JP4823022B2 - 情報処理装置、情報処理方法、及びコンピュータプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、該方法を実行するためのプログラム及び記憶媒体に関し、特に、電子メール等により電気通信回線を通じて個人情報が漏洩することを防止する機能を有する情報処理装置に関する。

近年、ネットワーク技術の発達によって、情報の授受を非常に簡便且つ効率良く行うことが可能になっている。例えば、会議に使用する資料を電子メールに添付して参加者に事前に送付することが、手間も煩わしさもなく行うことが可能になっている。ただ、このようにネットワーク技術が発達し、情報の授受が容易に行われるようになった反面、機密情報等の重要な情報が簡単に外部に流れてしまうという危険性の度合いも増加している。

情報漏洩の防止という観点に立った場合、１）外部からの不正アクセスに対しての対策を講じること、２）内部からの不用意な重要データの送信について対策を行うこと等が重要である。情報漏洩の原因としては、不正アクセスにより情報が盗まれてしまうことよりもむしろ、内部の人間の不注意若しくは不正な動作によって情報が流出してしまうことのほうが多いのが現状である。

そこで、例えば、企業において情報漏洩への対策として、社内から外部へ送信される電子メールの内容（例えば、宛先や本文のテキスト情報、添付ファイルの内容）をチェックし、所定の条件に合致した場合にはその電子メールを社外に送信することを禁止するシステムが導入されている。

このような背景に加えて、近年の個人情報保護法の施行により、企業には特に個人情報のきちんとした取り扱いが求められるようになった。そのため、上記のようなシステムにおいて、電子メールの内容に個人情報が含まれるか否かをチェックする技術が必要となっている。

ここで、電子メール等の電子データに個人情報が含まれるか否かをチェックする技術として、例えば、特許文献１のデータ検査装置では、個人情報を形成するキーワードをキーワード記憶部に記憶し、検査対象データを記憶したデータファイルから検査対象データを読み込んだ後、キーワード記憶部に記憶されたキーワードを用いて検査対象データをサーチして検査対象データ内にあるキーワードを検出し、該検出された複数種類のキーワードの検出場所が近接しており且つ該検出された少なくとも１つのキーワードの検出件数が所定の数以上の場合は、当該データファイルに個人情報が含まれていると判定し、警告信号を出力する。これにより、検索対象となる電子メールを社外に送信することを禁止することが可能となる。
特開２００６−０２３８６５号公報

しかしながら、電子メール等で取り交わされる電子データは、平文や一般文書のみならず、履歴書や名簿等、様々な様式のものがある。そのため、上記のようなデータ検知装置では、多数の苗字を含む名簿からは多数のキーワードを検出できるために個人情報が含まれると判断できるが、苗字が１つとなるような履歴書からはキーワードを１つしか検出できないため、電子データに個人情報が含まれるか否かを判定することができないという問題がある。

また、上記データ検知装置では、苗字に続く位置に住所がある履歴書や名簿からはキーワードの検出場所が接近しているため、個人情報が含まれると判断できるが、苗字と住所の間に会社や部署名等が記入されているような履歴書や名簿からはキーワードの検出場所が離れているため、個人情報が含まれるか否かを判定することができない。一方、上記のような場合においても個人情報が含まれると判定できるようにするために単に検出件数の閾値を小さくしたり、近接判断の閾値を大きくしたりすると、平文などを誤判定してしまう可能性がある。

本発明の目的は、様々な様式の電子データに対して個人情報が含まれるか否かを判定し、個人情報の漏洩を防止することができる情報処理装置、情報処理方法、該方法を実行するためのプログラム及び記憶媒体を提供することにある。

上記目的を達成するために、請求項１記載の情報処理装置は、個人情報を形成し得る個人情報形成情報を検出するための個人情報検出情報と、当該個人情報検出情報により検出される個人情報形成情報の属性情報と、を対応付けて記憶する記憶手段と、前記記憶手段に記憶された個人情報検出情報を用いて、検査対象データから個人情報形成情報を検出する検出手段と、前記検出手段で検出した個人情報形成情報それぞれの属性情報、及び個人情報形成情報の前記検査対象データ中の位置関係に従って、前記個人情報形成情報の集合を生成する生成手段と、前記集合中の個人情報形成情報の数を用いて計測情報を作成する作成手段と、前記集合のそれぞれについて作成された前記計測情報を用いて、前記検査対象データが個人情報を含む度合いを示す指標値を算出する算出手段と、を備えることを特徴とする。

本発明によれば、検査対象データからキーワード記憶部に記憶されるキーワードと合致するキーワードが検出され、該検出されたキーワードから、キーワードの属性及び該キーワードの前後のキーワードとの位置関係に基づいてキーワード包含領域が生成され、生成されたキーワード包含領域が個人情報を含む領域として適正であるか否かが評価され、評価されたキーワード包含領域に含まれるキーワードの計測情報が作成され、作成された計測情報に基づいて検査対象データが個人情報を含むか否かの判定が行われるので、様々な様式の電子データに対して個人情報が含まれるか否かを判定し、個人情報の漏洩を防止することができる。

