機密度学習装置、機密度学習システム、機密度学習方法および機密度学習プログラム
【課題】記憶装置資源の削減化を図り、また導入にかかるコスト及び労力が軽減できる機密度学習装置を提供する。
【解決手段】文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージ４と、文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベース５と、管理ルールに従い文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定部３とを備える。
【解決手段】文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージ４と、文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベース５と、管理ルールに従い文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定部３とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、管理対象の文書の機密度を評価するための機密度学習装置、機密度学習システム、機密度学習方法および機密度学習プログラムに関する。
【背景技術】
【０００２】
近年、個人情報を初めとする機密情報の漏洩が企業価値に大きな影響力を与えるようになり、情報セキュリティ管理が企業経営の重要な課題として認識されつつある。このような情報セキュリティ管理においては、機密度の学習が必要となる。そこで、特許文献１及び特許文献２は、以下のような機密度学習システムを提案している。
【０００３】
特許文献１に開示されている機密度学習システムを図１８に示すブロック図を参照して説明する。この機密度学習システムは、機密文書データベース（ＤＢ）１１８、機密文書管理サーバ１１９、ディスプレイ１２０（１２０ａ，１２０ｂ，…，１２０ｎ）、端末等を示すクライアント１２１（１２１ａ，１２１ｂ…１２１ｎ）、プリンタ１２２、機密情報管理装置１２３、プロキシサーバ１３０、ゲートウェイサーバ１３１、ファクシミリサーバ１３２、スキャンステーション１３３、携帯情報機器１３４、ネットワーク１３５、外部装置１３６（１３６ａ，１３６ｂ，…，１３６ｍ）を備えている。
【０００４】
また、機密情報管理装置１２３は、頻出表現抽出部１２４、機密情報特徴抽出部１２５、機密情報判定部１２６、ハッシュテーブルデータベース（ＤＢ）１２７、判定ログファイル１２８、頻出表現テーブルデータベース（ＤＢ）１２９を備えている。
【０００５】
そして、機密度学習システムにおいては、ハッシュテーブルＤＢ１２７に格納する機密情報判定用の情報を生成する機密度学習処理と、評価対象文書が機密情報を含むか否かを判定する機密度評価処理とが互いに独立した処理として実行される。
【０００６】
即ち、機密度学習処理において、機密情報管理装置１２３は、機密文書ＤＢ１１８に格納されている機密文書を機密文書管理サーバ１１９やネットワーク１３５を介して取得する。そして、機密情報管理装置１２３の頻出表現抽出部１２４は、取得した機密文書から頻出表現を抽出し、抽出結果を頻出表現テーブルＤＢ１２９に格納する。
【０００７】
その後、機密情報特徴抽出部１２５は、取得した機密文書と頻出表現テーブルＤＢ１２９に格納されている情報とに基づき、機密情報判定用の情報を生成してハッシュテーブルＤＢ１２７に格納する。
【０００８】
一方、機密度評価処理において、機密情報判定部１２６は、ネットワーク１３５を介して得られる評価対象文書を取得して、ハッシュテーブルＤＢ１２７に格納された機密情報判定用の情報に基づき評価対象文書が機密情報を含むか否かを判定する。これにより、評価対象文書の機密度が判定できる。
【０００９】
また、特許文献２の機密度評価システムは、図１９に示すように、文書参照手段１３７、領域分割手段１３８、特徴要素検出手段１３９、領域別辞書参照手段１４０、特徴定義辞書格納手段１４１、相関性評価手段１４２、機密情報分類手段１４３、結果出力手段１４４、文書格納手段１４５を備える。
【００１０】
機密度評価システムは、機密度評価処理は実行するが、機密度の学習処理は行わない。機密度評価処理においては、文書参照手段１３７が文書格納手段１４５に格納された文書を読出す。そして、領域分割手段１３８が、読み出された文書を、ヘッダ、本文、フッタ等の部分領域に分割する。
【００１１】
特徴要素検出手段１３９は、部分領域に応じた特徴定義辞書を参照して、この部分領域から特徴要素を抽出し、その部分領域が分類され得る機密情報カテゴリの候補を指定する。
【００１２】
相関性評価手段１４２は、候補となった機密情報カテゴリ毎に、このカテゴリに応じた特徴要素の配置状況を定量的に評価し、その部分領域がどの機密情報カテゴリに分類されるのかを判定する。
【００１３】
機密情報分類手段１４３は、各部分領域が分類された機密情報カテゴリと、各機密情報カテゴリの重要度とに基づいて、文書がどの機密情報カテゴリに分類されるのかを判定すると共に、その文書の重要度を決定する。これにより文書の重要度が決定される。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】再公表特許２００７−１０５２７３号公報
【特許文献２】特開２００６−２０９６４９号公報
【発明の概要】
【発明が解決しようとする課題】
【００１５】
しかしながら、上述した機密度学習システムや機密度評価システムにおいては、システム導入費用が高く、またシステム導入に多大な労力が必要になる問題がある。
【００１６】
これは、特許文献１における機密文書ＤＢ１１８や特許文献２における特徴定義辞書格納手段１４１が、システム導入事案毎に、また管理対象文書の種別毎に準備しなければならないためである。
【００１７】
また、特許文献１における機密文書ＤＢ１１８や特許文献２における特徴定義辞書格納手段１４１に格納されている情報は、管理対象文書の機密度の変化に応じて追加や更新等のメンテナンスを行う必要がある。このようなメンテナンスに多額の費用が必要になると共に、多大な労力が必要になる。加えて、これらの情報を格納するための記憶装置資源の消費も多くなる問題がある。
【００１８】
特に、特許文献１の機密度学習システムでは、学習用の機密文書が機密文書ＤＢ１１８に別途格納されているため、記憶装置資源の消費は著しい。
【００１９】
そこで、本発明の主目的は、システム導入及び導入後に必要となる費用や労力を削減できると共に、記憶装置資源の消費の少ない機密度学習装置、機密度学習システム、機密度学習方法および機密度学習プログラムを提供することである。
【課題を解決するための手段】
【００２０】
上記課題を解決するため、機密度学習装置にかかる発明は、文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージと、前記文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベースと、前記管理ルールに従い前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定部とを備えることを特徴とする。
【００２１】
また、機密度学習システムにかかる発明は、上記機密度学習装置と、該機密度学習装置に対して前記評価文書ファイルを指定して機密度を評価行わせる利用者端末とを備えることを特徴とする。
【００２２】
また、機密度学習方法にかかる発明は、文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定手順を含むことを特徴とする。
