[发明专利]使用企业数据源预测文档中的策略违规

权利要求书

1.一种计算机实现的方法CIM，包括：

接收多个文档，所述多个文档包括实质性内容数据和元数据；

初始化多个随机桶以执行随机采样操作；

根据所述多个初始化的随机桶计算元数据样本大小，其中所述元数据样本大小是至少部分地基于预定置信度水平和误差率来针对其收集元数据的文档的数量；

从所述多个文档收集元数据，直到所收集的元数据等于所计算的元数据样本大小；以及

响应于所述元数据的收集，分析所述多个文档的第一子集以确定所述多个文档的所述第一子集是否包括策略违规。

2.根据权利要求1所述的CIM，其中，对所述多个文档的所述第一子集的分析还包括：

提取所述多个文档的所述第一子集的所述实质性内容，所述实质性内容包括文本数据；以及

响应于对所述文本的提取，对所述文本数据运行深度分析以识别策略违规。

3.根据权利要求1所述的CIM，其中，对所述多个文档的所述第一子集的分析还包括：

根据对所述文本数据的所述深度分析识别策略违规；以及

响应于策略违规的所述识别，将所识别的策略违规添加到所述多个文档的所述第一子集的文档元数据。

4.根据权利要求1所述的CIM，其中，对所述多个文档的所述第一子集的分析还包括：

对所述文本数据运行所述深度分析以识别所述多个文档的所述第一子集的数据类别集合；

识别所述多个文档的所述第一子集的所述数据类别集合；以及

将所识别的数据类别集合添加到所述多个文档的所述第一子集的所述文档元数据。

5.根据权利要求1所述的CIM，其中，对所述多个文档的所述第一子集的分析还包括：

计算敏感度分数，所述敏感度分数是所识别的策略违规和与所识别的策略违规相关联的一组权重的线性组合；以及

响应于所述敏感度分数的计算，将所述敏感度分数添加到所述多个文档的所述第一子集的所述文档元数据。

6.根据权利要求1所述的CIM，还包括：

至少部分地基于所述第一文档的元数据来确定所述多个文档中的第一文档具有策略违规，并且其中所述第一文档的元数据包括指示具有更高的发现策略违规的概率的数据源或文档类型的信息。

7.一种计算机程序产品CPP，包括：

计算机代码，其中，所述计算机代码包括用于使处理器集合执行如权利要求1-6之一所述的操作的指令和数据。

8.一种计算机系统CS，包括：

处理器集合；

机器可读存储设备；以及

存储在所述机器可读存储设备上的计算机代码，所述计算机代码包括用于使所述处理器集合执行如权利要求1-6之一所述的操作的指令和数据。