[发明专利]一种数据匹配方法及系统

说明书

本发明公开了一种数据匹配方法及系统，属于数据安全技术领域。本发明首先根据业务文档生成模板；针对所述模板设置匹配行数、列数条件；然而将待匹配文档按照与生成模板相同的方式进行处理，在与所述模板进行匹配，当待匹配文档中包含模板中内容且匹配行数和列数达到设定阈值时，则待匹配文档为需要保护的文档。本发明所述方法及系统，通过比较树状结构的模板与待匹配文档的方式，提高了数据匹配的效率及准确度。

技术领域

本发明属于数据安全技术领域，具体涉及一种数据匹配方法及系统。

背景技术

在数据安全行业中，往往需要检测用户的特定业务(例如：通讯录、单号、地址薄等)文档是否被其他文本引用。常见匹配方式有通过提前定义敏感词，然后采用字符串比较的方式在文件中查找，匹配了特定敏感词则认为属于敏感文件需要保护。这种方式准确度不高，因为通过字符串比较的方式只能判断文本中包含特定敏感词，不能快速匹配需要保护的文档中特定行列的敏感信息在文本中的位置，需要通过多次迭代文本通过字符串比较的方式判断。这种方式速度慢，需要提前定义敏感词，这样定义的敏感词不能很好结合用户的业务特点，而且准确度不高。

发明内容

针对现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种效率及准确度高的数据匹配方法及系统。

为解决上述技术问题，本发明采用的技术方案如下：

一种数据匹配方法，包括以下步骤：

根据业务文档生成模板；

针对所述模板设置匹配行数、列数条件；

将待匹配文档按照与生成模板相同的方式进行处理，然后与所述模板进行匹配，当待匹配文档中包含模板中内容且匹配的行数和列数达到设定阈值时，则待匹配文档为需要特定保护的文档。

如上所述的数据匹配方法，其中，所述业务文档每行数据能够表述该业务文档的特征。

如上所述的数据匹配方法，其中，所述生成模板的方法为：将所述业务文档中数据按照行、列格式存储；

依次取出已经按照行、列格式存储的数据，将数据中每个敏感词转换成字节数组；

将所述字节数组中每个元素偏转成整数范围；

将偏转后的敏感词字节数组转换成非线性结构的树结构存储。

如上所述的数据匹配方法，其中，所述按照行、列格式存储中的列包括序号、模板编号、行号、列号和敏感词，所述敏感词列存储所述业务文档中的数据。

如上所述的数据匹配方法，其中，所述将所述字节数组中每个元素偏转成整数范围的方法为：将所述字节数组中每个元素加上128，偏转成的整数范围是0～255。

如上所述的数据匹配方法，其中，所述非线性结构为链表结构。

如上所述的数据匹配方法，其中，当待匹配文档中包含模板中内容且匹配的行数和列数达到设定阈值时，则将匹配的敏感词的行号、列号以及在待匹配文档中的位置返回，否则返回空。

一种数据匹配系统，其中，包括用于根据业务文档生成模板的模板生成装置；

用于针对所述模板设置匹配行数、列数条件的设置装置；

用于将待匹配文档按照与生成模板相同的方式进行处理的待匹配文档生成装置；

用于将模板生成装置生成的模板与待匹配文档生成装置生成的文档进行匹配的匹配装置；

用于返回匹配装置匹配结果的返回装置。

本发明所述方法及系统，通过比较树状结构的模板与待匹配文档的方式，提高了数据匹配的效率及准确度。

附图说明