JP2006065837A - 外向き通信が特定の内容を含む時を検出する方法およびシステム - Google Patents

Abstract

【課題】 外向きの通信が秘密情報または他のターゲット情報を含むかどうかを検出する。
【解決手段】 外向きの通信が秘密情報または他のターゲット情報を含むかどうかを検出するための方法およびシステムを提供する。検出システムに、「秘密文書」（ｃｏｎｆｉｄｅｎｔｉａｌ ｄｏｃｕｍｅｎｔｓ）と呼ぶ、秘密情報を含む文書の集まりを与える。検出システムは、外向きの通信を与えると、外向きの通信の内容を秘密文書の内容と比較する。外向きの通信が秘密情報を含む場合、検出システムは、その外向きの通信が組織外に送られるのを妨げることができる。検出システムは、秘密情報の検出を、外向きの通信の内容と秘密情報を含むことが知られている秘密文書の内容の間の類似度に基づいて行う。
【選択図】 図１

Description

ここに記載する技術は、一般には、文書が類似の内容を有する時を検出することに関し、詳細には、外向き（outgoing）通信が特定の内容を含む時を検出することに関する。

多くの組織で、そのような企業それぞれの運営の成功に取って重要な、秘密の（ｃｏｎｆｉｄｅｎｔｉａｌ）、営業秘密の（ｔｒａｄｅ ｓｅｃｒｅｔ）、財産権の対象となる（ｐｒｏｒｉｅｔａｒｙ）、および他の情報が作られている。多くの場合に、組織がこの情報を組織外に開示しないようにすることは、非常に重要である。そのような情報が組織外に開示された場合、その情報は無価値になる可能性があり、または組織にとってかなりの損害になることになる。たとえば、メーカ企業では、ある製品の次期バージョンに組み込む機能のリストを作っている可能性がある。競争相手がその機能のリストを次のバージョンがリリースされる前に確認した場合、競争相手は、その情報を自分たちの競争に有利なように使用できる恐れがある。別の例として、組織では、組織の何らかの規則に違反した従業員に対して、内部的な懲罰処置を取る必要があることがある。違反が公になった場合、それはその組織にとって対外的な問題（ｐｕｂｌｉｃ ｒｅｌａｔｉｏｎ ｐｒｏｂｌｅｍ）になる可能性がある。秘密の情報が不適切に開示されてしまうことがないように、多くの組織で、そのような開示が起きないようにするための広範囲な措置が実施されている。たとえば、一部の企業では、従業員とともにトレーニングセッションを実施して、従業員が営業秘密の秘密性を維持することの重要性を理解し、従業員が営業秘密を含む文書をすべて「秘密」（ｃｏｎｆｉｄｅｎｔｉａｌ）などの表示を付けることを知っているようにさせている。

電子的な通信により、組織の従業員は効率よく生産的に通信できるようになったが、また、電子的な通信により、秘密情報が組織外に容易に、急速に拡がる可能性も生じた。たとえば、設計チームのリーダーが、ある製品の次期バージョンの新機能を箇条書きにした電子メールメッセージをチームのメンバーに送った場合、チームのメンバーはだれもが、そのメッセージをその企業の他の従業員に、または競争相手の従業員にさえ、転送することができる。そのように秘密情報を競争相手の従業員に配布することは、不慮のこともあり故意のこともある。たとえば、ある従業員が、新機能を箇条書きにした電子メールメッセージを、その企業のマーケティングチームのメンバー７人に送ろうとしたとする。その従業員は、その電子メールメッセージを転送するときに、意図した受信者の部分的な名前を入力する可能性がある。しかし、意図した受信者が、競争相手の従業員に似た名前をもっていた場合、電子メールプログラムでは、その部分的な名前が競争相手の従業員の電子メールアドレスへと解決（ｒｅｓｏｌｖｅ）されるかもしれない。開示が不慮の場合でさえ、企業はそれでも深刻な損害を受けるのである。従業員が、故意に、秘密情報を伴う電子メールメッセージを、そのような情報を受け取ることが認可されていない誰かに転送するときには、それはさらに問題となる。そのような場合、従業員は、情報の秘密としての性質を、たとえば、秘密性の告知（ｎｏｔｉｆｉｃａｔｉｏｎ）（たとえば、「この文書にはＴｈｅ Ａｃｍｅ Ｃｏｍｐａｎｙの秘密、財産権の対象、および営業秘密となる情報が含まれています。」）をその電子メールメッセージから取り除くことによって、隠そうと試みるかもしれない。しかも、秘密情報の認可されていない開示は、電子メールメッセージに限らない。認可されていない開示は、電子的な通信の他の形を取ることができる。たとえば、従業員は、秘密情報の開示を、インターネットのＮｅｗｓおよびディスカッショングループ、インスタントメッセージングシステム、電子メールメッセージへの添付（ａｔｔａｃｈｍｅｎｔｓ）、プレスリリース、電子的プレゼンテーション、パブリッシュされる論文などによって行う可能性がある。

一部の電子メールシステムには、電子メールメッセージが不適切な内容を含まないようにするための、電子メールメッセージのフィルタリングを可能にする機能がある。たとえば、そのようなシステムでは、外向きのメッセージに対して、「ｐｒｏｐｒｉｅｔａｒｙ」（財産権の対象となる）、「ｃｏｎｆｉｄｅｎｔｉａｌ」（秘密の）、または「ｔｒａｄｅ ｓｅｃｒｅｔ」（営業秘密の）という単語などの秘密情報の表示があるかどうかのスキャンを行うことができる。あるメッセージ中にそのような単語が見つかった場合、システムは、そのメッセージの送信を禁止することができる。しかし、秘密情報を含む電子メールメッセージがすべてそのような単語を含むわけではない。たとえば、設計チームの従業員は、電子メールメッセージを互いに頻繁に送って、新しい着想についての非公式なフィードバックを得るかもしれない。そのような場合、電子メールメッセージは、通常、秘密性の告知を含んではいない。さらに、秘密情報を故意に競争相手へと送ろうとする従業員は、そのようなシステムによる検出を、そのような単語をメッセージから転送前に取り除くことによって、容易に回避することが可能である。

電子メールメッセージ中の、またより一般にどのような外向きの通信（たとえば、パブリッシュ（ｐｕｂｌｉｃａｔｉｏｎ）、ｎｅｗｓグループへの投稿（ｐｏｓｔｉｎｇ）、および電子メールへの添付）の中の秘密情報の存在を、確実に検出できるようなシステムがあることが望ましいと言える。電子メールメッセージの場合、そのようなシステムでは、ある従業員が、オリジナルの電子メールメッセージをどのような変更もなしに単に転送する、オリジナルの電子メールメッセージの部分を新しい電子メールメッセージの中へとカットアンドペーストする、オリジナルの電子メールメッセージの部分にコメントを追加して転送する、オリジナルの電子メールメッセージの内容を変更するなどすると検出が可能であるべきである。しかも、１つの組織で生成される可能性のある電子メールメッセージの量を考えると、そのようなシステムでは、電子メールメッセージ中のそのような秘密情報の検出を、送付を顕著に遅延させることなく、そのような検出のサポートのための追加のハードウェアおよびソフトウェアへの顕著な投資を必要とせずに、迅速に行えることが望ましいと言える。