【００２３】
さらに、機密度学習プログラムにかかる発明は、文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定ステップを含むことを特徴とする。
【発明の効果】
【００２４】
本発明によれば、機密度の学習は管理ルールＤＢに格納されている管理ルールに基づき判定されるので、機密度学習システムを導入する際には、管理ルールＤＢに格納する管理ルールだけを準備すればよいことになる。従って、記憶装置資源の削減化を図り、また導入にかかるコスト及び労力が軽減できる。
【図面の簡単な説明】
【００２５】
【図１】本発明の第１の実施形態にかかる機密度学習装置のブロック図である。
【図２】本発明の第２の実施形態にかかる機密度学習システムのブロック図である。
【図３】第２の実施形態にかかる文書保管情報テーブルのテーブル構成を示す図である。
【図４】第２の実施形態にかかる管理ルールテーブルのテーブル構成を示す図である。
【図５】第２の実施形態にかかる管理厳重度テーブルのテーブル構成を示す図である。
【図６】第２の実施形態にかかる学習処理のフローチャートである。
【図７】第２の実施形態にかかる厳重度判定処理のフローチャートである。
【図８】第２の実施形態にかかる評価処理のフローチャートである。
【図９】本発明の第３の実施形態にかかる機密度学習システムのブロック図である。
【図１０】第３の実施形態にかかる全文書機密度評価処理のフローチャートである。
【図１１】本発明の第４の実施形態にかかる機密度学習システムのブロック図である。
【図１２】第４の実施形態にかかる文書情報テーブルのテーブル構成を示す図である。
【図１３】第４の実施形態にかかる転置索引テーブルのテーブル構成を示す図である。
【図１４】第４の実施形態にかかる学習処理のフローチャートである。
【図１５】第４の実施形態にかかる学習処理における管理度学習処理のフローチャートである。
【図１６】第４の実施形態にかかる評価処理のフローチャートである。
【図１７】第４の実施形態にかかる管理度評価処理のフローチャートである。
【図１８】関連技術にかかる機密度学習システムのブロック図である。
【図１９】関連技術にかかる機密度評価システムのブロック図である。
【発明を実施するための形態】
【００２６】
＜第１の実施形態＞
本発明の第１の実施形態を説明する。図１は、本実施形態にかかる機密度学習装置のブロック図である。この機密度学習装置２は、管理対象ストレージ４、管理ルールデータベース（ＤＢ）５、管理厳重度判定部３を備える。管理対象ストレージ４は、文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納する。管理ルールデータベース５は、文書ファイルの管理度合いの判断基準をなす管理ルールを格納する。管理厳重度判定部３は、管理ルールに従い文書保管情報により特定される文書ファイルの管理厳重度を判定する。
【００２７】
これにより、文書ファイルの管理厳重度の判定が可能にするには、ユーザは管理ルールデータベース５の管理ルールのみを準備すれば良くなるので、機密度学習装置の導入コスト及び導入労力の軽減が可能になる。
＜第２の実施形態＞
次に、本発明を第２の実施形態を説明する。図２は、本実施形態にかかる機密度学習システム９Ｂのブロック図である。この機密度学習システム９Ｂは、機密度学習装置１０Ｂ及び利用者端末１１を備える。また、機密度学習装置１０Ｂは、入出力部１２ａ、管理対象ファイル等を格納するレポジトリである管理対象ストレージ１３、管理厳重度判定部１４、管理ルールＤＢ１５、管理厳重度ＤＢ１６、機密度評価ユニット１７を備えている。
【００２８】
管理対象ストレージ１３は、文書ファイル及び文書保管情報テーブルを格納する。なお、この文書ファイルは、文書自体を意味している。そこで、以下の説明において他の用語との混乱を避けるために、文書ファイルと記載する。
【００２９】
図３は、管理対象ストレージ１３に格納されている文書保管情報テーブル５０のテーブル構成を示す図である。この文書保管情報テーブル５０は、文書ファイルに関する複数の属性情報からなる文書保管情報５５を複数含んでいる。１つの文書保管情報５５は、１つの文書ファイルの格納位置を一意的に示すファイルパス情報５１、その文書ファイルへのアクセス権限を示す権限設定情報５２、文書ファイルの暗号化の有無等を示す暗号化情報５３、文書ファイルの所有者等の情報を示す保管者情報５４等の属性情報を含んでいる。なお、図３において空欄５６が表記されているが、これは属性情報が、追加できるようになっていることを示している。例えば、文書ファイルの閲覧が可能な人を制限したい場合がある。このような場合には、空欄５６に「閲覧者制限」とする新たな属性情報を設ける。
【００３０】
例えば、図３における最上段の文書保管情報５５は、「ファイルパス情報５１が［Ｃ：￥ｆｉｌｅ．ｔｅｘｔ］の位置に格納された文書ファイルは、［７７７］の権限設定情報５２により特定される権限者により管理され、また暗号化情報５３が［無］なので暗号化されていない。そして、この文書ファイルの保管者は保管者情報５４が示す［Ｙａｍａｄａ］である。」ことを示している。
【００３１】
なお、ファイルパス情報５１としては、文書ファイルの格納位置が一意的に特定できればよい。従って、ファイルパス情報５１は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に依存するファイルパス、ＵＲＩ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｉｄｅｎｔｉｆｉｅｒ）、数値、文字列等が利用できる。
【００３２】
権限設定情報５２としては、利用者とアクセス権限の組み合わせ、利用者の集合であるグループを用いた表記等が例示できる。暗号化情報５３としては、暗号化の有無を示す２値情報、暗号強度、暗号の種類等の情報が例示できる。保管者情報５４としては、文書ファイルの保管者や管理者が例示できる。
【００３３】
管理厳重度判定部１４は、管理ルールＤＢ１５に格納されている管理ルールに基づき、管理対象ストレージ１３に格納されている文書ファイルの管理厳重度を判定する。この管理厳重度は、文書ファイルに対するセキュリティ度を示す情報である。また、管理ルールは、文書ファイルに対する管理厳重度を判定する際の判定基準である。
【００３４】
図４は、管理ルールテーブル６０のテーブル構成を示す図である。この管理ルールテーブル６０は、複数の管理ルール６４を含んでいる。１つの管理ルール６４は、その管理ルール６４を識別（特定）するためのルールＩＤ情報６１、管理ルール６４のルール実体をなすルール情報６２、このルール情報６２に合致した文書ファイルに対して付与する厳重度を示す厳重度情報６３を含んでいる。なお、厳重度情報６３は、管理ルール６４が適用される文書ファイルの機密度を数値により表現した情報である。
【００３５】
例えば、図４の最上段の管理ルール６４は、「ルールＩＤ情報６１が［１］のルールは、文書ファイルが［暗号化］されている場合、その文書ファイルの厳重度情報６３を［０．９］とする。」ことを示している。なお、ルールＩＤ情報６１は、管理ルール６４を一意的に特定する情報であり、数値、文字列、ＵＲＩ等を用いることができる。
また、
そして、管理厳重度判定部１４は、図示しないローカルファイルシステム又はネットワーク等を介して、管理対象ストレージ１３から文書ファイルを取得する。また、管理厳重度判定部１４は、管理対象ストレージ１３に格納されている文書保管情報テーブル５０の中から取得した文書ファイルに対する文書保管情報５５を取得する。そして、取得した文書ファイルの文書保管情報５５と、管理ルールＤＢ１５に格納された管理ルール６４とを比較することにより、この文書ファイルの管理厳重度を評価する。
