基于關(guān)鍵字的交換內(nèi)容過濾技術(shù)的研究與實現(xiàn)開題報告

1、<p>　開題題目：基于關(guān)鍵字的交換內(nèi)容過濾技術(shù)的研究與實現(xiàn)</p><p>　1、選題描述：包括選題的背景、依據(jù)和意義、研究目標(biāo)、研究內(nèi)容以及對國內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀的分析（可附頁）選題背景、依據(jù)和意義：進入21世紀以來，計算機在我國開始普及并迅速發(fā)展，在國家有關(guān)政策的積極鼓勵推進下，我國的信息化建設(shè)獲得了巨大的成就。隨著互聯(lián)網(wǎng)的不斷快速發(fā)展，信息個體之間的互聯(lián)互通和信息共享已經(jīng)成為人們迫切需要解決的

2、問題，企事業(yè)單位、政府和軍隊等部門內(nèi)部積累了大量的基礎(chǔ)數(shù)據(jù)。但是，出于內(nèi)外網(wǎng)和不對等區(qū)域之間數(shù)據(jù)交換安全性問題的考慮，這些部門無法實時和充分地利用這些基礎(chǔ)數(shù)據(jù)作為信息化建設(shè)應(yīng)用擴展，因而只能相互獨立、數(shù)據(jù)分散地形成一個個“信息孤島”、“數(shù)據(jù)孤島”，嚴重影響了其信息化建設(shè)的進一步發(fā)展，也為信息化工作的開展帶來了不便。此外，因病毒的瘋狂肆虐、黑客日益猖獗、軟件本身漏洞和設(shè)計缺陷而導(dǎo)致的泄密事件也越來越多，對黨政機關(guān)、軍隊等單位的信息安全構(gòu)成

3、了極大的威脅。然而，傳統(tǒng)的技術(shù)手段很難兼顧安全隔離和信息交換兩者的需求，更缺乏對信息安全的嚴格審查，極易導(dǎo)致攻擊代碼的流入和重要信息的泄漏。簡單的物理隔離、網(wǎng)閘技術(shù)等都不能從根本上解決問題，并且缺少對進程的交換數(shù)據(jù)中敏感的、涉密的信息</p><p>　2、擬解決的關(guān)鍵問題和擬采取的研究方案（可附頁）關(guān)鍵問題及解決方案：由于文件安全交換系統(tǒng)中傳輸?shù)奈募赡馨舾行畔⒒蛘呱婷苄畔?，因此，在文件發(fā)送之前在發(fā)送方進行

4、文件內(nèi)容的敏感、涉密信息檢測過濾是十分必要的。敏感信息過濾主要針對文本類文件（.txt/.doc/.docx/.rtf等）攜帶的內(nèi)容進行掃描過濾。保證交換的內(nèi)容符合文件安全交換系統(tǒng)中的定制策略。研究一，信息過濾的幾種方法，主要有:1)基于黑白名單的過濾。 所謂白名單，有時候也被稱為安全名單。例如對服務(wù)器管理員、網(wǎng)絡(luò)服務(wù)商或公司來說，都會有一系列對自己來說是安全的網(wǎng)絡(luò)服務(wù)器域名或IP地址列表，從這些網(wǎng)絡(luò)服務(wù)器獲取的信息通常被認為是安全的。

5、這樣，如果網(wǎng)絡(luò)信息對應(yīng)地址處在這個安全名單中，系統(tǒng)就會讓這些信息不經(jīng)過過濾器就直接到達客戶端。所謂黑名單技術(shù)，即利用國內(nèi)外很多組織提供的不良信息制造者或策源地的“黑名單”，過濾器得到信息請求后，先到“黑名單”上去查找。如果對應(yīng)地址在名單中，就拒絕連接。白名單和黑名單通常是結(jié)合起來使用的。這種技術(shù)的優(yōu)點是速度快，并可以動態(tài)更新；缺點是，會拒絕指向同一個黑名單的所有信息，誤判率高。2)基于規(guī)則的過濾</p><p>

6、　PaodingPaoding（庖丁解牛分詞）基于Java的開源中文分詞組件，提供lucene和solr接口，具有極 高效率和 高擴展性。引入隱喻，采用完全的面向?qū)ο笤O(shè)計，構(gòu)思先進。高效率：在PIII 1G內(nèi)存?zhèn)€人機器上，1秒可準(zhǔn)確分詞 100萬漢字。采用基于不限制個數(shù)的詞典文件對文章進行有效切分，使能夠?qū)υ~匯分類定義。能夠?qū)ξ粗脑~匯進行合理解析MMSEG4JMMSEG4J基于Java的開源中文分詞組件

7、，提供lucene和solr 接口1．mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法實現(xiàn)的中文分詞器，并實現(xiàn) lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。2．MMSeg 算法有兩種分詞方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四個規(guī)則過慮。官方說：詞語的正確識別率達到了 98.41%。mmseg4j

8、已經(jīng)實現(xiàn)了這兩種分詞算法。由于文件安全交換系統(tǒng)初始默認過濾詞匯較少，我準(zhǔn)備采用的基于文本內(nèi)容分詞的敏感信息過濾方式，即采用分詞結(jié)合關(guān)鍵字過濾方式對安全交</p><p>　3、時間進度安排（可附頁）</p><p>　4、參考文獻（可附頁）[1]李松林，陳華清，任鑫. Eclipse寶典.電子工業(yè)出版社，2007年6月[2]張紅旗，王魯. 信息安全技術(shù).高等教育出版社，2008年[3]Br

9、uce Eckel. Java 編程思想.機械工業(yè)出版社，2007年6月[4]皮德常，張鳳林. Java２簡明教程（第二版）.清華大學(xué)出版社，2006年7月[5]林鴻飛. 基于混合模式的文本過濾模型.計算機研究與發(fā)展.2001年09月[6]曲德祥,基于分詞的關(guān)鍵詞過濾技術(shù)研究.山東師范大學(xué)學(xué)報(自然科學(xué)版),2010年09月[7]劉紅芝，中文分詞技術(shù)的研究. 電腦開發(fā)與應(yīng)用,2010年[8]蔡曉妍，戴冠中，楊黎斌, 改進的多模式字符串匹

10、配算法.計算機應(yīng)用，2010年06月[9]張家勇，劉建輝,基于中文分詞技術(shù)的信息智能過濾系統(tǒng).信息技術(shù)，2006年12月[10]劉楊,陳暉,陳遠江,中文文本信息過濾技術(shù)研究 .船電技術(shù)，2010年07月[11]姚磊岳,熊建英, 一種基于中文分詞算法的信息過濾技術(shù).科技廣場，2007年07月[12]段立娟，Web挖掘的敏感信息過濾模型.前沿技術(shù)，2007年[13]程妮,崔建海,王軍（編</p><p>　5、導(dǎo)師意