[发明专利]一种无监督的密点标注和辅助定密方法

说明书

本发明涉及一种为一种无监督的密点标注和辅助定密方法，包括如下步骤：1)在训练过程之前，针对不同秘密类型分别建立语料统计库；2)从语料统计库中利用算法计算词语置信度，按不同类型进行密级置信度排序，构建密点词库；3)从语料统计库中利用多特征融合的密点句置信度评估方法，提取已定密文档中不同密级的密点句，构建密点句库；4)利用构建的密点词库和密点句库对待定密文档进行密点标注；5)根据待标注文档的定密结果，纳入对应类别，更新词语统计库中相关词语的记录。该方法提高了密点标注的效率和准确率，通过辅助定密有效避免了定密的随机性、主观性。

技术领域

本发明涉及电子文件安全技术领域，具体说是一种无监督的密点标注和辅助定密方法。

背景技术

定密工作作为保密管理工作的基础和源头，其重要性不言而喻。如何实现精准定密是目前保密工作亟待解决的问题。随着信息化手段的不断进步和电子政务系统研发的不断完善，各机关单位分别搭建了自己的办公自动化系统，还有部分单位开展了无纸化办公。国家秘密的产生形式和存储形态已发生较大变化，数字化手段在提升各级单位保密工作效率的同时，也带来了全方面的新挑战。

当前，文件密级的确定大多以人工查找、确定、审核的方式进行，仅依靠于定密人员的保密知识和工作经验，难免存在“主观感觉”定密的现象，导致定密不准、定密尺度把握困难、定密经验无法传承等问题。一方面，由于涉密事项种类繁多，仅通过人工确定，使得定密周期长，定密效率低下。另一方面，一个事项定密的关键是由国家秘密的密点决定的，具有可区分的特点。而当前涉密文件的密级标注方式是对文件全文进行整体标注，机关单位形式上确定的“一项”国家秘密，实质内容上可能包含多项，或者仅有极少数的内容才属于国家秘密。对于这种情况，如果不对密点进行明确标注，简单按照“一项”国家秘密管理，往往会导致层层派生、层层定密、国家秘密过多、管理资源浪费、泄密风险加大等问题。确定国家秘密的密点，就是要筛选出真正具备国家秘密本质属性，泄露后会损害国家安全和利益的关键的、最小化的信息内容，为定密提供依据。因此，在人工定密的基础上，使用计算机技术辅助定密技术进行精准定密及密点标注，实现定密规范化、科学化、数字化，是当前保密工作的迫切需求。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种无监督的密点标注和辅助定密方法，提高了密点标注的效率和准确率，通过辅助定密有效避免了定密的随机性、主观性。

为达到以上目的，本发明采取的技术方案是：

一种无监督的密点标注和辅助定密方法，其特征在于，包括如下步骤：

步骤1，针对不同秘密类型分别建立语料统计库；

步骤2，根据步骤1得到的语料统计库计算词语置信度，按不同类型进行密级置信度排序，构建密点词库；

步骤3，根据步骤1得到的语料统计库，利用多特征融合的密点句置信度评估算法，提取已定密文档中不同密级的密点句，构建密点句库；

步骤4，利用步骤2构建的密点词库和步骤3构建的密点句库对待定密文档进行密点标注；

步骤5，根据步骤4中得到的待标注文档的定密结果，纳入对应类别，更新词语统计库中相关词语的记录。

在上述方案的基础上，步骤2所述根据步骤1得到的预料统计库计算词语置信度的算法为改进的SS3算法，通过函数gv(w，c)计算词语w专属于类别c的置信度，gv的计算涉及三个函数，定义如下式(1)：

gv(w，c)＝lv_σ(w，c)·sg_λ(w，c)·sn_ρ(w，c) (1)；

上式中gv(w，c)为词语w专属于类别c的置信度；