いくつかの文献に上述のような従来の技術に関連した技術内容が開示されている（例えば、非特許文献１参照）。

DUMAIS、SUSAN他、"Inductive Learning Algorithms and Representations for Text Categorization."、Proceeding of the Seventh Int'l Conference on information and Knowledge Management、p.148-155、November 02-07、1998、Bethesda、Md(8pages)

従来のシステムには上述したような種々の問題があり、さらなる改善が望まれている。

本発明は、このような状況に鑑みてなされたもので、その目的とするところは、外向きの通信が秘密情報または他のターゲット情報を含むかどうかを検出する、外向き通信が特定の内容を含む時を検出する方法およびシステムを提供することにある。

ある通信が、ターゲット文書の内容に類似の内容を含むかどうかを識別するためのコンピュータベースの方法およびシステムを提供する。

システムでは、候補文書を、ある通信のキーワードに類似のキーワードを含むターゲット文書として識別する。次いで、システムは、候補文書をその通信と比較して、その通信が候補文書に類似の内容を含むかどうかを判定する。その通信が、候補文書に類似の内容を含む電子メールメッセージなどの外向きの通信であるとき、システムは、その外向きの通信の送付を抑制することができる。

以下、図面を参照して本発明を適用できる実施形態を詳細に説明する。

外向きの通信が秘密情報または他のターゲット情報を含むかどうかを検出するための方法およびシステムを提供する。一実施形態では、検出システムに、「秘密文書」（ｃｏｎｆｉｄｅｎｔｉａｌ ｄｏｃｕｍｅｎｔｓ）と呼ぶ、秘密情報を含む文書の集まりを与える。たとえば、外向きの通信が電子メールメッセージであるときには、秘密文書は、それまでに送られた、秘密情報を含む電子メールメッセージとすることができる。検出システムは、外向きの通信を与えると、外向きの通信の内容を秘密文書の内容と比較する。その比較から、外向きの通信が秘密情報を含むことが示された場合、検出システムは、その外向きの通信が組織外に送られるのを妨げることができる。たとえば、検出システムは、ある組織の内部の電子メールユーザと外部の電子メールユーザの間の電子メールゲートウェイとして実装することができる。このようにして、検出システムは、秘密情報の検出を、外向きの通信の内容と秘密情報を含むことが知られている秘密文書の内容の間の類似度に基づいて行い、容易に取り除くことの可能な秘密性の告知を利用する必要はない。

ある組織の従業員は、数十万通の電子メールメッセージを組織外に毎日送る可能性があり、組織は数千点の秘密文書を有する可能性がある以上、外向きの通信それぞれの文それぞれを秘密文書それぞれの文それぞれと単に比較するのは実際的でない可能性がある。実際、比較の計算の複雑さは、Ｎを秘密文書の数、Ｍを外向きの通信の数として、Ｏ（Ｎ×Ｍ）である。一実施形態では、検出システムは、秘密文書の整理を様々な補助的なデータ構造を用いて行って、外向きの通信の中の秘密情報を素早く識別できるようにしている。検出システムは、秘密文書のキーワードを、そのキーワードを含む秘密文書へとマッピングするインデックスを生成することができる。たとえば、いくつかの秘密文書が、「ｎｅｗ ｐｒｏｄｕｃｔ ｒｅｌｅａｓｅ」（新製品のリリース）というフレーズを含んでいる可能性がある。そのような場合には、「ｎｅｗ」、「ｐｒｏｄｕｃｔ」、および「ｒｅｌｅａｓｅ」というキーワードを、その秘密文書のそれぞれにマッピングすることができる。検出システムは、外向きの通信を受け取ると、外向きの通信のキーワードの識別を行う。次いで、検出システムは、キーワードインデックスを使用して、どの秘密文書が類似のキーワードを含んでいるかを識別することが可能である。たとえば、検出システムは、かなりの数のキーワードを外向きの通信と共通に有する秘密文書を選択することができる。次いで、検出システムは、外向きの通信の内容を、「候補文書」とも呼ぶ、識別した秘密文書と比較して、外向きの通信が実際に秘密情報を含んでいるかどうかを判定する。たとえば、外向きの通信が、「ｎｅｗ」、「ｐｒｏｄｕｃｔ」、および「ｒｅｌｅａｓｅ」というキーワードを含んでいるが、各キーワードは異なる文の中で使用されている場合、検出システムは、「ｎｅｗ ｐｒｏｄｕｃｔ ｒｅｌｅａｓｅ」というフレーズを含むいくつかの秘密文書を識別することができる。しかし、検出システムでは、外向きの通信の内容を候補文書の実際の内容と比較すると、類似性は検出されず、したがってその外向きの通信の送信は許されることになる。検出システムは、文書内部でキーワードを識別する様々な技法を使用することができる。たとえば、検出システムでは、ＴＦ＊ＩＤＦ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ ｂｙ ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ、検索語頻度と逆ドキュメント頻度の積）尺度をキーワードの識別のために使用することができる。他の尺度も使用できることが、当業者には理解されよう。たとえば、検出システムは、ある文書中のある単語が与えられたときその強調（たとえば、フォントの大きさ、フォントの太さ（ｆｏｎｔ ｗｅｉｇｈｔ）、および下線）、ある文書のメタデータ（たとえば、キーワード属性、要約属性、およびタイトル属性）、などを考えに入れることができる。検出システムは、キーワードインデックスを使用することにより、秘密文書を、効率的に、さらに比較を行うための１組の候補文書に絞ることが可能である。

一実施形態では、検出システムは、どの候補文書が外向きの通信に類似しているかを識別する手助けとして、ハッシュテーブルなどの補助的なデータ構造を使用することができる。検出システムは、文ごとに導出したハッシュコードを、それらの文を含む秘密文書へとマッピングする文ハッシュテーブルを生成することができる。検出システムでは、文ハッシュテーブルの生成は、文ごとにハッシュコードを生成するためのハッシュ関数を秘密文書の文それぞれに適用することによって行う。次いで、検出システムは、ハッシュコードの、秘密文書の範囲内の対応する文へのマッピングを保存する。検出システムは、外向きの通信に関する候補文書の識別後に、外向きの通信の文に対するハッシュコードを生成する。検出システムは、生成されたハッシュコードを使用して、どの候補文書が、ハッシュコードが同じ文を含むかを識別する。次いで、検出システムは、識別した文を、外向きの通信の対応する文と比較して、それらがマッチする（すなわち、厳密にマッチするか、または類似している）かどうかを判定する。マッチングの程度（たとえば、外向きの通信の文が秘密文書の文とマッチした回数）に応じて、検出システムは、その外向きの通信が秘密情報を含むものとしてフラグを立てることができる。外向きの通信のプロセスを速めるために、検出システムは、秘密文書および外向きの通信の「キー文」だけを分析することができる。キー文は、たとえば、パラグラフの見出しの文（ｔｏｐｉｃ ｓｅｎｔｅｎｃｅ）に対応するものとすることができる。