【００３６】
管理厳重度ＤＢ１６は、管理厳重度判定部１４が判定した厳重度を厳重度情報６３として格納する。図５は、管理厳重度テーブル７０のテーブル構成を示す図である。この管理厳重度テーブル７０は、複数の管理厳重度情報７３を含んでいる。管理厳重度情報７３は、ファイルパス情報７１及び厳重度情報７２により構成されている。なお、ファイルパス情報７１は、図３に示したファイルパス情報５１に対応し、厳重度情報７２は、図４に示した厳重度情報６３に対応している。但し、後述するように、厳重度情報７２は複数の厳重度情報６３の平均値等の場合もあるため、厳重度情報７２と厳重度情報６３とは一意的に同じではない。
【００３７】
入出力部１２ａは、利用者端末１１を介して利用者が指定する文書ファイルの機密度の評価依頼を受け付ける。以下、評価依頼された文書ファイルを評価文書ファイルと記載する。そして、入出力部１２ａは、受け付けた評価文書ファイルの機密度の評価を機密度評価ユニット１７に行わせる。機密度評価ユニット１７は機密度の評価を行い、その評価結果を入出力部１２ａに出力する。入出力部１２ａは、利用者端末１１に機密度の評価結果を出力する。
【００３８】
この機密度評価ユニット１７は、機密度学習部１８、機密度学習結果ＤＢ１９、機密度評価部２０を備える。そして、機密度学習部１８は、管理厳重度ＤＢ１６に格納されている管理厳重度情報７３と管理対象ストレージ１３に格納されている文書保管情報５５を用いて文書ファイルの機密度を学習する。この機密度は、機密度学習結果ＤＢ１９に格納される。
【００３９】
機密度評価部２０は、入出力部１２ａから評価文書ファイルに対する機密度の評価要求を受け付けると、機密度学習結果ＤＢ１９に格納されている機密度に基づき、この評価文書ファイルに対する機密度を評価して、評価結果を入出力部１２ａに出力する。
【００４０】
次に、管理厳重度判定部１４、機密度学習部１８における処理（以下、学習処理という）及び、機密度評価部２０における評価（以下、評価処理という）を詳細に説明する。
【００４１】
先ず、学習処理について説明する。図６は、学習処理のフローチャートである。上述したように、学習処理は、厳重度判定処理（ステップＳａ１）及び機密度学習処理（ステップＳａ２）を主要手順とする。
【００４２】
厳重度判定処理は、管理厳重度判定部１４によって管理対象ストレージ１３に格納されている文書ファイルに対して厳重度を判定し、この判定結果を管理厳重度情報７３として管理厳重度ＤＢ１６に登録する処理である。
【００４３】
機密度学習処理は、機密度学習部１８によって管理対象ストレージ１３に格納されている文書ファイルと管理厳重度ＤＢ１６に格納されている管理厳重度情報７３とを用いて、文書ファイルの機密度を学習する処理である。
【００４４】
図７は、厳重度判定処理のフローチャートである。管理厳重度判定部１４は、管理対象ストレージ１３に格納されている文書ファイルを取得すると共に、この文書ファイルの文書保管情報５５を文書保管情報テーブル５０から取得する（ステップＳｂ１）。
【００４５】
次に、管理厳重度判定部１４は、管理ルールＤＢ１５から管理ルール６４を取得して、この管理ルール６４と文書保管情報５５との比較を行う（ステップＳｂ２）。そして、文書保管情報５５と管理ルール６４とが合致した場合は、ステップＳｂ３に進み、一致しない場合にはステップＳｂ４に進む。
【００４６】
例えば、判定対象となっている文書ファイルが、図３に示す文書保管情報テーブル５０における上から２行目の文書保管情報５５により特徴付けられているとする。この文書保管情報５５は、ファイルパス情報５１が［ｆｉｌｅ：／／／ｃ：￥ｄｏｃ１．ｄｏｃ］、権限設定情報５２が［７００］、暗号化情報５３が［有］、保管者情報５４が［ｍａｉｌ：／／Ｙａｍａｄａ＠…ｊｐ］である。この文書保管情報５５に対する、図４に示す複数の管理ルール６４の一致性を判断すると、［暗号化］のルール情報６２が、一致する。なお、この管理ルール６４に一致する文書ファイルの厳重度は、厳重度情報６３から［０．９］に設定される。
【００４７】
文書保管情報５５と管理ルール６４とが合致した場合は、管理厳重度判定部１４は、一致した管理ルール６４の厳重度情報６３を一時的に記憶する（ステップＳｂ３）。
【００４８】
管理ルールテーブル６０には複数の管理ルール６４が含まれている。そこで、管理厳重度判定部１４は、厳重度情報６３と全ての管理ルール６４との比較を行ったか判断する（ステップＳｂ４）。
【００４９】
厳重度情報６３と全ての管理ルール６４との比較が行われた場合は、管理厳重度判定部１４は、合致した管理ルール６４の厳重度情報６３に基づき判定対象となっている文書ファイルの厳重度情報７２を算出する（ステップＳｂ５）。なお、管理ルール６４が複数存在するので、文書保管情報５５と一致する管理ルール６４も複数検出されることがある。そこで、文書ファイルの厳重度情報７２は、各管理ルール６４における厳重度情報６３の平均値、中央値、最大値とすることが可能である。
【００５０】
算出された文書ファイルの厳重度と、この文書保管情報５５に含まれるファイルパス情報７１とは、管理厳重度情報７３として管理厳重度ＤＢ１６に登録される（ステップＳｂ６）。
【００５１】
以上の厳重度判定処理が、全ての文書ファイルに対して行われたか否かの判断が行われる（ステップＳｂ７）。全ての文書ファイルに対して厳重度判定処理が行われていない場合には、ステップＳｂ１に戻り、全ての文書ファイルに対して行われた場合には、処理が終了する。
【００５２】
機密度学習部１８は、このようにして判定された管理厳重度情報７３と文書保管情報５５とを用いて機密度を学習する。そして、機密度の学習結果は、機密度学習結果として機密度学習結果ＤＢ１９に格納される。なお、機密度学習部１８における機密度の具体的な学習手順は、公知の機密度学習方法等が利用できる。
【００５３】
次に、評価処理を説明する。図８は、評価処理のフローチャートである。先ず、機密度評価ユニット１７における機密度評価部２０は、入出力部１２ａを介して機密度の評価依頼を待っている（ステップＳｃ１，Ｓｃ２）。機密度の評価依頼は、文書ファイル名やファイルパス情報の指定や文書ファイルの直接入力等により評価依頼対象である評価文書ファイルが指定される。
【００５４】
そして、評価文書ファイルを受け付けると、機密度評価部２０は、機密度の評価を行う（ステップＳｃ３）。機密度の評価結果は、入出力部１２ａに送られる。
【００５５】
入出力部１２ａは、機密度評価部２０から受け取った評価文書ファイルの機密度評価結果を利用者端末１１に出力する（ステップＳｃ４）。
【００５６】
以上説明したように、機密度の学習は図５に示した管理厳重度情報に基づいて行なわれる。この管理厳重度情報は、管理ルールＤＢに格納されている管理ルールに基づき判定されるので、機密度学習システムを導入する際には、管理ルールＤＢに格納する管理ルールだけを準備すればよいことになる。
【００５７】
また、この管理厳重度情報は、ファイルパス情報と厳重度情報との２つの情報により構成される。従って、関連技術において説明した機密文書ＤＢや特徴定義辞書に比べて、本発明にかかる機密度学習システムが予め準備しなければならない情報量は非常に少ない。
【００５８】
よって、本発明にかかる機密度学習システムの導入費用が安価となると共に、導入時に必要となる労力も非常に少なくなる。
【００５９】
また、管理ルールＤＢに格納されている多くの管理ルールは、普遍性、汎用性の高いルールであるので、関連技術において説明したようなシステムの導入目的や管理対象である文書ファイルの特徴に応じた機密文書ＤＢや特徴定義辞書等を準備し、調整する作業が不要となる。従って、この観点からも、本発明にかかる機密度学習システムの導入コストが安価となると共に、導入時に必要とする労力の軽減が図れる。
