[发明专利]敏感信息检索方法及装置

说明书

本发明提供一种敏感信息检索方法及装置，该方法包括：获取发表待检索文档的用户的第一信息，根据所述第一信息获取与所述第一信息关联的所述用户的第二信息；其中，所述第一信息和第二信息预先关联；将所述第一信息和第二信息的起始字符段分别与所述待检索文档进行匹配；若从所述待检索文档中匹配到所述第一信息或第二信息的起始字符段，则根据所述第一信息或第二信息的字符串长度，在所述待检索文档中从所述起始字符段的起始位置开始读取所述字符串长度的字符串；将所述字符串与所述第一信息或第二信息进行匹配，若匹配成功，则将所述字符串作为检索出的敏感信息。本发明实现敏感信息的快速检索。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种敏感信息检索方法及装置。

背景技术

目前投诉工单信息来自多渠道，信息多样化。投诉工单内容由业务人员统一归档填写，存在敏感信息，包括但不限于姓名、身份证、手机号码和住址。流转到厂商环节，会全部明文显示，存在信息泄露的高危风险。

在流转过程中，需要对投诉内容中存在的用户隐私数据等敏感信息进行脱敏。在脱敏之前需要先检索出投诉内容中的敏感信息。由于运营商业务对应的用户量数据巨大，现有的敏感词过滤算法，往往忽略了敏感词之间的关联关系，造成重复匹配扫描检索。

此外，DFA(Deterministic Finite Automaton，确定有穷自动机)或者Aho-Corasick算法需要事先将所有关键词构造为字典树，即状态迁移表，当存在海量的关键词时，字典树的规模将会变得大到不可接受，内存中无法容纳。

正则表达式方案的效率本身比较低，而且需要进行多次匹配，不适合于海量的关键词的情形。

全文检索算法通常是少量，即一个或几个关键词的检索，一般以原始文本的预处理和分词为主，无法用于海量关键词的高效检索。

发明内容

本发明提供一种敏感信息检索方法及装置，用以解决现有技术中敏感信息检索效率低的缺陷，实现提高敏感信息的检索效率。

本发明提供一种敏感信息检索方法，包括：

获取发表待检索文档的用户的第一信息，根据所述第一信息获取与所述第一信息关联的所述用户的第二信息；其中，所述第一信息和第二信息预先关联；

将所述第一信息和第二信息的起始字符段分别与所述待检索文档进行匹配；

若从所述待检索文档中匹配到所述第一信息或第二信息的起始字符段，则根据所述第一信息或第二信息的字符串长度，在所述待检索文档中从所述起始字符段的起始位置开始读取所述字符串长度的字符串；

将所述字符串与所述第一信息或第二信息进行匹配，若匹配成功，则将所述字符串作为检索出的敏感信息。

根据本发明提供的一种敏感信息检索方法，所述将所述第一信息和第二信息的起始字符段分别与所述待检索文档进行匹配，包括：

若所述第一信息或第二信息为电话号码，则将所述第一信息或第二信息的前三个数字作为所述起始字符段与所述待检索文档进行匹配；

若所述第一信息或第二信息不为电话号码，则将所述第一信息或第二信息的第一个字符作为所述起始字符段与所述待检索文档进行匹配。

根据本发明提供的一种敏感信息检索方法，所述将所述字符串与所述第一信息或第二信息进行匹配的步骤包括：

若所述第一信息或第二信息为第一预设类型，则判断所述字符串的结束字符与所述第一信息或第二信息的结束字符是否相同；

若所述字符串的结束字符与所述第一信息或第二信息的结束字符相同，则判断所述字符串与所述第一信息或第二信息是否完全相同；