一実施形態では、検出システムは、どの候補文書が外向きの通信に類似しているかを識別する手助けとして、キーワード−文インデックスなどの別の補助的なデータ構造を使用することができる。検出システムは、秘密文書のキーワードを、それらのキーワードを含む秘密文書の内部の文にマッピングするキーワード−文インデックスを生成することができる。検出システムは、候補文書の識別後に、キーワード−文インデックスを使用して、外向きの通信の文それぞれと候補文書の文それぞれの間の類似度を計算することができる。検出システムは、コサイン類似度（ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ）や編集距離（ｅｄｉｔ ｄｉｓｔａｎｃｅ）などの様々な類似度尺度のどのようなものも使用することができる。類似度の程度（たとえば、外向きの通信の文に類似の秘密文書の文の数）に応じて、検出システムは、その外向きの通信が秘密情報を含むものとしてフラグを立てることができる。

一実施形態では、検出システムの分析が、あらゆる文に対して行われるのではなく、秘密文書および外向きの通信の「キー文」に基づいている。「キー文」とは、ある秘密文書、または、ある秘密文書の内部のあるパラグラフのキーとなる観念を表す文である。検出システムは、ある文書のキー文を様々な仕方で識別することができる。検出システムは、あるパラグラフの各文の、そのパラグラフに対する類似度を計算することができる。パラグラフに対して最も類似度の高い文を、パラグラフの秘密情報を代表し、したがってパラグラフの最も重要な文である、そのパラグラフのキー文と考えることができる。類似度の計算のために、検出システムは、パラグラフおよび各文を、そのキーワードで表すことができる。次いで、検出システムは、各文のキーワードの、パラグラフのキーワードに対する類似度を計算する。検出システムは、最も類似度の高い文を、キー文として選択する。あるいは、検出システムは、キー文の識別を、文のパラグラフに対する重要度を計算するための、ＴＦ＊ＩＳＦ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ ｂｙ ｉｎｖｅｒｓｅ ｓｅｎｔｅｎｃｅ ｆｒｅｑｕｅｎｃｙ）尺度を用いて行うことができる。ＩＳＦ（ｉｎｖｅｒｓｅ ｓｅｎｔｅｎｃｅ ｆｒｅｑｕｅｎｃｙ）は、ＩＤＦ（ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ、逆ドキュメント頻度）と同様に、文書内の文の数を、その語を含む文の数で割ったものを反映している。検出システムは、ある単語のある文に対する重要度の計算を、その文の内部のその単語の生起の数に、その文の、文の頻度の逆数を掛けることによって行う。次いで、検出システムは、各文の重要度を、その文の内部の単語の重要度の平均値に設定する。検出システムは、最も重要度が高い文を、キー文として選択する。キー文を、パラグラフ１つずつでではなく、重要度全体またはある文の文書に対する類似度から導出することが可能であることが、当業者には理解されよう。

一実施形態では、検出システムは、文書の秘密文書の集まり（ｃｏｌｌｅｃｔｉｏｎ）への追加を、様々な手法で行うことができる。検出システムは、管理者が秘密文書を集まりへと提出できるユーザインタフェースを提供することができる。さらに、検出システムは、文書のコーパスを分析し、どの文書に秘密性の告知（ｎｏｔｉｃｅ）があるかを検出することの可能なサブシステムを有することができる。たとえば、目安（ｉｎｄｉｃａｔｉｏｎ）を、文書のフッタ（ｆｏｏｔｅｒ）またはヘッダ内の「ｃｏｎｆｉｄｅｎｔｉａｌ」（秘密の）という単語とすることができる。

この検出システムを使用すると、電子メールシステムを介して送られる秘密情報を検出するほかに、様々な環境で類似の内容を検出できることが、当業者には理解されよう。この検出システムを使用すると、類似の内容の検出を、ｎｅｗｓおよびディスカッショングループへの投稿、インスタントメッセージ、電子メールへの添付、プレスリリース、電子的プレゼンテーション、パブリッシュされる論文、音声通信システムの配信するメッセージ、Ｗｅｂページなど、どのようなタイプの内向きおよび外向きの通信においても行うことができる。Ｗｅｂベースのディスカッショングループへの投稿の場合には、検出システムをＷｅｂブラウザと統合することができる。また、この検出システムは、通信の内容を適切に復号および暗号化するように実装することができる。また、この検出システムは、どのようなタイプのターゲット情報の識別にも使用することが可能であり、電子メールメッセージの秘密情報に限定されるものではない。ターゲット情報を使用すると、どのようなタイプの電子メールメッセージを従業員が送っているかが監視できるはずである。たとえば、このターゲット情報を、スケジュールを行うためのメッセージ、個人的なメッセージ、問題を報告するメッセージ、ヘルプ用メッセージなど、従業員の送る典型的なメッセージに相当するテンプレートの電子メールメッセージの集まりとすることができる。この検出システムを使用すると、アクセスされたＷｅｂページが望ましくない内容を含むかどうかを検出することが可能である。