【００６０】
さらに、機密度学習が文書保管情報ストレージや管理ルールＤＢに格納された情報のみで行えるので、維持コストの抑制及び維持労力の軽減が達成でき、かつ、記憶装置資源の削減が可能になる。
【００６１】
特に、管理ルールＤＢは、管理対象ストレージにおける文書の暗号化ルール等のように情報変更を行う頻度が低い情報であるため、更新に伴う労力や維持コストの大幅な軽減が可能になる。また、管理ルールＤＢは関連技術における機密文書ＤＢや特徴定義辞書に比べて小規模であるため、記憶装置資源の大幅な削減が可能になる。
＜第３の実施形態＞
次に、本発明の第３の実施形態を説明する。なお、第２の実施形態と同一構成に関しては同一符号を用いて説明を適宜省略する。図９は、本実施形態にかかる機密度学習システム９Ｃのブロック図である。
【００６２】
機密度学習システム９Ｃにおける機密度学習装置１０Ｃは、図２に示した機密度学習装置１０Ｂに対して全文書評価実行部２１が追設されている点が相違する。
【００６３】
入出力部１２ｂは、利用者端末１１からの評価文書ファイルの指定を受け付けて、機密度評価部２０に評価文書ファイルに対する機密度評価の指示を行う。そして、入出力部１２ｂは、機密度評価の結果を機密度評価部２０から受信して利用者端末１１に出力する。
【００６４】
また、入出力部１２ｂは、利用者端末１１から管理対象ストレージ１３に含まれる全ての文書ファイルに対する機密度評価の実行指示を受け付ける。全ての文書ファイルに対する機密度評価の実行指示を受け付けると、入出力部１２ｂは、全文書評価実行部２１に全ての文書ファイルに対する機密度の評価を指示する。そして、入出力部１２ｂは、機密度評価の結果を利用者端末１１に出力する。
【００６５】
全文書評価実行部２１は、入出力部１２ｂから全ての文書ファイルに対する機密度評価の実行指示を受け付けると、管理厳重度判定部１４に厳重度判定処理を実行させる。また、全文書評価実行部２１は、この厳重度判定処理の結果を用いて全文書機密度評価処理を機密度評価部２０に指示する。これにより全ての文書ファイルの機密度が評価される。そこで、全文書評価実行部２１は、機密度評価部２０による評価結果を機密度の順に並べ替えて入出力部１２ｂに出力する。
【００６６】
このような全文書機密度評価処理を図１０のフローチャートに従い説明する。先ず、管理厳重度判定部１４は、全文書評価実行部２１から厳重度判定処理の実行指示を受け付けると、厳重度判定処理を実行する（ステップＳｄ１）。
【００６７】
次に、全文書評価実行部２１は、管理対象ストレージ１３から文書ファイルを読み込み（ステップＳｄ２）、読み込んだ文書ファイルを機密度評価部２０に送る。
【００６８】
機密度評価部２０は、全文書評価実行部２１から受信した文書ファイルに対して図８に示したような評価処理を実行する（ステップＳｄ３）。評価結果は、全文書評価実行部２１に出力される。
【００６９】
そして、このような評価処理が全ての文書ファイルに対して実行されたか否かが判断される（ステップＳｄ４）。評価処理が全ての文書ファイルに対して実行された場合は、ステップＳｄ４に進み、まだ実行されていない文書ファイルが存在する場合はステップＳｄ２に戻る。
【００７０】
全文書評価実行部２１は、取得した文書ファイルとこの文書ファイルの機密度との組のリストを、機密度の降順で並べ替えて入出力部１２ｂに出力する（ステップＳｄ５）。
【００７１】
入出力部１２ｂは、得られた文書ファイルと機密度との組のリストを利用者端末１１に出力する（ステップＳｄ６）。
【００７２】
このように、全文書評価実行部２１が、全ての文書ファイルの機密度の評価が一連の処理として自動的に行われるので、運用費用及び運用労力の削減が可能になる。
【００７３】
また、全文書評価実行部２１により、管理対象ストレージに格納されている全ての文書ファイルの評価が簡単に行えるので、運用コストや運用の労力軽減が可能になる。
＜第４の実施形態＞
次に、本発明の第４の実施形態を説明する。なお、第２の実施形態と同一構成に関しては同一符号を用いて説明を適宜省略する。図１１は、本実施形態にかかる機密度学習システム９Ｄのブロック図である。
【００７４】
機密度学習システム９Ｄの機密度学習装置１０Ｄは、図２に示した機密度学習装置１０Ｂに対して管理度評価ユニット２２と要対処度算出部２７とが追設されている。
【００７５】
管理度評価ユニット２２は、管理厳重度ＤＢ１６に格納されている管理厳重度情報７３と、管理対象ストレージ１３に格納されている文書保管情報５５とに基づき、文書ファイルの管理度を学習し、また指定された評価文書ファイルの管理度を評価する。このような管理度評価ユニット２２は、索引生成部２３、索引ＤＢ２４、検索部２５、管理度評価部２６を備える。
【００７６】
索引ＤＢ２４は、索引生成部２３が生成する索引情報と文書情報とを格納するデータベースであり、転置索引テーブル８０及び、文書情報テーブル９０を備えている。
【００７７】
文書情報テーブル９０は、図１２に示すように、複数の文書情報９７により構成されている。１つの文書情報９７は、文書ファイルを識別するための文書ＩＤ情報９１、この文書ファイルの保管場所を一意的に示すファイルパス情報９２、この文書ファイルに対するアクセス権限を示す権限設定情報９３、この文書ファイルの暗号化の有無等を示す暗号化情報９４及び、この文書ファイルに対する管理厳重度を示す厳重度情報９５を含んでいる。なお、図１２に示す文書情報テーブル９０には、空欄９６が設けられているが、この空欄９６には、上述した情報と異なる他の情報を追加するような場合に用いられることを示している。即ち、文書情報９７の属性項目の数は適宜増減可能に設けられている。
【００７８】
転置索引テーブル８０は、図１３に示すように、複数の転置索引情報８３を格納している。１つの転置索引情報８３は、文書ファイルに含まれる単語等の項目情報８１と、その項目情報８１を含む複数の文書ファイルの文書ＩＤ情報９１からなる文書ＩＤ群情報８２とにより構成されている。例えば、項目情報８１が［東京］である転置索引情報８３は、文書ＩＤ情報９１が［１］，［２］，［５］，［…］の文書ファイルが該当することを示す文書ＩＤ群情報８２を持っている。
【００７９】
索引生成部２３は、図示しないローカルファイルシステム又はネットワーク等を介して、管理対象ストレージ１３から文書ファイルを取得する。そして、索引生成部２３は、取得した文書ファイルから文字列情報を抽出し、この文字列情報から項目を抽出する。抽出された項目を含む文書ファイルには、文書ＩＤ９１が付与されているので、この文書ＩＤ９１を取得する。この集められた文書ＩＤ９１は文書ＩＤ群情報８２をなし、項目は項目情報８１をなす。そこで、索引生成部２３は、項目情報８１と文書ＩＤ群情報８２とを転置索引情報８３として、索引ＤＢ２４の転置索引テーブル８０に追加する。
【００８０】
また、索引生成部２３は、管理対象ストレージ１３から図３に示したような文書保管情報５５を取得すると共に、管理厳重度ＤＢ１６から図５に示したような管理厳重度情報７３を取得する。そして、索引生成部２３は、文書保管情報５５からファイルパス情報５１、権限設定情報５２、暗号化情報５３を抽出し、これらを文書ＩＤ情報９１に対応したファイルパス情報９２、権限設定情報９３、暗号化情報９４とする。さらに、索引生成部２３は、管理厳重度情報７３から厳重度情報７２を抽出し、これを文書ＩＤ情報９１に対応した厳重度情報９５とする。これにより、文書ＩＤ情報９１、ファイルパス情報９２、権限設定情報９３、暗号化情報９４、厳重度情報９５が取得される。そして、索引生成部２３は、これらを文書情報９７として索引ＤＢ２４の文書情報テーブル９０に追加する。
