[发明专利]信息检测方法、装置及服务器

说明书

本发明实施例公开了一种信息检测方法、装置及服务器。该信息检测方法包括：获取设置的关键词；在第三方开发平台的已公开代码中，查找与关键词匹配的软件基因序列，得到软件基因序列集合；获取待检测软件基因序列；将待检测软件基因序列，分别与软件基因集合中各软件基因序列进行相似度计算，确定软件基因序列集合中的敏感软件基因序列。本申请实施例中通过待检测软件基因序列与用户设置的关键词匹配的软件基因序列比对，自动判断出第三方开发平台的已公开代码是否存在敏感信息，大幅提升了敏感数据泄露检测的准确性，并减轻了人工审计判断的压力，使得企业可以及时发现并处理泄露的敏感信息，将敏感信息泄露的危害降到了最低。

技术领域

本发明涉及计算机技术领域，具体涉及一种信息检测方法、装置及服务器。

背景技术

近年来互联网的发展衍生出了门类齐全、功能丰富的第三方开放平台，都能以开放接口的方式提供给第三方开发者。第三方开发者无需在本地搭建服务的实际硬件及特殊软件环境，而是通过在云端管理软件开发和源代码，以第三方开源托管平台GitHub为例，作为开源代码库以及版本控制系统，目前Github平台拥有2400万位开发者和67000万个项目，下包含了过亿的文件数，随着越来越多的应用程序转移到了云上，Github已经成为了管理软件开发以及发现已有代码的首选方法。

但是，源代码泄露已引起越来越多开发人员重视，因此对第三方开放同平台中已有代码的敏感检测是非常有必要，目前，主要是人工进行敏感信息的审核检测，但由于互联网行业特有的开源行为、业界普遍使用的开源组件，以及互联网行业人员流动频繁，导致不同公司的项目代码存在大量相似性，且不同项目之间也存在复刻(fork)、引用等等原因，在查找敏感信息时，真正需要的结果极容易埋没在大量的无关信息中，这使得敏感信息检测变得非常困难。

发明内容

本申请提供一种信息检测方法、装置及服务器，大幅提升了敏感数据泄露检测的准确性，并减轻了人工审计判断的压力，使得企业可以及时发现并处理泄露的敏感信息，将敏感信息泄露的危害降到了最低。

第一方面，本申请提供一种信息检测方法，所述信息检测方法包括：

获取设置的关键词；

在第三方开发平台的已公开代码中，查找与所述关键词匹配的软件基因序列，得到软件基因序列集合；

获取待检测软件基因序列；

将所述待检测软件基因序列，分别与所述软件基因集合中各软件基因序列进行相似度计算，确定所述软件基因序列集合中的敏感软件基因序列。

在本申请一些实施例中，所述将所述待检测软件基因序列，分别与所述软件基因集合中各软件基因序列进行相似度计算，确定所述软件基因序列集合中的敏感软件基因序列，包括：

分别将所述软件基因序列集合中的软件基因序列作为目标软件基因序列，提取所述目标软件基因序列中的核心软件基因；

分别计算所述目标软件基因序列中各核心软件基因与所述待检测软件基因序列的相似度，得到所述各核心软件基因对应的第一相似度值；

根据所述各核心软件基因对应的第一相似度值，确定所述目标软件基因序列是否敏感软件基因序列。

在本申请一些实施例中，所述根据所述各核心软件基因对应的第一相似度值，确定所述目标软件基因序列是否敏感软件基因序列，包括：

获取所述待检测软件基因序列中各软件基因的权重值；

分别确定所述各核心软件基因与所述待检测软件基因序列中相似的软件基因；

根据所述各核心软件基因对应的第一相似度值，以及与所述待检测软件基因序列中相似的软件基因的权重值，计算所述目标软件基因序列与所述待检测软件基因序列的第二相似度值；