[发明专利]文件管理方法、装置、设备及计算机可读存储介质

说明书

本申请提供了一种文件管理方法、装置、设备及计算机可读存储介质。文件管理方法包括：通过去除第一安全等级的常用词汇中与其他安全等级的常用词汇重复的部分以确定第一安全等级的排他关键词，其中第一安全等级为任一安全等级；获取待识别文件的文本数据；以及根据文本数据与排他关键词确定待识别文件的所属安全等级。根据该文件管理方法，通过仅存在于单一安全等级的排他关键词确定待识别文件的安全等级及文件种类，可提高文件管理的效率，减少文件审核的误判率，并提高文件安全等级判定的准确率。

技术领域

本申请涉及人工智能技术领域，更具体地，涉及文件管理方法、文件安全管理装置、文件安全管理设备及计算机可读存储介质。

背景技术

常规的文件管理方法通常将文件的安全等级划分为绝密级、机密级和限制级等，并根据文件的特性定义上述安全等级下属的文件种类。在对待识别文件进行安全等级判定时，较多的依赖于关键词匹配。具体地，可基于事先配置的关键词库，对待识别文件的文件名或内容进行关键词查找匹配，并根据匹配的结果判断待识别文件的所属安全等级及文件种类。

然而，不同安全等级的关键词之间难免有一定的重合，通过上述方法难以精准的区分出待识别文件的所属安全等级及文件种类。例如，在待识别文件中的关键词属于不同的安全等级时，常规的文件管理方法通常将多个安全等级的加权平均值或多个安全等级中最高安全等级判定为待识别文件的最终安全等级，因而导致文件识别的准确率较低、误判率较高，从而给企业的信息安全管理带来风险。

发明内容

本申请提供了一种可至少部分解决相关技术中存在的上述问题的文件管理方法、文件安全管理装置、文件安全管理设备及计算机可读存储介质。

本申请一方面提供了一种文件管理方法，所述方法包括：通过去除第一安全等级的常用词汇中与其他安全等级的常用词汇重复的部分以确定所述第一安全等级的排他关键词，其中所述第一安全等级为任一安全等级；获取待识别文件的文本数据；以及根据所述文本数据与所述排他关键词确定所述待识别文件的所属安全等级。

在本申请一个实施方式中，任一所述安全等级包括至少一个文件种类，其中通过去除第一安全等级的常用词汇中与其他安全等级的常用词汇重复的部分以确定所述第一安全等级的排他关键词，其中所述第一安全等级为任一安全等级的步骤包括：获取每个所述文件种类所包括的多个样本文件；基于所述多个样本文件，确定每个所述文件种类的常用词汇；基于所述第一安全等级包括的全部文件种类的常用词汇确定所述第一安全等级的常用词汇；以及去除所述第一安全等级的常用词汇中与其他所述安全等级的常用词汇重复的部分，以确定所述排他关键词。

在本申请一个实施方式中，所述方法还包括：在确定所述排他关键词之后，基于所属安全等级的全部文件种类的常用词汇确定所述待识别文件的文件种类。

在本申请一个实施方式中，基于所述第一安全等级包括的全部文件种类的常用词汇确定所述第一安全等级的常用词汇包括：将所述全部文件种类的常用词汇中的任一组重复词汇合并为一个词汇以确定所述第一安全等级的常用词汇。

在本申请一个实施方式中，基于所述多个样本文件，确定所述文件种类的常用词汇包括：获取所述样本文件的文本数据，并将所述文本数据中的任一组重复词汇合并为一个词汇；将多个所述样本的文本数据合并以形成所述文件种类的历史词汇；以及基于所述历史词汇，提取所述文件种类的常用词汇，其中，任一所述常用词汇的权重与其在所述文件种类的历史词汇中的出现频率成正比。

在本申请一个实施方式中，基于所述历史词汇，提取所述文件种类的常用词汇包括：确定任一所述历史词汇的出现频率；去除所述历史词汇中仅出现一次的词汇；以及提取所述历史词汇中出现频率相对较高的N个词汇作为所述文件种类的常用词汇，其中N为大于等于1的任意正整数。

在本申请一个实施方式中，所述N个词汇满足：N＝Y+3×M，其中，Y为所述文件种类的历史词汇的出现频率的平均值；以及M为所述文件种类的历史词汇的出现频率的标准方差值。