[发明专利]一种实现数据泄露防护的方法和系统

权利要求书

1.一种实现数据泄露防护的方法，其特征在于，该方法包括：

对预处理文本数据进行预处理，形成向量数据；

将向量数据作为K-MEDOIDS聚类算法的输入数据并且按照预设规则进行无监督学习，形成聚类模型；

通过聚类模型对外发文件进行检查，判断外发文件是否为泄密文件，若是，则不允许外发文件外发；否则，允许外发文件外发。

2.根据权利要求1所述的实现数据泄露防护的方法，其特征在于，在对预处理文本数据进行预处理之前，进一步包括：

收集文本数据，并筛选出具有预设特征的文本数据作为进行预处理的预处理文本数据。

3.根据权利要求1所述的实现数据泄露防护的方法，其特征在于，对预处理文本数据进行预处理形成向量数据，包括如下步骤：

对预处理文本数据进行文本分词，形成分词文本数据；

去除分词文本数据中的停用词，形成去停用词文本数据；

对去停用词文本数据进行文档频率DF特征提取，形成特征文本数据；

对特征文本数据进行TF-IDF词频统计，确定特征文本数据的权重；

根据特征文本数据的权重，将特征文本数据进行向量化，形成向量数据。

4.根据权利要求1所述的实现数据泄露防护的方法，其特征在于，在通过聚类模型对外发文件进行检查之前，进一步包括：

将聚类模型上传至服务器；

由服务器将聚类模型配置在客户端，当客户端向外发送外发文件时，拦截该外发文件，并将该外发文件发送到聚类模型。

5.根据1至4任一权利要求所述的实现数据泄露防护的方法，其特征在于，在不允许外发文件外发之后，进一步包括：

对外发文件进行审批，判断是否为策略放行文件，若是，则允许外发文件外发，否则，禁止外发文件外发。

6.一种实现数据泄露防护的系统，其特征在于，该系统包括：处理模块、聚类模块和检查模块，其中，

处理模块，用于对预处理文本数据进行预处理，形成向量数据；

聚类模块，用于将处理模块形成的向量数据作为K-MEDOIDS聚类算法的输入数据并且按照预设规则进行无监督学习，形成聚类模型；

检查模块，用于通过聚类模块形成的聚类模型对外发文件进行检查，判断外发文件是否为泄密文件，若是，则不允许外发文件外发；否则，允许外发文件外发。

7.根据权利要求6所述的实现数据泄露防护的系统，其特征在于，该系统进一步包括：收集模块，用于收集文本数据并筛选出具有预设特征的文本数据作为进行预处理的预处理文本数据。

8.根据权利要求6所述的实现数据泄露防护的系统，其特征在于，处理模块包括：分词单元、去停单元、提取单元、统计单元和转换单元，其中，

分词单元，用于对预处理文本数据进行文本分词，形成分词文本数据；

去停单元，用于去除分词文本数据中的停用词，形成去停用词文本数据；

提取单元，用于对去停用词文本数据进行文档频率DF特征提取，形成特征文本数据；

统计单元，用于对特征文本数据进行TF-IDF词频统计，确定特征文本数据的权重；

转换单元，用于根据特征文本数据的权重，将特征文本数据进行向量化，形成向量数据。

9.根据权利要求6所述的实现数据泄露防护的系统，其特征在于，该系统进一步包括：上传模块和配置模块，其中，

上传模块，用于将聚类模型上传至服务器；

配置模块，用于由服务器将聚类模型配置在客户端，当客户端向外发送外发文件时，拦截该外发文件，并将该外发文件发送到聚类模型。

10.根据6至9任一权利要求所述的实现数据泄露防护的系统，其特征在于，该系统进一步包括：审批模块，用于对检查模块判断为不允许外发的外发文件进行审批，判断是否为策略放行文件，若是，则允许外发文件外发；否则，禁止外发文件外发。