図１は、一実施形態における検出システムのコンポーネントを示す構成図である。検出システム１００は、文書ストアデータ構造１０１〜１０３、「データ構造を初期化する」コンポーネント１１１〜１１３、および検出コンポーネント１２１〜１２４を含む。文書ストアデータ構造は、秘密文書ストア１０１、キーワードインデックス１０２、および文ハッシュテーブル１０３を含む。検出システムは、秘密文書を、秘密文書ストアに入れる前に処理することができる。たとえば、電子メールメッセージの場合、検出システムは、Ｆｒｏｍ：、Ｔｏ：、およびＳｕｂｊｅｃｔ：情報を取り除き、内容から挨拶および結びの部分を取り除くことができる。また、検出システムは、残りの内容の正規化（ｎｏｒｍａｌｉｚｅ）を、大文字を使用しない、単語の内部の非英数字キャラクタを調整する（たとえば、「ｎ＊ｗ ｄ＊ｓｉｇｎ」）など、様々な手法で行い、秘密情報を不明瞭にしようとする送信者の試みに対抗する他の調整を行うことができる。キーワードインデックスは、秘密文書のキーワードを、それらのキーワードを含む秘密文書へとマッピングする。一実施形態では、キーワードインデックスは、また、キーワードを含む秘密文書それぞれの内部で文を識別することができる。あるいは、文書ストアデータ構造は、キーワードを、それらのキーワードを含む秘密文書のキー文へとマッピングする、キーワード／キー文インデックスを含む。文ハッシュテーブルは、文（たとえば、キー文）のハッシュコードを、それらの文を含む秘密文書へとマッピングする。「データ構造を初期化する」コンポーネントは、「キーワードインデックスを作成する」コンポーネント１１１、「文ハッシュテーブルを作成する」コンポーネント１１２、および「キー文を識別する」コンポーネント１１３を含む。「キーワードインデックスを作成する」コンポーネントは、秘密文書ストアの文書に対してキーワードインデックスを作成する。「キーワードインデックスを作成する」コンポーネントは、キーワードの識別を、ＴＦ＊ＩＤＦ尺度に基づいて行うことができる。「文ハッシュテーブルを作成する」コンポーネントは、文ハッシュテーブルを初期化して、キー文に関するハッシュコードを秘密文書の内部の文にマッピングする。「文ハッシュテーブルを作成する」コンポーネントは、「キー文を識別する」コンポーネントを呼び出して、キー文を識別する。検出コンポーネントは、「マッチングを検出する」コンポーネント１２１を含み、これが、「候補文書を選択する」コンポーネント１２２、「厳密なマッチングをカウントする」コンポーネント１２３、および「ファジーなマッチングをカウントする」コンポーネント１２４を呼び出す。「マッチングを検出する」コンポーネントは、まず、「候補文書を選択する」コンポーネントを呼び出して、外向きの通信に類似している可能性のある候補文書を識別する。次いで、「マッチングを検出する」コンポーネントは、「厳密なマッチングをカウントする」を呼び出して、候補文書の文が外向きの通信の文とマッチするかどうかを判定する。そうである場合、マッチングの程度に応じて、「マッチングを見つける」コンポーネントは、外向きの通信が秘密情報を含んでいることを示す。厳密なマッチングの程度が秘密情報を示すには不十分である場合、「マッチングを検出する」コンポーネントは、「ファジーなマッチングをカウントする」コンポーネントを呼び出して、外向きの通信の文が候補文書の文に類似している（たとえば、厳密なマッチングではなく、ファジーなマッチング）かどうかを識別する。そうである場合、類似度の程度に応じて、「マッチングを検出する」コンポーネントは、外向きの通信が秘密情報を含んでいることを示す。検出システムの実装では、「マッチングを検出する」コンポーネントの様々な組み合わせを使用することが可能であることが、当業者には理解されよう。たとえば、検出システムは、「候補文書を選択する」コンポーネントおよび「ファジーなマッチングをカウントする」コンポーネントを使用し、「厳密なマッチングをカウントする」コンポーネントを使用しないようにすることができる。また、検出システムは、適切な動作を取る（たとえば、セキュリティ要員に通知し、外向きの通信の送信を抑制する）ことが可能なように、マッチングの程度の評価（たとえば、極めてありそうである（ｅｘｔｒｅｍｅ ｌｉｋｅｌｙ）、かなりありそうである（ｈｉｇｈｌｙ ｌｉｋｅｌｙ）、ありそうである（ｌｉｋｅｌｙ）、およびありそうにない（ｕｎｌｉｋｅｌｙ））を提供することができる。外向きの通信を、定義する１組の受信者の外部に送られるどのような通信にも対応させられることが、当業者には理解されよう。また、検出システムは、ターゲット情報を、異なる懸念のレベル（たとえば、極めて秘密性のある（ｅｘｔｒｅｍｅｌｙ ｃｏｎｆｉｄｅｎｔｉａｌ）、かなり秘密性のある（ｈｉｇｈｌｙ ｃｏｎｆｉｄｅｎｔｉａｌ）、および秘密性のある（ｃｏｎｆｉｄｅｎｔｉａｌ））へと分離することができる。検出システムは、懸念のレベルの異なる通信を受け取ることが認可されている受信者の異なる組を定義することができる。

検出システムを実装するコンピューティング装置は、中央処理装置、メモリ、入力装置（たとえば、キーボードおよびポインティングデバイス）、出力装置（たとえば、ディスプレイ装置）、およびストレージ装置（たとえば、ディスク装置）を含むことができる。メモリおよびストレージ装置は、検出システムを実装する命令を含むことのできるコンピュータ可読媒体である。さらに、データ構造およびメッセージ構造は、保存し、通信リンク上の信号などのデータ伝送媒体を介して送信することができる。インターネット、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ、構内通信網）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ、広域通信網）、ポイントツーポイントのダイアルアップ接続など、様々な通信リンクを使用することができる。

検出システムの実装は、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルド装置またはラップトップ装置、マルチプロセッサシステム、マイクロプロセッサベースのシステム、プログラム可能な家電製品（ｃｏｎｓｕｍｅｒ ｅｌｅｃｔｒｏｎｉｃｓ）、ネットワークＰＣ（personal computer）、ミニコンピュータ、メインフレームコンピュータ、上のシステムまたは装置のどのようなものも含む分散コンピューティング環境などを含む、様々な動作環境で行うことができる。

検出システムは、１つまたは複数のコンピュータまたは他の装置の実行する、プログラムモジュールなどのコンピュータ実行可能命令の一般的な状況で説明することができる。一般に、プログラムモジュールは、特定のタスクを実現しまたは特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造を含む。通常、プログラムモジュールの機能は、様々な実施形態で、希望通りに組み合わせまたは分散させることができる。

図２は、一実施形態における図１の検出システムのデータ構造を示す構成図である。キーワードインデックス２０１および文ハッシュテーブル２１１は、キーワードおよび文を、秘密文書ストア（すなわち、ターゲット情報ストア）の秘密文書２５０へとマッピングする。１つのキーワードインデックスは、秘密文書のキーワードごとの１つのエントリ２０２を含んでいる。各エントリは、そのキーワードを含む文書ごとにサブエントリ２０３を含む。一実施形態では、キーワードインデックスは、また、キーワードをそのキーワードを含む秘密文書のキー文にマッピングする補助的なデータ構造を含むことができる。文ハッシュテーブルは、文ハッシュコードごとにエントリ２１２を含む。各エントリは、その文ハッシュコードに対応する文書の内部の特定の文にマッピングされるサブエントリ２１３を含むことができる。たとえば、２つの秘密文書が同じキー文を含む場合、これら２つの文に対する文ハッシュコードは同じになるはずである。さらに、ハッシュ関数は、２つの異なる文を同じハッシュコードへとマッピングすることができる。したがって、サブエントリは、一連の衝突しているハッシュコードを表している。キーワードインデックスおよび文ハッシュコードの実装は、配列、２分木、リンクリスト、ハッシュテーブルなどの様々なデータ構造の技法を用いて行うことができ、ここに示したデータ構造は、検出システムのデータの１つの可能な論理的な編成を表すものであることが、当業者には理解されよう。