以下、本発明の実施の形態を図面を参照しながら詳述する。

図１は、本発明の実施の形態に係る情報処理装置のハードウェア構成を概略的に示すブロック図である。

図１に示すように、情報処理装置１０は、ＣＰＵ１０１と、ＲＡＭ１０２と、ＲＯＭ１０３と、ＬＡＮアダプタ１０４と、ビデオアダプタ１０５と、キーボード１０６と、ポインティングデバイスとしてのマウス１０７と、ハードディスク１０８と、記憶媒体ドライブ１０９とを備え、これらがシステムバス１００を介して互いに接続されている。ＣＰＵ１０１とシステムバス１００との間、及び記憶媒体ドライブ１０９とシステムバス１００との間には、不図示のインタフェース回路やチップセット等が設けられている。

システムバス１００は、ＰＣＩバスやＡＧＰバス等の各種システムバスで構成され、各システムバスは、通常いわゆるチップセットを介して互いに接続される。

ＣＰＵ１０１は、ＲＯＭ１０３、ハードディスク１０８又は記憶媒体ドライブ１０９に挿入されているＣＤ−ＲＯＭ等の記憶媒体に記憶されたプログラムをＲＡＭ１０２に一時的に記憶し、その後ＲＡＭ１０２に記憶されたプログラムを順次読み出して後述する各種制御処理を実行する。

ＲＡＭ１０２は、ＯＳの一部及びアプリケーションプログラムをロードすると共にＣＰＵ１０１の制御の下でアプリケーションプログラムを実行する際に使用される配列や変数を含む各種データ等を一時的に記憶させるためのメモリである。

ＲＯＭ１０３には各ハードウェアの制御プログラム（いわゆるＢＩＯＳ）等が記憶されている。なお、ＲＯＭ１０３は、オペレーティングシステム（ＯＳ）の一部を記憶することも可能である。

ＬＡＮアダプタ（ネットワークインタフェースカード）１０４は、外部ネットワークに接続するための通信インタフェースである。

ビデオアダプタ１０５はいわゆるビデオグラフィックアダプタ（ＶＧＡ）であり、液晶ディスプレイ等の各種ディスプレイが接続される。

ハードディスク１０８は、オペレーティングシステムや、画面情報（ｈｔｍｌやＣＧＩ等で記述された、ディスプレイに画面を表示させるための情報）を含む各種アプリケーションプログラムを記憶する。また、ハードディスク１０８には、後述する各種処理を実行するためのプログラムや、プリンタドライバ等が記憶されている。さらに、ハードディスク１０８は、検査対象となる入力文書に含まれるキーワードを検出するためのキーワード群や、電話番号や電子メールアドレス等の個人情報を形成する情報の文字パターン等を記憶する。

記憶媒体ドライブ１０９は、ＣＤ−ＲＯＭドライブ、ＤＶＤ−ＲＯＭドライブ、ＤＶＤ−Ｒドライブ等、記憶媒体のデータを読み出し可能な駆動装置である。

図２は、図１の情報処理装置１０の機能を模式的に示すブロック図である。

図２において、情報処理装置１０は、個人情報を形成する氏名（姓・名）や住所等のキーワードを記憶すると共に、個人情報を形成する項目のラベルとして機能する「氏名」や「住所」等のキーワードやその他、敬称に使用される語句（「様」、「さん」、役職等に用いられる語句）を記憶するキーワード記憶部２０１と、電話番号や電子メールアドレス等の一般的なパターンによって形成される文字パターンを記憶するパターン記憶部２０２と、検査対象となる入力文書２００（検査対象データ）から、キーワード記憶部２０１に記憶されるキーワード及びパターン記憶部２０２に記憶される文字パターンと合致するキーワードを検出するキーワード検出部２０３と、キーワード検出部２０３により検出された複数のキーワードから、当該キーワードの属性及び当該キーワードの前後のキーワードとの位置関係に基づいてキーワード包含領域を生成する包含領域生成部２０４と、包含領域生成部２０４により生成されたキーワード包含領域が個人情報を含む領域として適正であるか否かを評価する包含領域評価部２０５と、包含領域評価部２０５により評価されたキーワード包含領域に含まれるキーワードの計測情報を作成する計測情報作成部２０６と、計測情報作成部２０６で作成された計測情報に基づいて、入力文書２００が個人情報を含むか否かの判定を行う入力文書判定部２０７（検査対象データ判定部）とを備える。

入力文書２００は、例えば電子メール等の電子テキストからなり、特定のアプリケーション用のデータから抽出されたテキストを含む。さらに画像データにOCR処理をすることにより抽出されたテキストも含む。

