JP2008310426A

JP2008310426A - データファイル検出装置及びプログラム

Info

Publication number: JP2008310426A
Application number: JP2007155388A
Authority: JP
Inventors: Toshiko Hashimoto; 稔子橋本; Daisuke Iwasaki; 大祐岩崎; Mitsuhide Fukushige; 光秀福重
Original assignee: Nippon Telegraph and Telephone Corp; Nippon Telegraph and Telephone East Corp
Current assignee: Nippon Telegraph and Telephone Corp; Nippon Telegraph and Telephone East Corp
Priority date: 2007-06-12
Filing date: 2007-06-12
Publication date: 2008-12-25
Anticipated expiration: 2027-06-12
Also published as: JP4751855B2

Abstract

【課題】検査対象のデータの量に関わらず検査の高速化を実現する。
【解決手段】データファイル検出装置１０において、検出対象となるデータファイルを構成する複数のファイル構成情報から予め選択される複数の検出対象ファイル構成情報と、その検出順の情報とを対応付けて予め記憶する検出対象ファイル構成情報記憶部１２と、上記検出順に従って、検出対象とするデータファイルの当該検出順に応じた検出対象ファイル構成情報に、予め定められる検出対象キーワードが存在するか否かを判定し、存在すると判定した場合、判定対象としたデータファイルに関する情報を出力し、存在しないと判定した場合、上記検出順に従う当該データファイルの次の検出対象ファイル構成情報に検出対象キーワードが存在するかを繰り返し判定する検出部１４と、を備える。
【選択図】図１

Description

本発明は、データファイル検出装置及びプログラムに関する。

特許文献１には、検査対象のテキストデータに個人情報が含まれているか否かを検査するデータ検査装置が記載されている。このデータ検査装置は、テキストデータ内に、キーワード（具体的には、苗字、住所、メールアドレス、資産情報、蔵書の情報、商品の情報、顧客情報、ペットの情報、技術情報、医療情報、書籍情報、音楽情報、経済情報、事件情報等）が所定数以上含まれていることをもって、個人情報を含んでいると判定する。
特開２００６−２３８６５号公報

しかしながら、上記技術には、検査対象のテキストデータの量によっては、検査時間が極めて長くなってしまうという問題があった。

従って、本発明の課題は、検査対象のデータの量に関わらず検査の高速化を実現できるデータファイル検出装置及びプログラムを提供することにある。

上記課題を解決するための本発明にかかるデータファイル検出装置は、検出対象となるデータファイルを構成する複数のファイル構成情報から予め選択される複数の検出対象ファイル構成情報と、前記複数の検出対象ファイル構成情報の検出順の情報とを対応付けて予め記憶する検出対象ファイル構成情報記憶手段と、前記検出対象ファイル構成情報記憶手段に記憶される検出順に従って、検出対象とするデータファイルの当該検出順に応じた検出対象ファイル構成情報に、予め定められる検出対象キーワードが存在するか否かを判定し、存在すると判定した場合、判定対象としたデータファイルに関する情報を出力し、存在しないと判定した場合、前記検出順に従う当該データファイルの次の検出対象ファイル構成情報に前記検出対象キーワードが存在するかを繰り返し判定する検出手段と、を備えたことを特徴とする。

また、本発明にかかるプログラムは、検出対象となるデータファイルを構成する複数のファイル構成情報から予め選択される複数の検出対象ファイル構成情報と、前記複数の検出対象ファイル構成情報の検出順の情報とを対応付けて予め記憶する検出対象ファイル構成情報記憶手段、及び前記検出対象ファイル構成情報記憶手段に記憶される検出順に従って、検出対象とするデータファイルの当該検出順に応じた検出対象ファイル構成情報に、予め定められる検出対象キーワードが存在するか否かを判定し、存在すると判定した場合、判定対象としたデータファイルに関する情報を出力し、存在しないと判定した場合、前記検出順に従う当該データファイルの次の検出対象ファイル構成情報に前記検出対象キーワードが存在するかを繰り返し判定する検出手段、としてコンピュータを機能させるためのプログラムである。

本発明によれば、複数の検出対象ファイル構成情報について、順に検出対象キーワードが存在するか否かを判定し、存在すると判定した時点で、判定対象としたデータファイルに関する情報を出力しているので、この時点でそのデータファイルに関する処理を終了することができる。従って、検査対象のデータの量に関わらず検査の高速化を実現できる。

