[发明专利]数据防泄露系统中一种文档指纹提取及匹配方法

摘要

本发明提出了数据防泄露系统中一种文档指纹提取及匹配方法，包括以下步骤：S1)文档指纹提取：根据文件头信息识别出相应类型的文档文件，解析并保存为文本文件，并对文本文件进行规格化预处理；S2)利用特定哈希算法进行指纹计算；S3)进行指纹匹配，判断是否敏感文件。该方法计算复杂度不高，提高指纹提取效率；生成的指纹数据小，便于保存和传输；数据匹配是指纹与指纹之间的比对，不需要源文档，防止二次泄密；指纹的哈希值是不可逆的，即使拿到了指纹数据也不能破解出源文档，保证了源文件的机密性；指纹匹配方法简洁有效，无需进行大量的比对计算。

主权项

数据防泄露系统中一种文档指纹提取及匹配方法，其特征在于，包括以下步骤：S1)文档指纹提取：根据文件头信息识别出相应类型的文档文件，解析并保存为文本文件，并对文本文件进行规格化预处理；S2)指纹计算：S21)对步骤S1)预处理过后的文本串s，长度为n，选取一个长度窗口为k(0＜k＜n)在文本串s上滑动，每次滑动一个固定的步长；S22)通过滑动得到一个子字符串序列，对每个子字符串，利用特定的哈希算法，分别计算哈希值，形成一个哈希值序列；S23)选取长度为w的另一个窗口，用来按步长分割步骤S22)所得到的哈希值序列，总共分割成n‑k‑w+2个哈希值子序列；S24)分别对步骤S23)得到的每个子序列，通过一种算法提取出一个最能代表这个子序列的哈希值，作为这个子序列的局部指纹；S3)设步骤S2)得到的指纹为FP2，源文档的指纹为FP1，计算FP2和FP1的交集进行指纹匹配，目标文档的匹配源文件的比例为：r＝((FP1∩FP2)/FP1)*100％；如果r大于实现设定的阈值，则认为该目标文档是一个敏感文件。