キーワード記憶部２０１には、「姓」、「名」、「地名」（都道府県名、市町村名、市町村名以下の地名）等を示すキーワードと、各キーワードを定義する属性情報が記憶される。１つのキーワードが複数の属性を有する場合は、１つのキーワードについて複数の属性情報が記憶される。例えば、キーワードが「東京」である場合、「東京」の属性情報として「地名」が記憶され、キーワードが「鹿嶋」である場合は、「鹿嶋」の属性情報として「姓」及び「地名」が記憶される。「鹿嶋」は「姓」にも「地名」にも使用されているので、両方の属性を持つことになる。「堺」や「千葉」なども同様の扱いになる。１つのキーワードについて複数の属性があり、キーワードの前後の単語などから当該キーワードの属性を１つに決定することが難しい場合には、例えば、それら属性の適用優先順位を予め決めておき、その優先順位に基づいて属性を決定するなどを行うことも可能である。

パターン記憶部２０２は、例えば電話番号の文字パターン「××−××××−××××」や、電子メールアドレスの文字パターン「×××＠×××××.ｊｐ」を記憶すると共に、夫々の属性を「電話番号」及び「電子メールアドレス」として記憶する。

キーワード検出部２０３は、入力文書２００を構成する文字列から、キーワード記憶部２０１に記憶されたキーワード又はパターン記憶部２０２に記憶された文字パターンと合致するキーワードを検出する。キーワード検出部２０３による検出結果のリストの一例を図３に示す。

また、キーワード検出部２０３は、検出された各キーワードに対して、検出位置、文字パターンの長さ、及びキーワードの属性を検出する。複数の属性を有するキーワードが検出された場合は、該検出されたキーワードに対して複数の属性を付与する。

包含領域生成部２０４は、キーワード検出部２０３により検出されたキーワードのうち複数の属性を有するキーワードを選択して該キーワードの属性を１つに決定する属性決定部２１０と、属性決定部２１０により決定されたキーワードに基づいてキーワード包含領域を決定するキーワード包含領域決定部２２０とを備える。キーワード包含領域決定部２２０は、個人情報の一部となる可能性が低いキーワード及び／又は署名情報についてのキーワードをキーワード包含領域から除去するキーワード除去部２２１と、該キーワード包含領域に含まれるキーワードに基づいて当該キーワード包含領域の範囲を変更する包含領域変更部２２２とを備える。キーワード包含領域は、所定の個人情報、例えば氏名（姓・名）毎に生成される。

計測情報作成部２０６は、キーワード包含領域決定部２２０で決定されたキーワード包含領域に含まれる各キーワードの各種計測値、例えばキーワードの個数、キーワード属性数、キーワード間の平均距離を計測する。

入力文書判定部２０７は、計測情報作成部２０６で作成された計測情報に基づいて個人情報を含む度合いを示す個人情報指標値Ｐｉを算出し、個人情報指標値Ｐｉを所定値（あらかじめ設定された閾値）と比較することにより、入力文書２００が個人情報を含むか否かの判定を行う。

図４は、図２における包含領域生成部２０４により実行される属性決定処理を示すフローチャートである。以下、キーワード記憶部２０１にキーワード「姓」、「名」及び「地名」が記憶され、パターン記憶部２０２に「電話番号」及び「電子メールアドレス」の文字パターンが記憶されている場合について述べる。

図４において、まず、キーワード検出部２０３で検出されたキーワードを取得し（ステップＳ４０１）、そのキーワードが属性として「姓」又は「名」を有するものであるか否かを判別し（ステップＳ４０２）、キーワードが「姓」又は「名」を有さない場合は（ステップＳ４０２でＮＯ）、当該キーワードの属性をキーワード記憶部２０１又はパターン記憶部に記憶されている属性に対し、属性が複数ある場合は、予め定められた優先順位に基づいて属性を決定し（ステップＳ４０７）、ステップＳ４１１に進む。キーワードが「姓」又は「名」を有する場合は（ステップＳ４０２でＹＥＳ）、該キーワードが属性に「地名」を有するか否かを判別する（ステップＳ４０３）。キーワードが他の属性を有しない場合は（ステップＳ４０３でＮＯ）、ステップＳ４０７に進み、当該キーワードの属性をキーワード記憶部２０１又はパターン記憶部に記憶されている属性に対し、属性が複数ある場合は、予め定められた優先順位に従い基づいて属性を決定する。「地名」の属性を有する場合は（ステップＳ４０３でＹＥＳ）、当該キーワードの属性が「姓」を有するか否かを判別する（ステップＳ４０４）。キーワードの属性が「姓」を有する場合は（ステップＳ４０４でＹＥＳ）、当該キーワードの直後に「名」の属性を有するキーワードが存在するかを判別し（ステップＳ４０５）、当該キーワードの直後に「名」の属性を有するキーワードが存在する場合は（ステップＳ４０５でＹＥＳ：敬称を登録している場合は、直後に敬称が存在する場合もＹＥＳと判別）、当該キーワードの属性を「姓」と決定し（ステップＳ４０８）、「名」の属性を有するキーワードが存在しない場合は（ステップＳ４０５でＮＯ）、そのキーワードの属性を「地名」とする（ステップＳ４１０）。