以下、本発明の実施形態について、図面を参照しながら説明する。図１は、本実施形態にかかるデータファイル検出装置１０の機能ブロックを示す図である。データファイル検出装置１０は企業内や家庭で使用されるパーソナルコンピュータであり、同図に示すように、ハードディスク等の、多数のデータファイルを記憶する記憶手段（ネットワークドライブにかかるものを含む）により構成される検出対象データファイル記憶部１１と、検出部１４によって実行されるプログラムを記憶する検出対象ファイル構成情報記憶部１２（検出対象ファイル構成情報記憶手段）と、１又は複数のキーワードを格納するファイルを記憶するキーワード記憶部１３と、検出対象ファイル構成情報記憶部１２により記憶されるプログラムを読み出して実行する検出部１４（検出手段）と、液晶ディスプレイ等の表示手段により構成される出力部１５と、を備えている。

図２は、キーワード記憶部１３が記憶するキーワードを格納したファイルの具体例である。同図は「関連会社」というタイトルのファイルであり、キーワードとして、多数の関連会社の名称が格納されている。このファイルに格納するキーワードを適宜変更することによって、会社情報（企業の取引先や関連企業に関する情報）や個人情報（個人の顧客や社員個人に関する情報）等、各種の情報を含むデータファイルを検出できるようになる。なお、図２では企業名をキーワードとしているが、サービス名や特定の拡張子をキーワードとして用いてもよい。

検出対象ファイル構成情報記憶部１２が記憶するプログラムには、複数のファイル構成情報（プロパティ、ファイル名、拡張子、ファイル本文等、データファイルを構成する情報）から予め選択される複数の検出対象ファイル構成情報と、これら複数の検出対象ファイル構成情報の検出順の情報と、が組み込まれている。検出対象ファイル構成情報記憶部１２は、このプログラムを記憶することによって、複数のファイル構成情報から予め選択される複数の検出対象ファイル構成情報と、複数の検出対象ファイル構成情報の検出順の情報とを対応付けて予め記憶する。

具体的なファイル構成情報として、ここでは、プロパティ、ファイル名、拡張子、ファイル本文の４つを用い、その検出順の情報として、プロパティ、ファイル名、拡張子、ファイル本文の順を示す情報を用いる。ファイル構成情報及び検出順の具体的内容はキーワードの種類によって適宜決定されるものであり、データファイルを確実に検出しつつ、検査速度ができるだけ高速になるよう決定される。例えば、キーワードが会社情報にかかるものである場合、プロパティにキーワードが含まれているデータファイルは会社情報を含むものである確立が極めて高く、また、プロパティ内のキーワードの検出は比較的高速に行えるので、まずプロパティ内のキーワードの検出から始めるようにすることが好適である。

検出部１４は、検出対象ファイル構成情報記憶部１２により記憶されるプログラムを実行することにより、上記検出順に従って、データファイルの当該検出順に応じた検出対象ファイル構成情報に、予め定められる検出対象キーワードが存在するか否かを判定し、存在すると判定した場合、出力部１５に判定対象としたデータファイルに関する情報を出力させ、存在しないと判定した場合、上記検出順に従う当該データファイルの次の検出対象ファイル構成情報に上記検出対象キーワードが存在するかを繰り返し判定する処理を行う。

図３及び図４は、上記プログラムに従って動作する検出部１４の処理フローを示す図である。以下、これらの図を参照しながら、高速なデータファイル検査を行うための図１に示すデータファイル検出装置１０の動作の説明を行う。

検出部１４は、図示しない操作部におけるユーザ操作によって検査の開始が指示されると、検出処理を開始する。検出処理において、検出部１４は、検出対象データファイル記憶部１１に記憶されるデータファイルを１つずつ選択し、データファイルごとに、ステップＳ２からステップＳ１８の処理を繰り返す（ステップＳ１及びＳ１９）。

検出部１４は、データファイルを選択するとまず、検出対象ファイル構成情報としてプロパティを選択する（ステップＳ２）。次に、検出部１４は、キーワード記憶部１３に記憶されるキーワードを順次選択し、選択データファイルの検出対象ファイル構成情報（プロパティ）に選択したキーワードが含まれるか否かを判定していく（ステップＳ３〜Ｓ５）。その結果、検出対象ファイル構成情報（プロパティ）に選択したキーワードが含まれていれば、検出部１４は、ステップＳ３〜Ｓ５のループ処理を抜け、処理をステップＳ１８に移す。ステップＳ１８では、検出部１４は、選択データファイルに関する情報（ファイル名、ハードディスク中の存在場所を示す情報（フルパス）、更新年月日等）を表示出力する処理を出力部１５に行わせ、次のデータファイルを選択する。すなわち、検出対象ファイル構成情報（プロパティ）に選択したキーワードが含まれていれば、検出部１４は、その時点で選択データファイルにかかる検出処理を中止し、次のデータファイルにかかる検出処理を開始する。

