CN111090878A - 一种基于密点的定密管理系统 - Google Patents
一种基于密点的定密管理系统 Download PDFInfo
- Publication number
- CN111090878A CN111090878A CN201911199880.9A CN201911199880A CN111090878A CN 111090878 A CN111090878 A CN 111090878A CN 201911199880 A CN201911199880 A CN 201911199880A CN 111090878 A CN111090878 A CN 111090878A
- Authority
- CN
- China
- Prior art keywords
- secret
- hidden layer
- deep learning
- layer node
- density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供了一种基于密点的定密管理系统,包括定密功能模块和辅助功能模块,其中定密功能模块包括秘密事项定密管理模块、文档扫描模块、基于深度学习的文字识别系统、定密样本数据库系统和基于深度学习的定密分类系统,辅助功能模块包括日志跟踪、涉密信息检查管理和监管平台及意见栏。本发明采用的深度学习方法在文字识别过程中采用改进型的卷积神经网络模型,相对普通深度学习,可以提高识别率。由于定密人员的水平参差不齐,导致密级等级乱定,本发明在整个定密的过程中采用两次深度学习模型,减少人为干扰,采用深度学习可以提高定密效率和精准度,形成统一的精准的智能定密。
Description
技术领域
本发明涉及加密领域,尤其是一种定密管理系统。
背景技术
随着无纸化办公的日益发展,定密工作作为保密工作的源头性、基础性工作,实现该工作的准确性、高效性、智能性已成为当前保密工作的现实问题和迫切要求。传统定密工作对涉密文件均由人工完成,文件密级的确定主要取决于定密人的主观因素,缺乏应有的科学性,往往导致“保密范围偏宽、密级偏高”、该定的不定,不该定的乱定“,经常出现同一份文件被不同的人标成非密、秘密、机密的现象,目前已很难适应当前日常保密管理的需求,因此急需发展新型高效精准的定密管理系统。
针对当前定密尺度把握困难的问题,不少研究者提出了不同的设计方案,但是其设计的重点都放在固化定密工作流程,借助数据库、数据挖掘信息化技术,然而,现大多数研究所或者是科研机构使用的是局域网,这样借助云服务的数据库便存在一定的干扰导致定密不准确。那么如何准确定密成为当下要解决的问题。
发明内容
为了克服现有技术的不足,本发明提供一种基于密点的定密管理系统。本发明所要解决的技术问题是:如何在提高研究所定密系统的精准性,同时,提高计算资源的利用率。
本发明解决其技术问题所采用的技术方案是:
一种基于深度学习的密点定密管理系统,包括定密功能模块和辅助功能模块,其中定密功能模块包括秘密事项定密管理模块(1)、文档扫描模块(2)、基于深度学习的文字识别系统(3)、定密样本数据库系统(4)和基于深度学习的定密分类系统(5),辅助功能模块包括日志跟踪(6)、涉密信息检查管理(7)和监管平台及意见栏(8);
所述的秘密事项定密管理模块(1),包括文件导入单元、文件导出单元、文件解析单元、文件存储单元、文件标定单元及查询单元,记录和管理秘密事项的定密信息;
所述的文档扫描模块(2),对需要定密的文档进行扫描,方便文档上传定密数据库;
所述的基于深度学习的文字识别系统(3),针对扫描后的文档进行文字识别,提高文字的识别率;所述基于深度学习的文字识别系统(3)包含输入层、多层次的多个隐含层和输出层,且每一隐含层节点组与不同的文档训练样本集对应;每一隐含层节点组中的各隐含层节点依次连接;获取多个隐含层节点组中的第一隐含层节点组;第一隐含层节点组对应的文档训练样本集为多个隐含层节点组中除去第一隐含层节点组外的其余隐含层节点组的文档训练样本集的总和;第一隐含层节点组中的最后一个隐含层节点分别与多个隐含层节点组中其余隐含层节点组的第一个隐含层节点连接;第一隐含层节点组中的第一个隐含层节点与预设的输入层连接;多个隐含层节点组中除第一隐含层节点组外的其余隐含层节点组的最后一个隐含层节点分别与预设的输出层连接,得到卷积深度学习网络;卷积深度学习网络用于识别文档图像中的字符。
所述的定密样本数据库系统(4),给定密分类系统学习训练提供训练样本;
所述的基于深度学习的定密分类系统(5),采用定密样本数据库系统(4)进行卷积神经网络训练,对文字识别后的文档进行学习分类;深度学习的定密分类系统(5)为卷积深度学习网络,包含输入层、多层的多个隐含层及输出层,基于定密样本数据库系统(4)能够准确对扫描识别后的定密系统进行精准定密分级。
所述的日志跟踪(6),涉密信息检查管理(7),监管平台及意见栏组成(8),用于定密分类后文档的管理和监管。