キーワードの属性が「姓」でない場合、すなわちキーワードの属性が「名」である場合は（ステップＳ４０４でＮＯ）、当該キーワードの直前に「姓」の属性を有するキーワードが存在するかを判別する（ステップＳ４０６）。当該キーワードの直前に「姓」の属性を有するキーワードが存在する場合は（ステップＳ４０６でＹＥＳ：敬称を登録している場合は直後に敬称が存在する場合もＹＥＳと判別）、当該キーワードの属性を「名」と決定し（ステップＳ４０９）、当該キーワードの直前に「姓」の属性を有するキーワードが存在しない場合は（ステップＳ４０６でＮＯ）、ステップＳ４１０に進み、当該キーワードの属性を「地名」にする。

次に、ステップＳ４０７，Ｓ４０８，Ｓ４０９，Ｓ４１０で決定された属性に基づいてキーワード包含領域を画定する（ステップＳ４１１）。既に作成されているキーワード包含領域に「姓」の属性と決定されたキーワードがあった場合に新たに「姓」の属性と決定されたキーワード、「名」の属性と決定されたキーワードがあった場合に新たに「名」の属性と決定されたキーワードを取得した場合は、既に作成されているキーワード包含領域とは別の新たなキーワード包含領域を設定することになる。それ以外の場合は、属性が決定されたキーワードがある領域を既存のキーワード包含領域に追加する。この結果として、図５（ａ）に示すように、属性が「姓」又は「名」と決定されたキーワード毎にキーワード包含領域１〜２が画定される。このキーワード包含領域は、個人情報を含むと推測される領域である。

その後、キーワード検出部２０３による検出結果のリストに次のキーワードが有るか否かを判別し（ステップＳ４１２）、次のキーワードが有る場合は（ステップＳ４１２でＹＥＳ）ステップＳ４０１に戻り、次のキーワードが無い場合（ステップＳ４１２でＮＯ）は本処理を終了する。

図６は、図２におけるキーワード包含領域決定部２２０により実行される領域決定処理を示すフローチャートである。

図６において、まず、ステップＳ４１０により画定されたキーワード包含領域の末尾のキーワードが「姓」又は「名」であるか否かを判別し（ステップＳ６０１）、末尾のキーワードが「姓」又は「名」であるときはステップＳ６０７に進み、末尾のキーワードが「姓」又は「名」でないときは、末尾のキーワードとその直前のキーワードとの距離（以下、単に「直前距離」という）及び末尾のキーワードとその直後のキーワードとの距離（以下、単に「直後距離」という）をバイト数に基づいて計測する（ステップＳ６０２）。

次に、直前距離が直後距離より小さいか否かを比較する（ステップＳ６０３）。直前距離が直後距離以下である場合（ステップＳ６０３でＹＥＳ）はステップＳ６０５に進み、直前距離が直後距離より大きい場合は（ステップＳ６０３でＮＯ）、末尾のキーワードを次のキーワード包含領域に移動し（ステップＳ６０４）、ステップＳ６０５に進む。例えば、キーワード包含領域１における末尾のキーワードが「０３−５６７８−××××」である場合において（図５（ａ））、本キーワードと直前のキーワード「東京都××市」との距離（直前距離）が、本キーワードと直後のキーワード「佐藤○男」との距離（直後距離）より大きいときは、末尾のキーワード「０３−５６７８−××××」は、キーワード包含領域２に移動される（図５（ｂ））。

その後、直前距離及び直後距離の少なくとも一方が所定値未満であるか否かを判別し（ステップＳ６０５）、直前距離及び直後距離の少なくとも一方が所定値未満である場合は（ステップＳ６０５でＹＥＳ）、ステップＳ６０７に進み、直前距離及び直後距離が所定値以上である場合は（ステップＳ６０５でＮＯ）、末尾のキーワードをキーワード包含領域から除外し（ステップＳ６０６）、ステップＳ６０７に進む。例えば、図５（ｂ）に示すように、キーワード包含領域１における末尾のキーワードが「東京都××市」である場合において、本キーワードと直前のキーワード「埼玉県××市」との距離（直前距離）及び本キーワードと直後のキーワード「０３−５６７８−××××」との距離（直前距離）が所定値以上であるときは、末尾のキーワードが「東京都××市」は、キーワード包含領域１から除外される（図５（ｃ））。