【００８１】
検索部２５は、評価要求のあった評価文書ファイルの文字列情報に基づきクエリを作成して索引ＤＢ２４の転置索引テーブル８０を検索する。そして、評価文書ファイルの内容と類似する内容の文書ファイルを取得する。
【００８２】
管理度評価部２６は、評価文書ファイルの管理度を評価する。即ち、管理度評価部２６は、検索部２５により検索された評価文書ファイルに類似する文書ファイル群と、この文書ファイル群の文書情報を取得する。そして、管理度評価部２６は、類似した文書ファイル群の管理厳重度について、類似した文書ファイル群の管理状況を数値化する統計処理を行い、この結果を評価した管理度とする。
【００８３】
要対処度算出部２７は、入出力部１２ａが入力した評価文書ファイルに対して保管状態の変更等の必要性を数値化し、これを要対処度として算出する。
【００８４】
この要対処度の算出は、機密度評価部２０が評価した評価文書ファイルの機密度と、管理度評価部２６が評価した評価文書ファイルの管理度とに基づき算出する。要対処度算出部２７により算出された要対処度は、入出力部１２ａに出力される。
【００８５】
次に、このような機密度学習システム９Ｄの処理手順を説明する。機密度学習システム９Ｄは、厳重度判定処理、学習処理、評価処理を主要な処理手順とする。厳重度判定処理は、第２の実施形態と同じ処理であるが、学習処理及び評価処理が異なるので、学習処理及び評価処理について詳細に説明する。
【００８６】
図１４は、学習処理のフローチャートである。学習処理では、厳重度判定処理（ステップＳａ１）を行った後、機密度学習処理（ステップＳａ２）と管理度学習処理（ステップＳｅ１）とが行われる。なお、図１４〜図１６は、ＵＭＬ（Ｕｎｉｆｉｅｄ Ｍｏｄｅｌｉｎｇ Ｌａｎｇｕａｇｅ）で定められたダイアグラムに従う図で、図中の黒塗ステップは、［分岐点ＰＳ］又は［合流点ＰＥ］を示している。そして、分岐点ＰＳと合流点ＰＥとの間の一連のシーケンスの実行順序は、規定されていない。例えば、図１４で、分岐点ＰＳと合流点ＰＥとの間に機密度学習処理と管理度学習処理とが含まれるが、機密度学習処理と管理度学習処理とは同時に処理されても良く、また一方の処理が他方の処理より先行して実行されてもよい。
【００８７】
機密度学習処理（ステップＳａ２）については、図６において説明しているので、以下においては管理度学習処理（ステップＳｅ１）を詳細に説明する。
【００８８】
この管理度学習処理は、索引生成部２３により管理対象ストレージ１３に格納されている全ての文書ファイルと、管理厳重度ＤＢ１６に格納されている管理厳重度情報７３とを用いて転置索引情報８３及び文書情報９７を作成して、索引ＤＢ２４に登録する手順である。
【００８９】
図１５は、学習処理における管理度学習処理のフローチャートである。管理度学習処理が開始されると、分岐点ＰＳから、３つのシーケンス（ステップＳｆ１〜ステップＳｆ４によるファイルパス情報９２等の作成・登録処理、ステップＳｆ５〜ステップＳｆ６による文書情報９７の作成・登録処理、ステップＳｆ７〜ステップＳｆ８による厳重度情報９５の作成・登録処理）が実行される。
【００９０】
索引生成部２３は、ローカルファイルシステム又はネットワーク等を介して、管理対象ストレージ１３から文書ファイルを取得する（ステップＳｆ１）。そして、索引生成部２３は、取得した文書ファイルに含まれる文書ＩＤ情報９１及び文字列を抽出し（ステップＳｆ２）、この文字列から項目情報８１を抽出する（ステップＳｆ３）。なお、項目情報８１として単語や、Ｎ文字インデックス法（ｎ−ｇｒａｍ）による文字列が適用できる。その後、索引生成部２３は、抽出した項目情報８１を用いて転置索引情報８３を作成し、索引ＤＢ２４の転置索引テーブル８０に登録する（ステップＳｆ４）。
【００９１】
また、索引生成部２３は、ローカルファイルシステム又はネットワーク等を介して管理対象ストレージ１３から文書ＩＤ情報９１に該当する文書ファイルの文書保管情報５５を取得する（ステップＳｆ５）。
【００９２】
そして、索引生成部２３は、取得した文書保管情報５５からファイルパス情報９２、権限設定情報９３、暗号化情報９４を文書情報テーブル９０に登録する（ステップＳｆ６）。
【００９３】
さらに索引生成部２３は、管理厳重度ＤＢ１６から管理厳重度情報７３を取得し、その中から該当する文書ファイルの厳重度情報７２を抽出する（ステップＳｆ７）。そして、索引生成部２３は、厳重度情報７２を厳重度情報９５として索引ＤＢ２４の文書情報テーブル９０に登録する（ステップＳｆ８）。
【００９４】
このような、転置索引情報８３の作成・登録処理、文書保管情報５５の作成・登録処理、厳重度情報９５の作成・登録処理が実行されると、合流点ＰＥを経て管理対象ストレージ１３に格納されている全ての文書ファイルに対して、上述した処理が行われたか否かの判断が行われる（ステップＳｆ９）。全ての文書ファイルに対して処理が完了していない場合には分岐点ＰＳに戻り、完了した場合には管理度学習処理が終了する。
【００９５】
次に、評価処理を説明する。図１６は、この評価処理のフローチャートである。評価処理では、評価文書ファイルの受け付けを判断し（ステップＳｃ２，Ｓｃ１）、評価文書ファイルを受け付けると機密度評価処理（ステップＳｃ３）及び管理度評価処理（ステップＳｇ１）を行う。その後、要対処度算出部２７による評価文書ファイルの機密度と管理度とが演算されて、この評価文書ファイルの要対処度が算出される（Ｓｇ２）。
【００９６】
次に、管理度評価処理を詳細に説明する。なお、機密度評価処理（ステップＳｃ３）は先の実施形態において説明したので重複説明を避ける。図１７は、管理度評価処理のフローチャートである。
【００９７】
先ず、検索部２５が評価文書ファイルに類似した文書ファイルを索引ＤＢ２４の転置索引テーブル８０から検索して、類似文書ファイル群を得る（ステップＳｈ１）。
【００９８】
次に、検索部２５は、索引ＤＢ２４に格納されている文書情報９７から類似文書ファイル群の各文書ファイルに対する厳重度情報９５を取得する（ステップＳｈ２）。
【００９９】
そして、管理度評価部２６は、評価文書ファイルの管理度を評価して、この管理度と類似文書ファイル群の厳重度情報９５との一貫性を示す分散値や中央値等を統計処理により算出する（ステップＳｈ３）。
【０１００】
以上説明したように、管理度評価部が評価する文書ファイルの管理状態という指標を数値化した管理度を取得すると共に、機密度評価部が評価した機密度を取得して、これら管理度と機密度とから要対処度を算出する。従って、利用者が管理対象ストレージ１３の管理状態を改善すべきか否かの判断は、評価文書ファイルの要対処度のみから判断できる。即ち、機密度が高いにもかかわらず管理度の悪い文書ファイルは、高い対処度が算出される。よって、管理対象ストレージ１３の管理状態の改善の是非の判断及び状態管理が容易に行えるようになる。
【０１０１】
なお、機密度学習システムにおける各種の処理手順をコンピュータで実行可能にコーディングしてプログラム化することが可能であり、またそのプログラムを情報記録媒体に記録することも可能である。
【０１０２】
以上説明した特徴を付記として纏める。付記１は、文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージと、文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベースと、管理ルールに従い文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定部とを備えることを特徴とする機密度学習装置。
【０１０３】
