、根据本发明的第一个方面,提供了一种敏感信息检测方法,包括:

3、获取待外发的题录元数据包及对应的外发上下文信息,并对所述题录元数据包中的文献字段进行语义化处理,生成文献语义单元;

4、基于所述文献语义单元的共现关系、所述文献语义单元的字段归属关系以及所述外发上下文信息,构建题录关联图;

5、将所述文献语义单元与不同来源类型的语义索引进行匹配,并基于匹配结果和所述外发上下文信息,确定所述文献语义单元在所述题录关联图中对应节点的来源状态标记,其中,所述来源状态标记包括受限状态标记;

6、根据所述来源状态标记对所述题录关联图进行泄漏路径检测,当所述题录关联图中存在组合泄漏路径时,基于所述组合泄漏路径生成外发控制结果和检测记录,其中,所述组合泄漏路径为所述题录关联图中包含有所述受限状态标记,且跨越至少两个所述文献字段的路径。

7、可选的,所述文献字段包括核心内容描述信息、过程事件描述信息、产出归属实体信息和字段角色标识信息;所述对所述题录元数据包中的文献字段进行语义化处理,生成文献语义单元,包括:对所述核心内容描述信息和所述过程事件描述信息进行语义提取,分别生成主题语义信息和事件要素;对所述产出归属实体信息进行实体消歧,生成实体标识;基于所述字段角色标识信息确定字段角色,并根据所述主题语义信息、所述事件要素、所述实体标识和所述字段角色,生成文献语义单元。

8、可选的,所述根据所述来源状态标记对所述题录关联图进行组合泄漏路径检测,包括:根据所述来源状态标记,在所述题录关联图中选取带有所述受限状态标记的状态节点以及用于表征外发行为的行为节点,作为搜索起点;以所述搜索起点为起始,遍历所述题录关联图中的连接边,得到候选路径,并计算所述候选路径覆盖的字段数量和文献记录数量;当存在候选路径覆盖的字段数量或文献记录数量不少于两个,且候选路径上存在带有所述受限状态标记的状态节点时,将对应的候选路径确定为组合泄漏路径。

9、可选的,所述方法还包括:当所述组合泄漏路径上同时存在基于作者单位字段映射生成的节点、基于基金项目字段映射生成的节点、以及基于题名或关键词字段映射生成的节点时,将所述组合泄漏路径标注为第一敏感类别;当所述组合泄漏路径上同时存在基于摘要字段中的事件要素映射生成的节点、基于发表状态字段映射生成的节点、以及基于所述受限状态标记的状态节点时,将所述组合泄漏路径标注为第二敏感类别;当所述组合泄漏路径上同时存在基于作者字段映射生成的节点和基于作者单位字段映射生成的节点,且所述组合泄漏路径覆盖至少两个文献记录时,将所述组合泄漏路径标注为第三敏感类别;其中,所述第一敏感类别、所述第二敏感类别和所述第三敏感类别分别用于触发不同的外发控制结果。

10、可选的,所述方法还包括:当所述组合泄漏路径不满足所述第一敏感类别、所述第二敏感类别和所述第三敏感类别中的任一类别,或所述组合泄漏路径同时满足所述第一敏感类别、所述第二敏感类别和所述第三敏感类别中的多种类别时,将所述题录关联图、所述来源状态标记和所述外发上下文信息输入预设的路径检测模型中进行融合编码,输出所述组合泄漏路径的补充类别。