次いで、キーワード包含領域の末尾のキーワードが新たなキーワードに変更されたか否かを判別し（ステップＳ６０７）、新たなキーワードに変更された（ステップＳ６０４若しくはステップＳ６０６の処理が行われた）場合は（ステップＳ６０７でＹＥＳ）、ステップＳ６０１に戻り新たな末尾のキーワードについて上記ステップＳ６０１からステップＳ６０６に示す処理を行う。新たなキーワードに変更されていない場合は（ステップＳ６０７でＮＯ）、次の包含領域が存在するか否かを判別する（ステップＳ６０８）。次の包含領域が存在する場合は（ステップＳ６０８でＹＥＳ）ステップＳ６０１に戻り、次のキーワード包含領域について上記ステップＳ６０１からステップＳ６０７に示す処理を行う。次の包含領域が存在しない場合は（ステップＳ６０８でＮＯ）本処理を終了する。

図７は、図２における包含領域評価部２０５により実行される包含領域評価処理を示すフローチャートである。

図７において、まず、図６の処理で決定されたキーワード包含領域を先頭から取得する（ステップＳ７０１）。そして、ステップＳ７０１で取得したキーワード包含領域に含まれる複数のキーワードのうち隣接するキーワードの距離を算出すると共に、該算出された距離の平均を算出する（ステップＳ７０２）。なお、算出される平均距離の値は、バイト数でもよいし、文字数であってもよい。その後、当該キーワード包含領域中に「姓」の属性を持つキーワード及び「名」の属性を持つキーワードの両方が含まれるか否かを判別し（ステップＳ７０３）、「姓」及び「名」の両方が含まれる場合は（ステップＳ７０３でＹＥＳ）、ステップＳ７０２で算出した平均距離が所定値未満であるかを判別する（ステップＳ７０４）。平均距離が所定値未満であると判断した場合には（ステップＳ７０４でＹＥＳ）、ステップＳ７０９に進み、当該キーワード包含領域は個人情報を含むと判定する。そしてステップＳ７１１に進む。各キーワード間の平均距離が所定値以上であると判断した場合には（ステップＳ７０４でＮＯ）、当該キーワード包含領域から「姓」および「名」以外の属性を持つ項目の領域を除外し（ステップＳ７０５）、除外した結果のキーワード包含領域に個人情報が含まれると判定し（ステップＳ７０９）、ステップＳ７１１に進む。一方、「姓」及び「名」のそれぞれの属性を持つキーワードが当該キーワード包含領域に含まれない場合は（ステップＳ７０３でＮＯ）、キーワード包含領域に「姓」又は「名」の属性を持つキーワードが含まれるか否かを判別する（ステップＳ７０６）。「姓」又は「名」の属性を持つキーワードが含まれる場合は（ステップＳ７０６でＹＥＳ）、「姓」又は「名」以外のキーワードの属性が２種類以上（なお、種類数についてはこれに限定されず、１種類以上で判別することも勿論可能）有るか否かを判別する（ステップＳ７０７）。「姓」又は「名」以外のキーワードの属性が２種類未満である場合は（ステップＳ７０７でＮＯ）、当該キーワード包含領域は個人情報を含まないと評価し（ステップＳ７１０）、ステップＳ７１１に進む。「姓」又は「名」以外のキーワードの属性の種類が２種類以上である場合は（ステップＳ７０７でＹＥＳ）、ステップＳ７０２で算出した平均距離が所定値未満であるかを判定する（ステップＳ７０８）。算出された平均距離が所定値未満である場合は（ステップＳ７０８でＹＥＳ）、当該キーワード包含領域は個人情報を含むと評価して（ステップＳ７０９）、ステップＳ７１１に進み、算出された平均距離が所定値以上である場合は、当該キーワード包含領域は個人情報を含まないと評価して（ステップＳ７１０）ステップＳ７１１に進む。なお、ここでは平均距離が所定値未満の場合という指標で個人情報を含む／含まないを判別しているが、それ以外の例えば「姓」、「名」以外の属性で、「姓」、「名」属性との距離が所定値以下のものが所定数以上あるといった指標で個人情報を含む／含まないを判別することも勿論可能である。

次いで、キーワード包含領域が最後の包含領域であるか否かを判別し（ステップＳ７１１）、最後の包含領域でなければ（ステップＳ７１１でＹＥＳ）ステップＳ７０１に戻り、最後の包含領域であれば（ステップＳ７１１でＮＯ）本処理を終了する。