付記２は、付記１に記載の機密度学習装置において、管理厳重度判定部による管理度厳重度と文書ファイルとに基づき、当該文書ファイルの機密度を学習する機密度評価ユニットを備えることを特徴とする機密度学習装置。
【０１０４】
付記３は、付記２に記載の機密度学習装置において、機密度評価ユニットは、管理厳重度を文書ファイルの機密度として、機密度評価のための学習を行う機密度学習部を備えることを特徴とする機密度学習装置。
【０１０５】
付記４は、付記２又は３に記載の機密度学習装置において、機密度評価ユニットは、機密度学習部の学習結果に基づき、指定された評価文書ファイルの機密度を評価する機密度評価部と、を備えることを特徴とする機密度学習装置。
【０１０６】
付記５は、付記１に記載の機密度学習装置において、管理対象ストレージに格納されている全ての文書ファイルの機密度の評価を機密度評価部に指示する全文書評価実行部を備えることを特徴とする機密度学習装置。
【０１０７】
付記６は、付記３又は４に記載の機密度学習装置において、管理厳重度と文書保管情報とに基づき評価文書ファイルの管理度を評価する管理度評価ユニットを備えることを特徴とする機密度学習装置。
【０１０８】
付記７は、付記４乃至６のいずれか１つの付記に記載の機密度学習装置において、機密度と管理度とに基づき、利用者による評価文書ファイルに対する管理の必要性を示す要対処度を算出する要対初度算出部を備えることを特徴とする機密度学習装置。
【０１０９】
付記８は、付記１乃至７のいずれか１つの付記に記載の機密度学習装置と、該機密度学習装置に対して評価文書ファイルを指定して機密度を評価行わせる利用者端末とを備えることを特徴とする機密度学習システム。
【０１１０】
付記９は、文書ファイルを特徴づける属性値からなる文書保管情報と、文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定手順を含むことを特徴とする機密度学習方法。
【０１１１】
付記１０は、付記９に記載の機密度学習方法において、管理厳重度を文書ファイルの機密度として、機密度評価のための学習を行う学習手順を含むことを特徴とする機密度学習方法。
【０１１２】
付記１１は、付記１０に記載の機密度学習方法において、機密度の学習結果に基づき、指定された評価文書ファイルの機密度を評価する手順を含むことを特徴とする機密度学習方法。
【０１１３】
付記１２は、付記９又は１０に記載の機密度学習方法において、管理厳重度と文書保管情報とに基づき評価文書ファイルの管理度を評価する手順を含むことを特徴とする機密度学習方法。
【０１１４】
付記１３は、付記１２に記載の機密度学習方法において、機密度と管理度とに基づき、利用者による評価文書ファイルに対する管理の必要性を示す要対処度を算出する手順を含むことを特徴とする機密度学習方法。
【０１１５】
付記１４は、文書ファイルを特徴づける属性値からなる文書保管情報と、文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定ステップを含むことを特徴とする機密度学習プログラム。
【０１１６】
付記１５は、付記１４に記載の機密度学習プログラムにおいて、管理厳重度を文書ファイルの機密度として、機密度評価のための学習を行う学習ステップを含むことを特徴とする機密度学習プログラム。
【０１１７】
付記１６は、付記１５に記載の機密度学習プログラムにおいて、機密度の学習結果に基づき、指定された評価文書ファイルの機密度を評価するステップを含むことを特徴とする機密度学習プログラム。
【０１１８】
付記１７は、付記１４乃至１６の１つに記載の機密度学習プログラムにおいて、管理厳重度と文書保管情報とに基づき評価文書ファイルの管理度を評価するステップを含むことを特徴とする機密度学習プログラム。
【０１１９】
付記１８は、付記１７に記載の機密度学習プログラムにおいて、機密度と管理度とに基づき、利用者による評価文書ファイルに対する管理の必要性を示す要対処度を算出するステップを含むことを特徴とする機密度学習プログラム。
【符号の説明】
【０１２０】
９Ｂ〜９Ｄ 機密度学習システム
２，１０Ｂ〜１０Ｄ 機密度学習装置
１２ａ，１２ｂ 入出力部
４，１３ 管理対象ストレージ
３，１４ 管理厳重度判定部
５，１５ 管理ルールＤＢ
１６ 管理厳重度ＤＢ
１７ 機密度評価ユニット
１８ 機密度学習部
１９ 機密度学習結果ＤＢ
２０ 機密度評価部
２１ 全文書評価実行部
２２ 管理度評価ユニット
２３ 索引生成部
２４ 索引ＤＢ
２５ 検索部
２６ 管理度評価部
２７ 要対処度算出部
【技術分野】
【０００１】
本発明は、管理対象の文書の機密度を評価するための機密度学習装置、機密度学習システム、機密度学習方法および機密度学習プログラムに関する。
【背景技術】
【０００２】
近年、個人情報を初めとする機密情報の漏洩が企業価値に大きな影響力を与えるようになり、情報セキュリティ管理が企業経営の重要な課題として認識されつつある。このような情報セキュリティ管理においては、機密度の学習が必要となる。そこで、特許文献１及び特許文献２は、以下のような機密度学習システムを提案している。
【０００３】
特許文献１に開示されている機密度学習システムを図１８に示すブロック図を参照して説明する。この機密度学習システムは、機密文書データベース（ＤＢ）１１８、機密文書管理サーバ１１９、ディスプレイ１２０（１２０ａ，１２０ｂ，…，１２０ｎ）、端末等を示すクライアント１２１（１２１ａ，１２１ｂ…１２１ｎ）、プリンタ１２２、機密情報管理装置１２３、プロキシサーバ１３０、ゲートウェイサーバ１３１、ファクシミリサーバ１３２、スキャンステーション１３３、携帯情報機器１３４、ネットワーク１３５、外部装置１３６（１３６ａ，１３６ｂ，…，１３６ｍ）を備えている。
【０００４】
また、機密情報管理装置１２３は、頻出表現抽出部１２４、機密情報特徴抽出部１２５、機密情報判定部１２６、ハッシュテーブルデータベース（ＤＢ）１２７、判定ログファイル１２８、頻出表現テーブルデータベース（ＤＢ）１２９を備えている。
【０００５】
そして、機密度学習システムにおいては、ハッシュテーブルＤＢ１２７に格納する機密情報判定用の情報を生成する機密度学習処理と、評価対象文書が機密情報を含むか否かを判定する機密度評価処理とが互いに独立した処理として実行される。
【０００６】
即ち、機密度学習処理において、機密情報管理装置１２３は、機密文書ＤＢ１１８に格納されている機密文書を機密文書管理サーバ１１９やネットワーク１３５を介して取得する。そして、機密情報管理装置１２３の頻出表現抽出部１２４は、取得した機密文書から頻出表現を抽出し、抽出結果を頻出表現テーブルＤＢ１２９に格納する。
【０００７】
その後、機密情報特徴抽出部１２５は、取得した機密文書と頻出表現テーブルＤＢ１２９に格納されている情報とに基づき、機密情報判定用の情報を生成してハッシュテーブルＤＢ１２７に格納する。
【０００８】
一方、機密度評価処理において、機密情報判定部１２６は、ネットワーク１３５を介して得られる評価対象文書を取得して、ハッシュテーブルＤＢ１２７に格納された機密情報判定用の情報に基づき評価対象文書が機密情報を含むか否かを判定する。これにより、評価対象文書の機密度が判定できる。
【０００９】
また、特許文献２の機密度評価システムは、図１９に示すように、文書参照手段１３７、領域分割手段１３８、特徴要素検出手段１３９、領域別辞書参照手段１４０、特徴定義辞書格納手段１４１、相関性評価手段１４２、機密情報分類手段１４３、結果出力手段１４４、文書格納手段１４５を備える。
【００１０】