11、可选的,所述基于所述组合泄漏路径生成外发控制结果,包括:当未检测到所述组合泄漏路径,且所述外发上下文信息满足预设外发条件时,生成第一外发控制结果;当检测到所述组合泄漏路径,且所述组合泄漏路径包含所述受限状态标记、所述外发上下文信息满足预设外发条件,以及所述组合泄漏路径对应的文献字段存在替换字段时,生成第二外发控制结果;当检测到所述组合泄漏路径,且所述组合泄漏路径包含所述受限状态标记、所述外发上下文信息满足预设外发条件,以及所述组合泄漏路径对应的文献字段不存在替换字段时,生成第三外发控制结果;当检测到所述组合泄漏路径,且所述组合泄漏路径包含所述受限状态标记,以及所述外发上下文信息不满足预设外发条件时,根据所述外发上下文信息中的审批状态对应生成所述第三外发控制结果或第四外发控制结果;其中,所述第一外发控制结果、所述第二外发控制结果和所述第三外发控制结果为放行类结果,所述第四外发控制结果为阻断类结果。

12、可选的,所述方法还包括:当存在多个所述题录元数据包在预设时间窗口内外发,且多个所述题录元数据包对应的外发上下文信息具有至少一个相同的外发上下文属性时,将多个所述题录元数据包对应的题录关联图合并为会话关联图,其中,所述会话关联图包括基于所述外发上下文属性建立的跨次关联边;根据所述会话关联图检测累计组合泄漏路径,其中,所述累计组合泄漏路径为跨越至少两次外发操作的组合泄漏路径;根据检测到的累计组合泄漏路径,更新对应外发操作的外发控制结果和检测记录。

13、根据本发明的第二个方面,提供了一种敏感信息检测装置,包括:

14、语义解析模块,用于获取待外发的题录元数据包及对应的外发上下文信息,并对所述题录元数据包中的文献字段进行语义化处理,生成文献语义单元;

15、关联图构建模块,用于基于所述文献语义单元的共现关系、所述文献语义单元的字段归属关系以及所述外发上下文信息,构建题录关联图;

16、索引匹配模块,用于将所述文献语义单元与不同来源类型的语义索引进行匹配,并基于匹配结果和所述外发上下文信息,确定所述文献语义单元在所述题录关联图中对应节点的来源状态标记,其中,所述来源状态标记包括受限状态标记;

17、结果输出模块,用于根据所述来源状态标记对所述题录关联图进行泄漏路径检测,当所述题录关联图中存在组合泄漏路径时,基于所述组合泄漏路径生成外发控制结果和检测记录,其中,所述组合泄漏路径为所述题录关联图中包含有所述受限状态标记,且跨越至少两个所述文献字段的路径。

18、根据本发明的第三个方面,提供了一种存储介质,其上存储有计算机程序,程序被处理器执行时实现上述敏感信息检测方法。

19、根据本发明的第四个方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述敏感信息检测方法。

20、本发明提供的一种敏感信息检测方法、装置、存储介质及计算机设备,通过构建题录关联图并检测泄漏路径,实现面向字段语义关系和外发行为关系的检测,构建的题录关联图使得单个文献字段中的学术信息能够在同一文献记录内形成可计算的关联结构,从而在题录元数据包外发前识别出由多个文献字段共同形成的组合泄漏路径,进而将敏感线索定位到具体节点和关系边,准确识别组合式泄漏风险;将文献语义单元与不同来源类型的语义索引匹配并确定来源状态标记,有效区分公开来源与受限来源,受限状态标记进入组合泄漏路径检测减少了公开来源内容与受限来源内容在外发检测中的混同,以防止因无法区分来源而造成误判的问题;通过生成外发控制结果和检测记录,并使组合泄漏路径包含路径结构信息,建立了可追溯的检测记录机制,便于后续处理准确定位原始文献字段、来源证据和泄漏路径,并按照外发控制结果确定不同处置状态,实现对于具体触发证据与泄漏路径的精准追溯。上述方法通过构建题录关联图、引入受限状态标记以及定义组合泄漏路径,实现对语义关系和外发行为关系的全面检测,同时识别跨字段组合泄漏,并区分公开与受限来源,做到检测结果可追溯。

21、上述说明仅是本技术技术方案的概述,为了能够更清楚了解本技术的技术手段,而可依照说明书的内容予以实施,并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂,以下特举本技术的具体实施方式。