図８は、図２における計測情報作成部２０６及び入力文書判定部２０７により実行される入力文書判定処理を示すフローチャートである。

図８において、先ず、入力文書２００全体の計測情報、すなわちＮ（キーワード包含領域の数）、ＴＫ（キーワード数の合計）、ＴＤ（キーワード間の距離の合計）及びＮＤ（キーワード間隔数の合計（＝ＴＫ−１））を計測する（ステップＳ８０１）。次に、計測された計測情報から、１つのキーワード包含領域に含まれるキーワードの平均個数（Ｔ＝ＴＫ／Ｎ）と、キーワードの平均距離（Ｄ＝ＴＤ／ＮＤ）とが算出される（ステップＳ８０２）。

図９は、図７の包含領域評価処理が実行された場合の一例を示す図である。

入力文書２００から得られた情報が図９に示すような情報であって、Ｎ，ＴＫ，ＴＤ，ＮＤが、夫々、Ｎ＝４、ＴＫ＝１０、ＴＤ＝７２及びＮＤ＝９と算出される場合、Ｔ，Ｄは、夫々、Ｄ＝８、Ｔ＝２．５と算出される。

次に、Ｎ，Ｄ，Ｔの３つの値から、入力文書２００全体が個人情報を含むか否かを判断する指標となる個人情報指標値Ｐｉを計算する（ステップＳ８０３）。個人情報指標値をＰｉ、個人情報指標値の計算式をＦとすると、Ｐｉ＝Ｆ（Ｎ，Ｄ，Ｔ）の関係が成り立つ。

ここで、Ｎ，Ｄ，Ｔの３つの値は互いに比較できない値であるから、人間の感覚に合致するように正規化する。正規化の方法は、例えば、実際に個人情報を含む文書に対する人間の評価などから求める。具体的には、正規化するために以下に示す式（１）を用いる。

N、D、Tの３つの値からなる数式（１）はNＲ、DＲ、TＲの３つの値からなる計算式に変換可能であり、その式をF’とすると、Ｐｉは以下に示す式（２）のように表される。

ここでは、F’として以下の式（３）が用いられる。

上記の式（１）〜（３）を用いて個人情報指標値Ｐｉを算出し、算出された個人情報指標値Ｐｉが所定値、例えば０．５以上であるか否かを判別する（ステップＳ８０４）。なお、この所定値は０．５以外の値であってもよく、使用目的、管理レベル等に応じて任意の値に変更しうる。個人情報指標値Ｐｉが所定値以上である場合は、入力文書２００は個人情報を含むと判定され（ステップＳ８０５）、個人情報指標値Ｐｉが所定値未満である場合は、入力文書２００は個人情報を含まないと判定され（ステップＳ８０６）、本処理を終了する。

ここで、図９に示す例を用いてＰｉを算出すると、NR=log(4)≒0.6、DR=5/8 =0.625、TR=2.5/8 =0.312であるから、Pi=√(0.36+0.40+0.09)≒0.92となる。したがって、ステップＳ８０４で用いられる所定値が0．5である場合、Ｐｉ≧0．5となるので、この入力文書は個人情報を含むと判定される。

図１０は、他の入力文書に対して図７の包含領域評価処理が実行された場合を説明する図である。

図１０において、本入力文書のＮ，Ｄ，Ｔの３つが以下のような値であるとする。

この場合、NR=log(2)≒0.3、DR=5/103 =0.048、TR=2.5/8 =0.312となるから、個人情報指標値Ｐｉは、以下のように算出される。

したがって、図８のステップＳ８０４で用いられる所定値が0．5である場合、Ｐｉ＜０．５となるので、本入力文書は個人情報を含まないと判定される。

本実施の形態によれば、入力文書２００からキーワード記憶部２０１に記憶されるキーワードと合致するキーワードが検出され、該検出されたキーワードから、キーワードの属性及び該キーワードの前後のキーワードとの位置関係に基づいてキーワード包含領域が生成され、生成されたキーワード包含領域が個人情報を含む領域として適正であるか否かが評価され、評価されたキーワード包含領域に含まれるキーワードの計測情報が作成され、作成された計測情報に基づいて入力文書２００が個人情報を含むか否かの判定が行われるので、様々な様式の電子データに対して個人情報が含まれるか否かを判定し、個人情報の漏洩を防止することができる。これにより、例えば、電子メール等のテキスト形式データだけでなく、履歴書のような表形式データに対しても個人情報が含まれるか否かを判定することができる。

また、計測情報作成部２０６で作成された計測情報に基づいて個人情報を含む度合いを示す個人情報指標値Ｐｉが算出されるので、入力文書２００の判定を行う際の判定基準が容易に設定でき、もって個人情報の漏洩を容易に防止することができる。

なお、本実施の形態では、図７の包含領域評価処理によりキーワードの数及び平均距離に基づいてキーワード包含領域を評価しているが、例えば入力文書が電子メールである場合は、末尾に付されるシグネチャをキーワードとして検出するために、入力文書を正確に評価できない可能性がある。その場合、以下に示すようなキーワード除去処理を実行する。なお、キーワード除去処理は、図１のＣＰＵ１０１により実行される。