機密度評価システムは、機密度評価処理は実行するが、機密度の学習処理は行わない。機密度評価処理においては、文書参照手段１３７が文書格納手段１４５に格納された文書を読出す。そして、領域分割手段１３８が、読み出された文書を、ヘッダ、本文、フッタ等の部分領域に分割する。
【００１１】
特徴要素検出手段１３９は、部分領域に応じた特徴定義辞書を参照して、この部分領域から特徴要素を抽出し、その部分領域が分類され得る機密情報カテゴリの候補を指定する。
【００１２】
相関性評価手段１４２は、候補となった機密情報カテゴリ毎に、このカテゴリに応じた特徴要素の配置状況を定量的に評価し、その部分領域がどの機密情報カテゴリに分類されるのかを判定する。
【００１３】
機密情報分類手段１４３は、各部分領域が分類された機密情報カテゴリと、各機密情報カテゴリの重要度とに基づいて、文書がどの機密情報カテゴリに分類されるのかを判定すると共に、その文書の重要度を決定する。これにより文書の重要度が決定される。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】再公表特許２００７−１０５２７３号公報
【特許文献２】特開２００６−２０９６４９号公報
【発明の概要】
【発明が解決しようとする課題】
【００１５】
しかしながら、上述した機密度学習システムや機密度評価システムにおいては、システム導入費用が高く、またシステム導入に多大な労力が必要になる問題がある。
【００１６】
これは、特許文献１における機密文書ＤＢ１１８や特許文献２における特徴定義辞書格納手段１４１が、システム導入事案毎に、また管理対象文書の種別毎に準備しなければならないためである。
【００１７】
また、特許文献１における機密文書ＤＢ１１８や特許文献２における特徴定義辞書格納手段１４１に格納されている情報は、管理対象文書の機密度の変化に応じて追加や更新等のメンテナンスを行う必要がある。このようなメンテナンスに多額の費用が必要になると共に、多大な労力が必要になる。加えて、これらの情報を格納するための記憶装置資源の消費も多くなる問題がある。
【００１８】
特に、特許文献１の機密度学習システムでは、学習用の機密文書が機密文書ＤＢ１１８に別途格納されているため、記憶装置資源の消費は著しい。
【００１９】
そこで、本発明の主目的は、システム導入及び導入後に必要となる費用や労力を削減できると共に、記憶装置資源の消費の少ない機密度学習装置、機密度学習システム、機密度学習方法および機密度学習プログラムを提供することである。
【課題を解決するための手段】
【００２０】
上記課題を解決するため、機密度学習装置にかかる発明は、文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージと、前記文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベースと、前記管理ルールに従い前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定部とを備えることを特徴とする。
【００２１】
また、機密度学習システムにかかる発明は、上記機密度学習装置と、該機密度学習装置に対して前記評価文書ファイルを指定して機密度を評価行わせる利用者端末とを備えることを特徴とする。
【００２２】
また、機密度学習方法にかかる発明は、文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定手順を含むことを特徴とする。
【００２３】
さらに、機密度学習プログラムにかかる発明は、文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定ステップを含むことを特徴とする。
【発明の効果】
【００２４】
本発明によれば、機密度の学習は管理ルールＤＢに格納されている管理ルールに基づき判定されるので、機密度学習システムを導入する際には、管理ルールＤＢに格納する管理ルールだけを準備すればよいことになる。従って、記憶装置資源の削減化を図り、また導入にかかるコスト及び労力が軽減できる。
【図面の簡単な説明】
【００２５】
【図１】本発明の第１の実施形態にかかる機密度学習装置のブロック図である。
【図２】本発明の第２の実施形態にかかる機密度学習システムのブロック図である。
【図３】第２の実施形態にかかる文書保管情報テーブルのテーブル構成を示す図である。
【図４】第２の実施形態にかかる管理ルールテーブルのテーブル構成を示す図である。
【図５】第２の実施形態にかかる管理厳重度テーブルのテーブル構成を示す図である。
【図６】第２の実施形態にかかる学習処理のフローチャートである。
【図７】第２の実施形態にかかる厳重度判定処理のフローチャートである。
【図８】第２の実施形態にかかる評価処理のフローチャートである。
【図９】本発明の第３の実施形態にかかる機密度学習システムのブロック図である。
【図１０】第３の実施形態にかかる全文書機密度評価処理のフローチャートである。
【図１１】本発明の第４の実施形態にかかる機密度学習システムのブロック図である。
【図１２】第４の実施形態にかかる文書情報テーブルのテーブル構成を示す図である。
【図１３】第４の実施形態にかかる転置索引テーブルのテーブル構成を示す図である。
【図１４】第４の実施形態にかかる学習処理のフローチャートである。
【図１５】第４の実施形態にかかる学習処理における管理度学習処理のフローチャートである。
【図１６】第４の実施形態にかかる評価処理のフローチャートである。
【図１７】第４の実施形態にかかる管理度評価処理のフローチャートである。
【図１８】関連技術にかかる機密度学習システムのブロック図である。
【図１９】関連技術にかかる機密度評価システムのブロック図である。
【発明を実施するための形態】
【００２６】
＜第１の実施形態＞
本発明の第１の実施形態を説明する。図１は、本実施形態にかかる機密度学習装置のブロック図である。この機密度学習装置２は、管理対象ストレージ４、管理ルールデータベース（ＤＢ）５、管理厳重度判定部３を備える。管理対象ストレージ４は、文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納する。管理ルールデータベース５は、文書ファイルの管理度合いの判断基準をなす管理ルールを格納する。管理厳重度判定部３は、管理ルールに従い文書保管情報により特定される文書ファイルの管理厳重度を判定する。
【００２７】
これにより、文書ファイルの管理厳重度の判定が可能にするには、ユーザは管理ルールデータベース５の管理ルールのみを準備すれば良くなるので、機密度学習装置の導入コスト及び導入労力の軽減が可能になる。
＜第２の実施形態＞
次に、本発明を第２の実施形態を説明する。図２は、本実施形態にかかる機密度学習システム９Ｂのブロック図である。この機密度学習システム９Ｂは、機密度学習装置１０Ｂ及び利用者端末１１を備える。また、機密度学習装置１０Ｂは、入出力部１２ａ、管理対象ファイル等を格納するレポジトリである管理対象ストレージ１３、管理厳重度判定部１４、管理ルールＤＢ１５、管理厳重度ＤＢ１６、機密度評価ユニット１７を備えている。
【００２８】
管理対象ストレージ１３は、文書ファイル及び文書保管情報テーブルを格納する。なお、この文書ファイルは、文書自体を意味している。そこで、以下の説明において他の用語との混乱を避けるために、文書ファイルと記載する。
【００２９】