図３は、一実施形態における「キーワードインデックスを作成する」コンポーネントの処理を示す流れ図である。このコンポーネントは、ＩＤＦ尺度を、秘密文書の単語ごとに生成し、次いで、各単語の、その文書に対する重要度の計算を、ＴＦ＊ＩＤＦ尺度を用いて行う。次いで、このコンポーネントは、各文書の最も重要な単語をその文書のキーワードとして選択し、キーワードごとの対応するエントリをキーワードインデックスに追加する。ブロック３０１で、このコンポーネントは、各文書内の各単語の数を示す文書×単語の行列（ｄｏｃｕｍｅｎｔ−ｂｙ−ｗｏｒｄ ｍａｔｒｉｘ）を作成する。このコンポーネントでは、ＩＤＦおよびＴＦ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ、検索語頻度）を、この行列から導出する。ブロック３０２〜３０４で、このコンポーネントは秘密文書の内部の単語ごとのＩＤＦを計算しながら、ループする。このコンポーネントでは、文書中のストップ語（ｓｔｏｐ ｗｏｒｄ）（たとえば、「ａｎｄ」、「ｔｈｅ」、および「ａ」）を無視することができる。ブロック３０２で、このコンポーネントは、秘密文書の次の単語を選択する。判定ブロック３０３で、秘密文書の単語をすべて、すでに選択していた場合は、このコンポーネントは、ブロック３０５へと続き、そうでない場合は、このコンポーネントはブロック３０４へと続く。ブロック３０４で、このコンポーネントは、選択した単語に対するＩＤＦを秘密文書の数を、選択した単語を含む秘密文書の数で割ったものの対数として計算する。次いで、このコンポーネントは、ブロック３０２へとループして、秘密文書の次の単語を選択する。ブロック３０５〜３１１で、このコンポーネントは、文書それぞれを選択し、その文書の内部の各単語の、文書に対する重要度を計算しながらループする。ブロック３０５で、このコンポーネントは、次の秘密文書を選択する。判定ブロック３０６で、秘密文書をすべて、すでに選択していた場合は、このコンポーネントは完了し、そうでない場合は、このコンポーネントはブロック３０７へと続く。ブロック３０７で、このコンポーネントは、選択した秘密文書の次の単語を選択する。判定ブロック３０８で、選択した秘密文書の単語をすべて、すでに選択していた場合は、このコンポーネントは、ブロック３０５へとループして、次の秘密文書を選択し、そうでない場合は、このコンポーネントはブロック３０９へと続く。ブロック３０９で、このコンポーネントは、選択した単語の、選択した秘密文書に対する重要度を、選択した単語に関する、ＴＦ（すなわち、選択した秘密文書の内部の選択した単語の生起の数）＊ＩＤＦの積として計算する。ある単語のある文書に対する重要度の計算は、異なる多くの手法で行うことが可能であることが、当業者には理解されよう。たとえば、ＴＦ＊ＩＤＦ尺度を、１つの文書の内部の単語の総数を説明する（ａｃｃｏｕｎｔ ｆｏｒ）ように正規化することができる。判定ブロック３１０で、重要度がしきい値の重要度より大きい場合は、このコンポーネントはブロック３１１へと続き、そうでない場合は、このコンポーネントはブロック３０７へと続いて、選択した文書の次の単語を選択する。ブロック３１１で、このコンポーネントは、選択した単語を選択した文書へとマッピングするキーワードインデックスにエントリを１つ追加する。また、このエントリは、ある秘密文書のある文がある外向きの通信のある文に類似しているかどうかを判定するときに使用する計算した重要度を含むこともできる。次いで、このコンポーネントは、ブロック３０７へとループして、選択した秘密文書の次のキーワードを選択する。

図４は、一実施形態における「文ハッシュテーブルを作成する」コンポーネントの処理を示す流れ図である。このコンポーネントは、秘密文書のキー文ごとに、文ハッシュテーブルにエントリ１つを追加する。ブロック４０１で、このコンポーネントは、次の秘密文書を選択する。判定ブロック４０２で、秘密文書をすべて、すでに選択していた場合は、このコンポーネントは戻り、そうでない場合は、ブロック４０３へと続く。ブロック４０３で、このコンポーネントは、選択した文書の次のパラグラフを選択する。判定ブロック４０４で、選択した文書のパラグラフをすべて、すでに選択していた場合は、このコンポーネントはブロック４０１へとループして、次の秘密文書を選択し、そうでない場合は、このコンポーネントはブロック４０５へと続く。ブロック４０５で、このコンポーネントは、「キー文を識別する」コンポーネントを、選択したパラグラフを渡して呼び出す。呼び出したコンポーネントは、渡したパラグラフのキー文の標示を返す。ブロック４０６で、このコンポーネントは、ハッシュ関数を呼び出してそのキー文に対するハッシュコードを生成し、次いで、識別したキー文に対する文ハッシュテーブルにエントリ１つを追加する。ハッシュを行う様々な関数を使用することが可能であることが、当業者には理解されよう。たとえば、あるハッシュ関数では、ハッシュコードを、ある文の各キーワードの最初の文字（ｌｅｔｔｅｒ）から生成することもできる。次いで、このコンポーネントは、ブロック４０３へとループして、選択した文書の次のパラグラフを選択する。キー文の導出を、パラグラフ１つずつでではなく、キー文の、資格のある（ｅｎｔｉｔｌｅｄ）文書に対する類似度に基づいて行えることが、当業者には理解されよう。

図５は、一実施形態における、文のキーワードの、パラグラフのキーワードに対する類似度に基づく「キーとなる文を識別する」コンポーネントの処理を示す流れ図である。このコンポーネントは、各文のキーワードとパラグラフのキーワードの間の類似度を計算する。次いで、このコンポーネントは、キーワードが最もパラグラフのキーワードに類似している文を、そのパラグラフのキー文として選択する。ブロック５０１で、このコンポーネントは、パラグラフの内部の各キーワードの生起の数をリストするキーワード配列を作成する。ブロック５０２で、このコンポーネントは、パラグラフの各文の内部の各キーワードの生起の数を示す文×キーワードの行列（ｓｅｎｔｅｎｃｅ−ｂｙ−ｋｅｙｗｏｒｄ ｍａｔｒｉｘ）を作成する。ブロック５０３〜５０５で、このコンポーネントは、各文のパラグラフに対する類似度を計算しながら、ループする。ブロック５０３で、このコンポーネントは、パラグラフの次の文を選択する。判定ブロック５０４で、文をすべて、すでに選択していた場合は、このコンポーネントはブロック５０６へと続き、そうでない場合は、このコンポーネントはブロック５０５へと続く。ブロック５０５で、このコンポーネントは、選択した文のパラグラフに対する類似度を計算する。一実施形態では、このコンポーネントは、類似度を、行列と配列の示している、選択した文とパラグラフの間で共通のキーワードの重要度の積の和として計算することができる。次いで、このコンポーネントは、ブロック５０３へとループして、パラグラフの次の文を選択する。ブロック５０６で、このコンポーネントは、パラグラフに対する類似度が最大の文を選択する。次いで、このコンポーネントは戻る。一実施形態では、このコンポーネントは、１つのパラグラフの複数のキー文を識別することができる。このコンポーネントは、第１のキー文を識別した後、パラグラフのキーワードからそのキー文のキーワードを取り除き、残りの文に関する類似度の計算を繰り返し、次いで、それらの類似度のうちで最大のものを有する文を、また別のキー文として選択することができる。このコンポーネントは、この処理を、所望の数のキー文を識別するまで繰り返すことができる。