図１１は、電子メールの末尾に付されるシグネチャについてのキーワード除去処理を示すフローチャートである。

図１１において、まず、入力文書２００が電子メールデータであるか否かを判別し（ステップＳ１１０１）、電子メールのデータでないときは（ステップＳ１１０１でＮＯ）本処理を終了し、電子メールデータであるときは（ステップＳ１１０１でＹＥＳ）、キーワード包含領域に含まれるキーワードの位置が、キーワード検出部２０３による検出結果のリストの末尾から指定行数以内であるか否かを判別する（ステップＳ１１０２）。キーワードの位置がリストの末尾から指定行数以内であるときは（ステップＳ１１０２でＹＥＳ）、キーワードを電子メールのシグネチャであるとして、当該キーワードを検出されたキーワードから除外して（ステップＳ１１０３）、本処理を終了する。キーワードの位置がリストの末尾から指定行数より大きいときは、当該キーワードが引用符（例えば「＞＞」等）の末尾から指定行数以内であるか否かを判別する（ステップＳ１１０４）。当該キーワードが引用符の末尾から指定行数以内であるときは（ステップＳ１１０４でＹＥＳ）、キーワードを電子メールのシグネチャであるとして、当該キーワードを検出されたキーワードから除外して（ステップＳ１１０３）、本処理を終了し、当該キーワードが引用符の末尾から指定行数より大きいときは（ステップＳ１１０４でＮＯ）、そのまま本処理を終了する。

本キーワード除去処理によれば、電子メールの末尾等に付されるシグネチャをキーワードから除外することにより、シグネチャのような本来外部に発信するための個人情報を個人情報の判定の材料として含めずに、電子メールに個人情報が含まれるか否かを評価することができる。

本実施の形態では、情報処理装置１０は、情報処理装置１０に入力される入力文書２００を評価するべく上記各処理を実行するが、これに限るものではなく、情報処理装置１０の記憶媒体ドライブ１０９でのメディアへの書き込み時に上記各処理を実行するものであってもよい。また、情報処理装置１０は、ハードディスク１０８への書き込み時に上記各処理を実行してもよく、また、情報処理装置１０に接続される不図示の印刷装置を用いてデータ出力を行う際に上記各処理を実行するものであってもよい。

また、本実施の形態では、情報処理装置１０は、個人情報指標値Ｐｉが所定値以上である場合に入力文書２００は個人情報を含むと判定するが、この場合に、情報処理装置１０に接続される表示装置や音声出力装置を用いて警告を発してもよい。

また、本実施の形態では、個人情報は姓名、住所、電話番号、電子メールを例に説明したが性別や生年月日、あるいは社員コードや住民票コードをはじめとする個人を識別する情報であればこれらに限らないことは言うまでもない。

また、本発明の目的は、上述した実施の形態の機能を実現するソフトウェアのプログラムを記憶した記憶媒体を画像処理装置に供給し、その画像処理装置のコンピュータ（又はＣＰＵやＭＰＵ等）が記憶媒体に格納されたプログラムコードを読出して実行することによっても、達成される。

この場合、記憶媒体から読出されたプログラムコード自体が上述した実施の形態の機能を実現することとなり、そのプログラムコード及び該プログラムコードを記憶した記憶媒体は本発明を構成する。

また、プログラムコードを供給するための記憶媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＤＶＤ−ＲＷ、ＤＶＤ＋ＲＷ等の光ディスク、磁気テープ、不揮発性のメモリカード、ＲＯＭ等を用いることができる。または、プログラムコードをネットワークを介してダウンロードしてもよい。

コンピュータから読出されたプログラムコードを実行することにより、上述した上記実施の形態の機能が実現されだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼動するＯＳ（オペレーティングシステム）等が実際の処理の一部又は全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれる。

本発明の実施の形態に係る情報処理装置のハードウェア構成を概略的に示すブロック図である。 図１の情報処理装置の機能を模式的に示すブロック図である。 キーワード検出部による検出結果のリストの一例を示す図である。 図２における属性決定部により実行される属性決定処理を示すフローチャートである。 図４のステップＳ４１０におけるキーワード包含領域を画定する処理を説明する図である。 図２におけるキーワード包含領域決定部により実行される領域決定処理を示すフローチャートである。 図２における包含領域評価部により実行される包含領域評価処理を示すフローチャートである。 図２における計測情報作成部及び入力文書判定部により実行される入力文書判定処理を示すフローチャートである。 図７の包含領域評価処理が実行された場合の一例を示す図である。 他の入力文書に対して図７の包含領域評価処理が実行された場合を説明する図である。 電子メールの末尾に付されるシグネチャについてのキーワード除去処理を示すフローチャートである。