検出対象ファイル構成情報（プロパティ）に選択したキーワードが含まれていなければ、検出部１４は、次に検出対象ファイル構成情報としてファイル名を選択する（ステップＳ６）。その後のステップＳ７〜Ｓ９の処理は、ステップＳ３〜Ｓ５の処理と同様である。

検出対象ファイル構成情報（ファイル名）にも選択したキーワードが含まれていなければ、検出部１４は、次に検出対象ファイル構成情報として拡張子を選択する（ステップＳ１０）。その後のステップＳ１１〜Ｓ１３の処理は、ステップＳ３〜Ｓ５の処理と同様である。

検出対象ファイル構成情報（拡張子）にも選択したキーワードが含まれていなければ、検出部１４は、次に検出対象ファイル構成情報としてファイル本文を選択する（ステップＳ１０）。その後のステップＳ１５〜Ｓ１７の処理は、ステップＳ３〜Ｓ５の処理と同様である。

以上説明したように、データファイル検出装置１０は、複数の検出対象ファイル構成情報について、順に検出対象キーワードが存在するか否かを判定し、存在すると判定した時点で、判定対象としたデータファイルに関する情報を出力し、しかも、この時点でそのデータファイルに関する処理を終了している。従って、単純な全文検索を行う場合に比べ、検査対象のデータファイルのデータ量が大きくても、高速に検査処理を完了させることができる。

以上本発明の実施の形態について説明したが、本発明はこうした実施の形態に何等限定されるものではなく、本発明は、その要旨を逸脱しない範囲において、種々なる態様で実施され得ることは勿論である。
例えば、

また、データファイル検出装置１０の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、上記各処理を行ってもよい。
ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、この「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに、「コンピュータ読み取り可能な記録媒体」には、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
さらに、上記プログラムは、上述した各機能の一部を実現するためのものであってもよい。さらに、上述した各機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

本発明の実施の形態にかかるデータファイル検出装置の機能ブロックを示す図である。本発明の実施の形態にかかるキーワード記憶部が記憶するキーワードを格納したファイルの具体例を示す図である。本発明の実施の形態にかかるプログラムに従って動作する検出部の処理フローを示す図である。本発明の実施の形態にかかるプログラムに従って動作する検出部の処理フローを示す図である。

符号の説明

１０データファイル検出装置、１１検出対象データファイル記憶部、１２検出対象ファイル構成情報記憶部、１３キーワード記憶部、１４検出部、１５出力部。

Claims

検出対象となるデータファイルを構成する複数のファイル構成情報から予め選択される複数の検出対象ファイル構成情報と、前記複数の検出対象ファイル構成情報の検出順の情報とを対応付けて予め記憶する検出対象ファイル構成情報記憶手段と、
前記検出対象ファイル構成情報記憶手段に記憶される検出順に従って、検出対象とするデータファイルの当該検出順に応じた検出対象ファイル構成情報に、予め定められる検出対象キーワードが存在するか否かを判定し、存在すると判定した場合、判定対象としたデータファイルに関する情報を出力し、存在しないと判定した場合、前記検出順に従う当該データファイルの次の検出対象ファイル構成情報に前記検出対象キーワードが存在するかを繰り返し判定する検出手段と、
を備えたことを特徴とするデータファイル検出装置。
検出対象となるデータファイルを構成する複数のファイル構成情報から予め選択される複数の検出対象ファイル構成情報と、前記複数の検出対象ファイル構成情報の検出順の情報とを対応付けて予め記憶する検出対象ファイル構成情報記憶手段、及び
前記検出対象ファイル構成情報記憶手段に記憶される検出順に従って、検出対象とするデータファイルの当該検出順に応じた検出対象ファイル構成情報に、予め定められる検出対象キーワードが存在するか否かを判定し、存在すると判定した場合、判定対象としたデータファイルに関する情報を出力し、存在しないと判定した場合、前記検出順に従う当該データファイルの次の検出対象ファイル構成情報に前記検出対象キーワードが存在するかを繰り返し判定する検出手段、
としてコンピュータを機能させるためのプログラム。