図６は、一実施形態における、ＩＳＦ（ｉｎｖｅｒｓｅ ｓｅｎｔｅｎｃｅ ｆｒｅｑｕｅｎｃｙ）に基づく「キー文を識別する」コンポーネントの処理を示す流れ図である。図５および図６は、したがって、キー文を識別する代替手法に相当している。キー文の識別には、どちらかの手法、または手法の組み合わせを使用できるはずであることが、当業者には理解されよう。このコンポーネントは、各キーワードのＩＳＦを計算する。次いで、このコンポーネントは、ＴＦ＊ＩＳＦ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ ｂｙ ｉｎｖｅｒｓｅ ｓｅｎｔｅｎｃｅ ｆｒｅｑｕｅｎｃｙ）尺度などの重要度を、文それぞれの単語それぞれに対して計算する。次いで、このコンポーネントは、文の重要度を、文のキーワードの重要度の和をとることによって計算する。最も重要度の高い文を、パラグラフのキー文と考える。ブロック６０１で、このコンポーネントは、文×キーワードの行列を作成する。ブロック６０２〜６０４で、このコンポーネントは、パラグラフのキーワードを選択し、そのＩＳＦを計算しながら、ループする。ブロック６０２で、このコンポーネントは、パラグラフの次のキーワードを選択する。判定ブロック６０３で、パラグラフのキーワードをすべて、すでに選択していた場合は、このコンポーネントはブロック６０５へと続き、そうでない場合は、このコンポーネントはブロック６０４へと続く。ブロック６０４で、このコンポーネントは、選択したキーワードに関するＩＳＦを、パラグラフの内部の文の数を、選択したキーワードを含むパラグラフの内部の文の数で割ったものの対数として計算する。ブロック６０５〜６１０で、このコンポーネントは、文それぞれのパラグラフに対する重要度を計算しながら、ループする。ブロック６０５で、このコンポーネントは、パラグラフの次の文を選択する。判定ブロック６０６で、文をすべて、すでに選択していた場合は、このコンポーネントはブロック６１１へと続き、そうでない場合は、このコンポーネントはブロック６０７へと続く。ブロック６０７で、このコンポーネントは、選択した文の次のキーワードを選択する。判定ブロック６０８で、選択した文のキーワードをすべて、すでに選択していた場合は、このコンポーネントはブロック６１０へと続き、そうでない場合は、このコンポーネントはブロック６０９へと続く。ブロック６０９で、このコンポーネントは、選択したキーワードの、選択した文に対する重要度を、その文の内部のキーワードの生起の数×その文の、ＩＳＦとして計算する。次いで、このコンポーネントは、ブロック６０７へとループして、選択した文の次のキーワードを選択する。ブロック６１０で、このコンポーネントは、選択した文のパラグラフに対する重要度を、選択した文のキーワードの重要度を選択した文内のキーワードの数で割ったものの和を取ることによって計算する（すなわち、平均のキーワード重要度）。次いで、このコンポーネントは、ブロック６０５へとループして、次の文を選択する。ブロック６１１で、このコンポーネントは、最も重要度が高い文をキー文として選択して、次いで、戻る。

図７は、一実施形態における「マッチングを検出する」コンポーネントの処理を示す流れ図である。ブロック７０１で、このコンポーネントは、「候補文書を選択する」コンポーネントを呼び出して、あるマッチングに対する候補文書を識別する。ブロック７０２で、このコンポーネントは、「厳密なマッチングをカウントする」コンポーネントを呼び出して、外向きの通信の文と秘密文書の文の間の厳密なマッチングの程度を識別する。判定ブロック７０３で、厳密なマッチングの程度が、あるしきい値を超えた場合は、このコンポーネントは厳密なマッチングを検出したという標示を返し、そうでない場合は、このコンポーネントはブロック７０４へと続く。ブロック７０４で、このコンポーネントは、「ファジーなマッチングをカウントする」コンポーネントを呼び出して、秘密文書の文と外向きの通信の文の間のファジーなマッチングの程度を識別する。判定ブロック７０５で、ファジーなマッチングの程度が、あるしきい値を超えた場合は、このコンポーネントはファジーなマッチングが見つかったという標示を返し、そうでない場合は、このコンポーネントはマッチングが見つからなかったという標示を返す。

図８は、一実施形態における「候補文書を選択する」コンポーネントの処理を示す流れ図である。このコンポーネントは、外向きの通信のキーワードを識別し、次いで、類似のキーワードを有する文書を、候補文書として識別する。ブロック８０１で、このコンポーネントは、外向きの通信の単語の単語配列を作成する。ブロック８０２〜８０４で、このコンポーネントは、外向きの通信の単語の重要度を計算しながら、ループする。ブロック８０２で、このコンポーネントは、外向きの通信の次の単語を選択する。判定ブロック８０３で、外向きの通信の単語をすべて、すでに選択していた場合は、このコンポーネントはブロック８０５へと続き、そうでない場合は、このコンポーネントはブロック８０４へと続く。ブロック８０４で、このコンポーネントは、選択した単語の重要度を、ＴＦ＊ＩＤＦ尺度を用いて計算し、ブロック８０２へとループして、次の単語を選択する。このＩＤＦは、秘密文書の内部のＩＤＦを表すことができる。ブロック８０５〜８０９で、このコンポーネントは、秘密文書をそれぞれ選択し、その秘密文書の外向きの通信に対する類似度を計算しながら、ループする。ブロック８０５で、このコンポーネントは、次の秘密文書を選択する。判定ブロック８０６で、秘密文書をすべて、すでに選択していた場合は、このコンポーネントは完了し、そうでない場合は、ブロック８０７へと続く。ブロック８０７で、このコンポーネントは、選択した秘密文書の、外向きの通信に対する類似度を、秘密文書と外向きの通信の間で共通なキーワードの重要度の積の和を取ることによって計算する。判定ブロック８０８で、類似度がしきい値の類似度を超えた場合、このコンポーネントはブロック８０９へと続き、そうでない場合、このコンポーネントはブロック８０５へとループして、次の秘密文書を選択する。ブロック８０９で、このコンポーネントは、選択した文書を候補文書として選択し、次いで、ブロック８０５へとループして、次の秘密文書を選択する。

図９は、一実施形態における「厳密なマッチングをカウントする」コンポーネントの処理を示す流れ図である。このコンポーネントは、外向きの通信の文が候補文書の内部の文にマッチする回数をカウントする。ブロック９０１で、このコンポーネントは、外向きの通信の次のパラグラフを選択する。ブロック９０２で、パラグラフをすべて、すでに選択していた場合は、このコンポーネントは戻り、そうでない場合は、このコンポーネントはブロック９０３へと続く。ブロック９０３で、このコンポーネントは、「キー文を識別する」コンポーネントを呼び出して、選択したパラグラフのキー文を識別する。ブロック９０４で、このコンポーネントは、ハッシュ関数を呼び出し、キー文に対するハッシュコードを生成する。次いで、このコンポーネントは、文ハッシュテーブルのハッシュ関数の値を経て参照されるエントリ（ｈａｓｈｅｄ−ｔｏ ｅｎｔｒｙ）の各サブエントリを検査して、キー文が候補文書の文とマッチするかどうかを判定する。このコンポーネントは、ハッシュ関数の値を経て参照される文（ｈａｓｈｅｄ−ｔｏ ｓｅｎｔｅｎｃｅ）それぞれに対して、単語１つずつの検査を行うことができる。判定ブロック９０５で、マッチングが見つかっていた場合は、このコンポーネントはブロック９０６へと続き、そうでない場合は、このコンポーネントはブロック９０１へとループして、外向きの通信の次のパラグラフを選択する。ブロック９０６で、このコンポーネントは、外向きの通信に関するマッチングカウントを、見つかったマッチングの数だけインクリメントする。次いで、このコンポーネントは、ブロック９０１へとループして、外向きの通信の次のパラグラフを選択する。