本发明的有益效果在于本发明采用的深度学习方法在文字识别过程中采用改进型的卷积神经网络模型,相对普通深度学习,这个可以提高识别率。本发明不仅是利用现有的局域网,主要是人为因素,由于定密人员的水平参差不齐,导致密级等级乱定,本发明在整个定密的过程中采用两次深度学习模型,减少人为干扰,采用深度学习可以提高定密效率和精准度,形成统一的精准的智能定密。
附图说明
图1为本发明定密管理系统的框图。
图2为本发明基于深度学习的文字识别系统的示意图。
图3为本发明基于深度学习的分类系统。
图4为本发明基于深度学习的密点定密的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
针对以上问题,本发明提供了一种基于深度学习的密点定密管理系统。该系统可实现定密系统的智能化和高效率化。同时该系统包括意见栏模块,定密关键在于项目相关人员对密点的把握,所以系统使用人员可以登录该模块提意见,体现出人性化。
传统的定密系统是对涉密文件均由人工完成,文件密级的确定主要取决于定密人的主观因素,往往导致“保密范围偏宽、密级偏高”、该定的不定,不该定的乱定“,经常出现同一份文件被不同的人标成非密、秘密、机密的现象,因此可以采用深度学习的密点定密管理系统,如图1所述,该系统包括秘密事项定密管理模块(1),文档扫描模块(2)及基于深度学习的文字识别系统(3),定密样本数据库系统(4),基于深度学习的定密分类系统(5),日志跟踪(6),涉密信息检查管理(7)和监管平台及意见栏(8)。
所述的秘密事项定密管理模块(1),用于记录和管理秘密事项的定密信息;
所述的文档扫描模块(2),用于对需要定密的文档进行扫描,方便文档上传定密数据库;
所述的基于深度学习的文字识别系统(3)如图2所示,用于针对扫描后的文档进行文字识别,提高文字的识别率;
所述的定密样本数据库系统(4),用于给定密分类系统学习训练提供训练样本;
所述的基于深度学习的定密分类系统(5),如图3所示,用于采用定密样本数据库系统(4)进行卷积神经网络训练,对文字识别后的文档进行学习分类;
所述的日志跟踪(6),涉密信息检查管理(7),监管平台及意见栏组成(8),用于定密分类后文档的管理和监管。具体流程如图4所示:首先,通过秘密事项定密管理模块(1)的文件导入单元、文件导出单元、文件解析单元、文件存储单元、文件标定单元及查询单元;然后通过基于深度学习的文字识别系统(3)包含输入层、多层次的多个隐含层和输出层。且每一隐含层节点组与不同的文档训练样本集对应;每一隐含层节点组中的各隐含层节点依次连接;获取所述多个隐含层节点组中的第一隐含层节点组;所述第一隐含层节点组对应的文档训练样本集为所述多个隐含层节点组中除去第一隐含层节点组外的其余隐含层节点组的文档训练样本集的总和;第一隐含层节点组中的最后一个隐含层节点分别与所述多个隐含层节点组中其余隐含层节点组的第一个隐含层节点连接;所述第一隐含层节点组中的第一个隐含层节点与预设的输入层连接;所述多个隐含层节点组中除所述第一隐含层节点组外的其余隐含层节点组的最后一个隐含层节点分别与预设的输出层连接,得到卷积深度学习网络;所述卷积深度学习网络用于识别文档图像中的字符。再者,通过所述的深度学习的定密分类系统(5),其包含输入层、多层的多个隐含层及输出层。其基于庞大的定密样本数据库系统(4)能够准确对扫描识别后的定密系统进行精准定密分级。所采用的样本点包括关键密集词组数据库包含国家涉及的所有关键词和研究所通用关键词,且可以根据留言内容,通过手动同意,不断地将新的涉密词纳入学习样本。最后通过定密分类后的文档进行管理和监管于系统的日志跟踪(6),涉密信息检查管理(7),监管平台及意见栏(8)。
定密关键在于项目相关人员对密点的把握,系统使用人员可以登录该模块提意见和提供新型涉密词汇和定密等级建议,扩充定密样本数据库,从而提高定密精度。其中定密流程依据《国家秘密定密管理暂行规定》中规定的国家秘密三大标准化定密流程:国家秘密确定、国家秘密变更、国家秘密解除。辅助功能中的日志跟踪模块实时记录用户登录及操作的日志、定密依据、密级及保密期限关键信息发生改变时审计日志,方便查询追溯,并可自定义配置输出文件如EXECEL、WORD、PDF等格式。同时,该系统添加定密意见模块,对定密出现的问题,可留言,对新型涉密词汇和等级纳入定密训练样本数据库,从而提高定密的精度和效率。
所述的基于深度学习的密点定密管理系统,样本点包括关键密集词组数据库,其中包含国家涉及的所有关键词和研究所通用关键词,且可以根据留言内容,通过手动同意,不断地将新的涉密词纳入学习样本。
Claims (1)
1.一种基于密点的定密管理系统,其特征在于:
所述基于深度学习的密点定密管理系统,包括定密功能模块和辅助功能模块,其中定密功能模块包括秘密事项定密管理模块(1)、文档扫描模块(2)、基于深度学习的文字识别系统(3)、定密样本数据库系统(4)和基于深度学习的定密分类系统(5),辅助功能模块包括日志跟踪(6)、涉密信息检查管理(7)和监管平台及意见栏(8);
所述的秘密事项定密管理模块(1),包括文件导入单元、文件导出单元、文件解析单元、文件存储单元、文件标定单元及查询单元,记录和管理秘密事项的定密信息;
所述的文档扫描模块(2),对需要定密的文档进行扫描,方便文档上传定密数据库;