符号の説明

１０ 情報処理装置
２００ 入力文書
２０１ キーワード記憶部
２０３ キーワード検出部
２０４ 包含領域生成部
２０５ 包含領域評価部
２０６ 計測情報作成部
２０７ 入力文書判定部

Claims (9)

1. 個人情報を形成し得る個人情報形成情報を検出するための個人情報検出情報と、当該個人情報検出情報により検出される個人情報形成情報の属性情報と、を対応付けて記憶する記憶手段と、
   前記記憶手段に記憶された個人情報検出情報を用いて、検査対象データから個人情報形成情報を検出する検出手段と、
   前記検出手段で検出した個人情報形成情報それぞれの属性情報、及び個人情報形成情報の前記検査対象データ中の位置関係に従って、前記個人情報形成情報の集合を生成する生成手段と、
   前記集合中の個人情報形成情報の数を用いて計測情報を作成する作成手段と、
   前記集合のそれぞれについて作成された前記計測情報を用いて、前記検査対象データが個人情報を含む度合いを示す指標値を算出する算出手段と、
   を備えることを特徴とする情報処理装置。
2. 前記作成手段はさらに、前記集合中の個人情報形成情報の前記検査対象データにおける距離に基づいて前記計測情報を作成すること
   を特徴とする請求項１に記載の情報処理装置。
3. 前記属性情報には、氏名に関する属性情報が含まれ、
   前記生成手段は、各集合に氏名に関する属性情報を有する個人情報形成情報が含まれるよう前記集合を生成すること
   を特徴とする請求項１または２に記載の情報処理装置。
4. 前記検出手段により検出された個人情報形成情報の検出に用いられた前記個人情報検出情報に複数の属性情報が対応付けられている場合に、前記複数の属性情報の中から当該個人情報形成情報の属性情報を決定する属性決定手段をさらに備え、
   前記生成手段は、前記属性決定手段で決定された属性情報に従って前記集合を生成すること
   を特徴とする請求項１乃至３のいずれか１項に記載の情報処理装置。
5. 前記検査対象データが個人情報を含むデータであることを判定するための所定の閾値を設定する第２の設定手段と、
   前記指標値と前記所定の閾値とを用いて、前記検査対象データが個人情報を有するデータであるかを判定する判定手段と
   をさらに備えることを特徴とする請求項１乃至４のいずれか１項に記載の情報処理装置。
6. 前記生成手段により生成された前記集合中の一の個人情報形成情報が、当該集合に含まれる他の個人情報形成情報と予め設定された値よりも距離が離れている場合に、前記一の個人情報形成情報を前記集合から除去する除去手段
   をさらに備えることを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。
7. 前記検査対象データは電子メールデータであり、
   前記検出手段で検出された個人情報形成情報が、電子メールデータの末尾から指定行以内または引用符の末尾から指定行以内にあるかを判定する第２の判定手段と、
   前記第２の判定手段で指定行以内にあると判定された個人情報形成情報を、前記生成手段が前記個人情報形成情報の集合の生成に用いる個人情報形成情報から除外する除外手段と
   をさらに備えることを特徴とする請求項１乃至６のいずれか１項に記載の情報処理装置。
8. 個人情報を形成し得る個人情報形成情報を検出するための個人情報検出情報と、当該個人情報検出情報により検出される個人情報形成情報の属性情報と、を対応付けて記憶する記憶装置を備える情報処理装置によって行われる情報処理方法であって、
   前記記憶装置に記憶された個人情報検出情報を用いて、検査対象データから前記個人情報形成情報を検出する検出工程と、
   前記検出工程で検出した個人情報形成情報それぞれの属性情報、及び個人情報形成情報の前記検査対象データ中の位置関係に従って、前記個人情報形成情報の集合を生成する生成工程と、
   前記集合中の個人情報形成情報の数を用いて計測情報を作成する作成工程と、
   前記集合のそれぞれについて作成された前記計測情報を用いて、前記検査対象データが個人情報を含む度合いを示す指標値を算出する算出工程と、
   を備えることを特徴とする情報処理方法。
9. 個人情報を形成し得る個人情報形成情報を検出するための個人情報検出情報と、当該個人情報検出情報により検出される当該個人情報形成情報の属性情報と、を対応付けて記憶する記憶装置を備えるコンピュータを、
   前記記憶装置に記憶された個人情報検出情報を用いて、検査対象データから前記個人情報形成情報を検出する検出手段と、
   前記検出手段で検出した個人情報形成情報それぞれの属性情報、及び個人情報形成情報の前記検査対象データ中の位置関係に従って、前記個人情報形成情報の集合を生成する生成手段と、
   前記集合中の個人情報形成情報の数を用いて計測情報を作成する作成手段と、
   前記集合のそれぞれについて作成された前記計測情報を用いて、前記検査対象データが個人情報を含む度合いを示す指標値を算出する算出手段と、
   して機能させることを特徴とするコンピュータプログラム。

Images