図１０は、一実施形態における「ファジーなマッチングをカウントする」コンポーネントの処理を示す流れ図である。ブロック１００１で、このコンポーネントは、外向きの通信の次のパラグラフを選択する。判定ブロック１００２で、パラグラフをすべて、すでに選択していた場合は、このコンポーネントは戻り、そうでない場合は、ブロック１００３へと続く。ブロック１００３で、このコンポーネントは、次の候補文書を選択する。判定ブロック１００４で、候補文書をすべて、すでに選択していた場合は、このコンポーネントはブロック１００１へとループして、外向きの通信の次のパラグラフを選択し、そうでない場合は、ブロック１００５へと続く。ブロック１００５で、選択した候補文書の次のキー文を選択する。ブロック１００６で、このコンポーネントは、選択した文の間のコサイン類似度（ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ）または編集距離（ｅｄｉｔ ｄｉｓｔａｎｃｅ）を計算する。判定ブロック１００７で、この類似度または距離があるしきい値を超えた場合は、このコンポーネントはブロック１００８へと続き、そうでない場合は、ブロック１００３へとループして、次の候補文書を選択する。ブロック１００８で、このコンポーネントは、外向きの通信に関する類似度カウントをインクリメントし、次いで、ブロック１００３へとループして、次の候補文書を選択する。

本明細書では、例示の目的で、検出システムの特定の実施形態を説明してきたが、様々な変更を、本発明の趣旨および範囲から逸脱することなく行えることが、当業者には理解されよう。したがって、添付の特許請求の範囲による場合を除き、本発明は制限を受けない。

一実施形態における検出システムのコンポーネントを示す構成図である。 一実施形態における図１の検出システムのデータ構造を示す構成図である。 一実施形態における「キーワードインデックスを作成する」コンポーネントの処理を示す流れ図である。 一実施形態における「文ハッシュテーブルを作成する」コンポーネントの処理を示す流れ図である。 一実施形態における、文のキーワードの、パラグラフのキーワードに対する類似度に基づく「キーとなる文を識別する」コンポーネントの処理を示す流れ図である。 一実施形態における、ＩＳＦ（ｉｎｖｅｒｓｅ ｓｅｎｔｅｎｃｅ ｆｒｅｑｕｅｎｃｙ）に基づく「キー文を識別する」コンポーネントの処理を示す流れ図である。 一実施形態における「マッチングを検出する」コンポーネントの処理を示す流れ図である。 一実施形態における「候補文書を選択する」コンポーネントの処理を示す流れ図である。 一実施形態における「厳密なマッチングをカウントする」コンポーネントの処理を示す流れ図である。 一実施形態における「ファジーなマッチングをカウントする」コンポーネントの処理を示す流れ図である。

符号の説明

１００ 検出システム
１０１、１０２、１０３ 文書ストアデータ構造
１１１、１１２、１１３ 「データ構造を初期化する」コンポーネント
１２１、１２２、１２３、１２４ 検出コンポーネント

Claims (50)