所述的基于深度学习的文字识别系统(3),针对扫描后的文档进行文字识别,提高文字的识别率;所述基于深度学习的文字识别系统(3)包含输入层、多层次的多个隐含层和输出层,且每一隐含层节点组与不同的文档训练样本集对应;每一隐含层节点组中的各隐含层节点依次连接;获取多个隐含层节点组中的第一隐含层节点组;第一隐含层节点组对应的文档训练样本集为多个隐含层节点组中除去第一隐含层节点组外的其余隐含层节点组的文档训练样本集的总和;第一隐含层节点组中的最后一个隐含层节点分别与多个隐含层节点组中其余隐含层节点组的第一个隐含层节点连接;第一隐含层节点组中的第一个隐含层节点与预设的输入层连接;多个隐含层节点组中除第一隐含层节点组外的其余隐含层节点组的最后一个隐含层节点分别与预设的输出层连接,得到卷积深度学习网络;卷积深度学习网络用于识别文档图像中的字符;
所述的定密样本数据库系统(4),给定密分类系统学习训练提供训练样本;
所述的基于深度学习的定密分类系统(5),采用定密样本数据库系统(4)进行卷积神经网络训练,对文字识别后的文档进行学习分类;深度学习的定密分类系统(5)为卷积深度学习网络,包含输入层、多层的多个隐含层及输出层,基于定密样本数据库系统(4)能够准确对扫描识别后的定密系统进行精准定密分级;
所述的日志跟踪(6),涉密信息检查管理(7),监管平台及意见栏组成(8),用于定密分类后文档的管理和监管。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199880.9A CN111090878A (zh) | 2019-11-29 | 2019-11-29 | 一种基于密点的定密管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199880.9A CN111090878A (zh) | 2019-11-29 | 2019-11-29 | 一种基于密点的定密管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111090878A true CN111090878A (zh) | 2020-05-01 |
Family
ID=70394103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911199880.9A Pending CN111090878A (zh) | 2019-11-29 | 2019-11-29 | 一种基于密点的定密管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111090878A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347779A (zh) * | 2020-11-23 | 2021-02-09 | 军工保密资格审查认证中心 | 一种涉密文本密级自动判定的方法和装置 |
CN112417501A (zh) * | 2020-11-18 | 2021-02-26 | 中国电子科技集团公司第三十研究所 | 基于区块链的外网涉密文件检测方法 |
CN112417499A (zh) * | 2020-11-18 | 2021-02-26 | 中国电子科技集团公司第三十研究所 | 基于区块链的内网密点提取及管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100188684A1 (en) * | 2009-01-23 | 2010-07-29 | Kabushiki Kaisha Toshiba | Method and system for identification of scanning/transferring of confidential document |
CN103093154A (zh) * | 2013-02-06 | 2013-05-08 | 杭州电子科技大学 | 一种定密信息管理系统及定密信息管理方法 |
CN105260878A (zh) * | 2015-09-23 | 2016-01-20 | 成都网安科技发展有限公司 | 辅助定密方法和装置 |
CN109840492A (zh) * | 2019-01-25 | 2019-06-04 | 厦门商集网络科技有限责任公司 | 基于深度学习网络的文档识别方法和终端 |
-
2019
- 2019-11-29 CN CN201911199880.9A patent/CN111090878A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100188684A1 (en) * | 2009-01-23 | 2010-07-29 | Kabushiki Kaisha Toshiba | Method and system for identification of scanning/transferring of confidential document |
CN103093154A (zh) * | 2013-02-06 | 2013-05-08 | 杭州电子科技大学 | 一种定密信息管理系统及定密信息管理方法 |
CN105260878A (zh) * | 2015-09-23 | 2016-01-20 | 成都网安科技发展有限公司 | 辅助定密方法和装置 |
CN109840492A (zh) * | 2019-01-25 | 2019-06-04 | 厦门商集网络科技有限责任公司 | 基于深度学习网络的文档识别方法和终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417501A (zh) * | 2020-11-18 | 2021-02-26 | 中国电子科技集团公司第三十研究所 | 基于区块链的外网涉密文件检测方法 |
CN112417499A (zh) * | 2020-11-18 | 2021-02-26 | 中国电子科技集团公司第三十研究所 | 基于区块链的内网密点提取及管理方法 |
CN112417499B (zh) * | 2020-11-18 | 2022-04-22 | 中国电子科技集团公司第三十研究所 | 基于区块链的内网密点提取及管理方法 |
CN112347779A (zh) * | 2020-11-23 | 2021-02-09 | 军工保密资格审查认证中心 | 一种涉密文本密级自动判定的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807328B (zh) | 面向法律文书多策略融合的命名实体识别方法及系统 | |
CN111090878A (zh) | 一种基于密点的定密管理系统 | |
US20150379092A1 (en) | Recommending literacy activities in view of document revisions | |
CN113656647B (zh) | 一种面向智能运维的工程档案数据管理平台、方法及系统 | |
CN111008262A (zh) | 一种基于知识图谱的律师评估方法和推荐方法 | |
Briz-Redón et al. | Reestimating a minimum acceptable geocoding hit rate for conducting a spatial analysis | |
CN109885797B (zh) | 一种基于多身份空间映射的关系网络构建方法 | |
CN111104503A (zh) | 一种建筑工程质量验收规范问答系统及其构建方法 | |
CN113742396B (zh) | 一种对象学习行为模式的挖掘方法及装置 | |
CN117077071A (zh) | 一种基于数据分级的数据分析方法及系统 | |
CN113158206A (zh) | 一种基于决策树的文档安全等级划分方法 | |
CN116431828A (zh) | 一种基于神经网络技术构建的电网中台数据资产知识图谱数据库的构建方法 | |
CN116681556A (zh) | 一种基于教育大数据的智慧远程教学云平台系统及方法 | |
CN112967759B (zh) | 基于内存堆栈技术的dna物证鉴定str分型比对方法 | |
CN112668284B (zh) | 一种法律文书分段方法及系统 | |
Wang | College student employment management recommendation system based on decision tree algorithm | |
CN116186422A (zh) | 基于社交媒体和人工智能的疾病相关舆情分析系统 | |
CN111291376B (zh) | 一种基于众包和机器学习的web漏洞验证方法 | |
CN114281986B (zh) | 一种基于自注意力网络的企业文件密点标注方法 | |
Ma | Construction of University Comprehensive Budget Management Information System Based on Big Data and Cloud Platform | |
Zhu | A Study on the Method of Press Freedom Value Assessment Based on Artificial Neural Network | |
CN111552718B (zh) | 包含过程信息的交互式智慧电力审计方法 | |
CN107944003A (zh) | 一种古诗词收集和数据分析方法 | |
CN112712177A (zh) | 一种基于协同处理的知识工程方法与装置 | |
CN118296326A (zh) | 一种工业互联网大数据分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200501 |
|
WD01 | Invention patent application deemed withdrawn after publication |