1. 外向きの通信が秘密情報を含むかどうかを識別するためのコンピュータシステムにおける方法であって、
   秘密情報を含む文書を与えるステップと、
   外向きの通信を受け取るステップと、
   受け取った前記外向きの通信が秘密情報を含むかどうかを判定するために、受け取った前記外向きの通信を与えた前記文書と比較するステップと
   を備えることを特徴とする方法。
2. 与えた前記文書および前記外向きの通信は、電子メールメッセージであることを特徴とする請求項１に記載の方法。
3. 前記コンピュータシステムは、電子メールサーバであることを特徴とする請求項２に記載の方法。
4. 受け取った前記外向きの通信が秘密情報を含むと判定したとき、受け取った前記外向きの通信の意図されている受信者への送付を抑制するステップを含むことを特徴とする請求項１に記載の方法。
5. キーワードを該キーワードを含む文書へとマッピングするキーワードインデックスを生成するステップを含み、前記比較するステップは、前記キーワードインデックスを使用して、受け取った前記外向きの通信のキーワードに基づいて候補文書を探すことを含むことを特徴とする請求項１に記載の方法。
6. 単語をキーワードであるとして識別することを、ＴＦ＊ＩＤＦ尺度に基づいて行うことを特徴とする請求項５に記載の方法。
7. 文から導出したハッシュコードを前記文を含む文書へとマッピングする文ハッシュテーブルを生成するステップを含み、前記比較するステップは、前記文ハッシュテーブルを使用して、前記受け取った外向きの通信の文にマッチする文を含む文書を探すことを含むことを特徴とする請求項１に記載の方法。
8. 前記文ハッシュテーブルは、文書のキー文へとマッピングされることを特徴とする請求項７に記載の方法。
9. キーワードを、該キーワードを含む文書の文へとマッピングするキーワードインデックスを生成するステップを含み、前記比較するステップは、前記キーワードインデックスを使用して、受け取った前記外向きの通信のキーワードを含む文を探すことを含むことを特徴とする請求項１に記載の方法。
10. 探した文が、受け取った前記外向きの通信の文に類似しているとき、受け取った前記外向きの通信は、秘密情報を含むとすることを特徴とする請求項９に記載の方法。
11. 前記外向きの通信は、電子メールメッセージであることを特徴とする請求項１に記載の方法。
12. 前記外向きの通信は、電子メールメッセージへの添付であることを特徴とする請求項１に記載の方法。
13. 前記外向きの通信は、インスタントメッセージであることを特徴とする請求項１に記載の方法。
14. 前記外向きの通信は、音声通信であることを特徴とする請求項１に記載の方法。
15. 前記外向きの通信は、インターネットへの投稿であることを特徴とする請求項１に記載の方法。
16. ある文書がターゲット文書の内容と類似の内容を含むかどうかを識別するように、コンピュータシステムの制御を、
    前記ターゲット文書からの候補文書を、前記ターゲット文書のキーワードと前記文書との間の類似度に基づいて選択するステップと、
    前記文書が前記候補文書に類似の内容を含むかどうかを判定するために、前記候補文書を前記文書と比較ステップと
    を備える方法によって行うための命令を含むことを特徴とするコンピュータ読み取り可能な記録媒体。
17. 前記選択するステップは、
    前記ターゲット文書のキーワードを、それらキーワードを含む前記ターゲット文書へとマッピングするキーワードインデックスを作成するステップと、
    前記文書のキーワードを識別するステップと、
    候補文書を、前記文書の前記キーワードに類似のキーワードを含むターゲット文書として、前記作成したキーワードインデックスを用いて識別するステップと
    を含むことを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
18. キーワードの識別を、ＴＦ＊ＩＤＦ尺度に基づいて行うことを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
19. 文から導出したハッシュコードを、前記文を含む文書へとマッピングする文ハッシュテーブルを生成するステップを含み、前記比較するステップは、前記文ハッシュテーブルを使用して、前記文書の文にマッチする文を含む候補文書を探すことを含むことを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
20. 前記文ハッシュテーブルは、ターゲット文書のキー文へとマッピングされることを特徴とする請求項１９に記載のコンピュータ読み取り可能な記録媒体。
21. キーワードを、前記キーワードを含むターゲット文書の文へとマッピングするキーワードインデックスを生成するステップを含み、前記比較するステップは、前記キーワードインデックスを使用して、前記文書のキーワードを含む候補文書の文を探すことを含むことを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
22. 前記ターゲット文書は、秘密情報を含むことを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
23. 前記文書が秘密情報を含む外向きの通信であるとき、前記外向きの通信の送信を抑制することを含むことを特徴とする請求項２２に記載のコンピュータ読み取り可能な記録媒体。
24. 前記文書は、電子メールメッセージであり、前記比較するステップにより、関連する電子メールメッセージを見つけることを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
25. 文から導出したハッシュコードを前記文を含む前記ターゲット文書へとマッピングする文ハッシュテーブルを生成するステップと、キーワードを前記キーワードを含むターゲット文書の文へとマッピングするキーワードインデックスを生成するステップとを含み、前記比較するステップは、前記文ハッシュテーブルを使用して、前記文書の文にマッチする文を含む候補文書を探すこと、および、文がマッチしないとき、生成した前記キーワードインデックスを使用して、前記文書の文が前記候補文書の文に類似しているかどうかを判定することを含むことを特徴とする請求項１６に記載のコンピュータ読み取り可能な記録媒体。
26. ある文書がターゲット文書の内容と類似の内容を含むかどうかを識別するように、コンピュータシステムの制御を、
    文から導出したハッシュコードを、前記文を含むターゲット文書へとマッピングする文ハッシュテーブルを生成するステップと、
    候補文書を、前記文書のキーワードに類似のキーワードを含むターゲット文書として識別するステップと、
    前記文書が候補文書に類似の内容を含むかどうかを、前記文ハッシュテーブルを用いて判定して、前記文書の文にマッチする文を含む候補文書を探すために、前記候補文書を前記文書と比較するステップと、
    を備える方法によって行うための命令を含むことを特徴とするコンピュータ読み取り可能な記録媒体。
27. 前記ターゲット文書および前記文書は、電子メールメッセージであることを特徴とする請求項２６に記載のコンピュータ読み取り可能な記録媒体。
28. 前記キーワードの識別を、ＴＦ＊ＩＤＦ尺度に基づいて行うことを特徴とする請求項２６に記載のコンピュータ読み取り可能な記録媒体。
29. 前記文ハッシュテーブルは、ターゲット文書のキーワードへとマッピングされることを特徴とする請求項２６に記載のコンピュータ読み取り可能な記録媒体。
30. キーワードを、前記キーワードを含むターゲット文書の文へとマッピングするキーワードインデックスを生成するステップを含み、前記比較するステップは、前記キーワードインデックスを使用して、前記ターゲット文書のキーワードを含む候補文書の文を探すことを含むことを特徴とする請求項２６に記載のコンピュータ読み取り可能な記録媒体。
31. 前記ターゲット文書は、秘密情報を含むことを特徴とする請求項２６に記載のコンピュータ読み取り可能な記録媒体。
32. 前記文書が秘密情報を含む外向きの通信であるとき、前記外向きの通信の送信を抑制するステップを含むことを特徴とする請求項３１に記載のコンピュータ読み取り可能な記録媒体。
33. 前記文書は、電子メールメッセージであり、前記比較するステップにより、関連する電子メールメッセージを見つけることを特徴とする請求項２６に記載のコンピュータ読み取り可能な記録媒体。
34. 電子メールメッセージが秘密情報を含むかどうかを判定するためのコンピュータシステムであって、
    秘密情報を含むターゲット電子メールメッセージを含む文書ストアと、
    前記電子メールメッセージを前記ターゲット電子メールメッセージと比較して、前記電子メールメッセージが秘密情報を含むかどうかを判定するコンポーネントと
    を備えたことを特徴とするコンピュータシステム。
35. 前記コンピュータシステムは、電子メールサーバであることを特徴とする請求項３４に記載のコンピュータシステム。
36. 前記電子メールメッセージが秘密情報を含むと判定したとき、前記電子メールメッセージの意図されている受信者への送付を抑制することを含むことを特徴とする請求項３４に記載のコンピュータシステム。
37. ある通信がターゲット情報を含むかどうかを識別するように、コンピュータシステムの制御を、
    前記ターゲット情報を含む文書を与えるステップと、
    通信を受け取るステップと、
    受け取った前記通信が前記ターゲット情報を含むかどうかを判定するために、受け取った前記通信を与えた前記文書と比較するステップと
    を備える方法によって行うための命令を含むことを特徴とするコンピュータ読み取り可能な記録媒体。
38. 与えた前記文書および受け取った前記通信は、電子メールメッセージであり、前記ターゲット情報は、秘密性をもつことを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
39. 受け取った前記通信がターゲット情報を含むと判定したとき、受け取った前記通信の意図されている受信者への送付を抑制するステップを含むことを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
40. キーワードを、前記キーワードを含む文書へとマッピングするキーワードインデックスを生成するステップを含み、前記比較するステップは、前記キーワードインデックスを使用して、受け取った前記通信のキーワードに基づいて候補文書を探すことを含むことを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
41. 文から導出したハッシュコードを、前記文を含む文書へとマッピングする文ハッシュテーブルを生成するステップを含み、前記比較するステップは、前記文ハッシュテーブルを使用して、受け取った前記通信の文にマッチする文を含む文書を探すことを含むことを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
42. 前記文ハッシュテーブルは、文書のキー文へとマッピングされることを特徴とする請求項４１に記載のコンピュータ読み取り可能な記録媒体。
43. キーワードを、前記キーワードを含む文書の文へとマッピングするキーワードインデックスを生成するステップを含み、前記比較するステップは、前記キーワードインデックスを使用して、受け取った前記通信のキーワードを含む文を探すことを含むことを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
44. 受け取った前記通信は、電子メールメッセージであることを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
45. 受け取った前記通信は、Ｗｅｂページであることを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
46. 与えた前記文書は、Ｗｅｂページであることを特徴とする請求項４５に記載のコンピュータ読み取り可能な記録媒体。
47. 前記通信は、電子メールメッセージへの添付であることを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
48. 前記通信は、インスタントメッセージであることを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
49. 前記通信は、音声通信であることを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
50. 前記通信は、インターネットへの投稿であることを特徴とする請求項３７に記載のコンピュータ読み取り可能な記録媒体。
    
    

Images