図３は、管理対象ストレージ１３に格納されている文書保管情報テーブル５０のテーブル構成を示す図である。この文書保管情報テーブル５０は、文書ファイルに関する複数の属性情報からなる文書保管情報５５を複数含んでいる。１つの文書保管情報５５は、１つの文書ファイルの格納位置を一意的に示すファイルパス情報５１、その文書ファイルへのアクセス権限を示す権限設定情報５２、文書ファイルの暗号化の有無等を示す暗号化情報５３、文書ファイルの所有者等の情報を示す保管者情報５４等の属性情報を含んでいる。なお、図３において空欄５６が表記されているが、これは属性情報が、追加できるようになっていることを示している。例えば、文書ファイルの閲覧が可能な人を制限したい場合がある。このような場合には、空欄５６に「閲覧者制限」とする新たな属性情報を設ける。
【００３０】
例えば、図３における最上段の文書保管情報５５は、「ファイルパス情報５１が［Ｃ：￥ｆｉｌｅ．ｔｅｘｔ］の位置に格納された文書ファイルは、［７７７］の権限設定情報５２により特定される権限者により管理され、また暗号化情報５３が［無］なので暗号化されていない。そして、この文書ファイルの保管者は保管者情報５４が示す［Ｙａｍａｄａ］である。」ことを示している。
【００３１】
なお、ファイルパス情報５１としては、文書ファイルの格納位置が一意的に特定できればよい。従って、ファイルパス情報５１は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に依存するファイルパス、ＵＲＩ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｉｄｅｎｔｉｆｉｅｒ）、数値、文字列等が利用できる。
【００３２】
権限設定情報５２としては、利用者とアクセス権限の組み合わせ、利用者の集合であるグループを用いた表記等が例示できる。暗号化情報５３としては、暗号化の有無を示す２値情報、暗号強度、暗号の種類等の情報が例示できる。保管者情報５４としては、文書ファイルの保管者や管理者が例示できる。
【００３３】
管理厳重度判定部１４は、管理ルールＤＢ１５に格納されている管理ルールに基づき、管理対象ストレージ１３に格納されている文書ファイルの管理厳重度を判定する。この管理厳重度は、文書ファイルに対するセキュリティ度を示す情報である。また、管理ルールは、文書ファイルに対する管理厳重度を判定する際の判定基準である。
【００３４】
図４は、管理ルールテーブル６０のテーブル構成を示す図である。この管理ルールテーブル６０は、複数の管理ルール６４を含んでいる。１つの管理ルール６４は、その管理ルール６４を識別（特定）するためのルールＩＤ情報６１、管理ルール６４のルール実体をなすルール情報６２、このルール情報６２に合致した文書ファイルに対して付与する厳重度を示す厳重度情報６３を含んでいる。なお、厳重度情報６３は、管理ルール６４が適用される文書ファイルの機密度を数値により表現した情報である。
【００３５】
例えば、図４の最上段の管理ルール６４は、「ルールＩＤ情報６１が［１］のルールは、文書ファイルが［暗号化］されている場合、その文書ファイルの厳重度情報６３を［０．９］とする。」ことを示している。なお、ルールＩＤ情報６１は、管理ルール６４を一意的に特定する情報であり、数値、文字列、ＵＲＩ等を用いることができる。
また、
そして、管理厳重度判定部１４は、図示しないローカルファイルシステム又はネットワーク等を介して、管理対象ストレージ１３から文書ファイルを取得する。また、管理厳重度判定部１４は、管理対象ストレージ１３に格納されている文書保管情報テーブル５０の中から取得した文書ファイルに対する文書保管情報５５を取得する。そして、取得した文書ファイルの文書保管情報５５と、管理ルールＤＢ１５に格納された管理ルール６４とを比較することにより、この文書ファイルの管理厳重度を評価する。
【００３６】
管理厳重度ＤＢ１６は、管理厳重度判定部１４が判定した厳重度を厳重度情報６３として格納する。図５は、管理厳重度テーブル７０のテーブル構成を示す図である。この管理厳重度テーブル７０は、複数の管理厳重度情報７３を含んでいる。管理厳重度情報７３は、ファイルパス情報７１及び厳重度情報７２により構成されている。なお、ファイルパス情報７１は、図３に示したファイルパス情報５１に対応し、厳重度情報７２は、図４に示した厳重度情報６３に対応している。但し、後述するように、厳重度情報７２は複数の厳重度情報６３の平均値等の場合もあるため、厳重度情報７２と厳重度情報６３とは一意的に同じではない。
【００３７】
入出力部１２ａは、利用者端末１１を介して利用者が指定する文書ファイルの機密度の評価依頼を受け付ける。以下、評価依頼された文書ファイルを評価文書ファイルと記載する。そして、入出力部１２ａは、受け付けた評価文書ファイルの機密度の評価を機密度評価ユニット１７に行わせる。機密度評価ユニット１７は機密度の評価を行い、その評価結果を入出力部１２ａに出力する。入出力部１２ａは、利用者端末１１に機密度の評価結果を出力する。
【００３８】
この機密度評価ユニット１７は、機密度学習部１８、機密度学習結果ＤＢ１９、機密度評価部２０を備える。そして、機密度学習部１８は、管理厳重度ＤＢ１６に格納されている管理厳重度情報７３と管理対象ストレージ１３に格納されている文書保管情報５５を用いて文書ファイルの機密度を学習する。この機密度は、機密度学習結果ＤＢ１９に格納される。
【００３９】
機密度評価部２０は、入出力部１２ａから評価文書ファイルに対する機密度の評価要求を受け付けると、機密度学習結果ＤＢ１９に格納されている機密度に基づき、この評価文書ファイルに対する機密度を評価して、評価結果を入出力部１２ａに出力する。
【００４０】
次に、管理厳重度判定部１４、機密度学習部１８における処理（以下、学習処理という）及び、機密度評価部２０における評価（以下、評価処理という）を詳細に説明する。
【００４１】
先ず、学習処理について説明する。図６は、学習処理のフローチャートである。上述したように、学習処理は、厳重度判定処理（ステップＳａ１）及び機密度学習処理（ステップＳａ２）を主要手順とする。
【００４２】
厳重度判定処理は、管理厳重度判定部１４によって管理対象ストレージ１３に格納されている文書ファイルに対して厳重度を判定し、この判定結果を管理厳重度情報７３として管理厳重度ＤＢ１６に登録する処理である。
【００４３】
機密度学習処理は、機密度学習部１８によって管理対象ストレージ１３に格納されている文書ファイルと管理厳重度ＤＢ１６に格納されている管理厳重度情報７３とを用いて、文書ファイルの機密度を学習する処理である。
【００４４】
図７は、厳重度判定処理のフローチャートである。管理厳重度判定部１４は、管理対象ストレージ１３に格納されている文書ファイルを取得すると共に、この文書ファイルの文書保管情報５５を文書保管情報テーブル５０から取得する（ステップＳｂ１）。
【００４５】
次に、管理厳重度判定部１４は、管理ルールＤＢ１５から管理ルール６４を取得して、この管理ルール６４と文書保管情報５５との比較を行う（ステップＳｂ２）。そして、文書保管情報５５と管理ルール６４とが合致した場合は、ステップＳｂ３に進み、一致しない場合にはステップＳｂ４に進む。
【００４６】
例えば、判定対象となっている文書ファイルが、図３に示す文書保管情報テーブル５０における上から２行目の文書保管情報５５により特徴付けられているとする。この文書保管情報５５は、ファイルパス情報５１が［ｆｉｌｅ：／／／ｃ：￥ｄｏｃ１．ｄｏｃ］、権限設定情報５２が［７００］、暗号化情報５３が［有］、保管者情報５４が［ｍａｉｌ：／／Ｙａｍａｄａ＠…ｊｐ］である。この文書保管情報５５に対する、図４に示す複数の管理ルール６４の一致性を判断すると、［暗号化］のルール情報６２が、一致する。なお、この管理ルール６４に一致する文書ファイルの厳重度は、厳重度情報６３から［０．９］に設定される。
【００４７】
文書保管情報５５と管理ルール６４とが合致した場合は、管理厳重度判定部１４は、一致した管理ルール６４の厳重度情報６３を一時的に記憶する（ステップＳｂ３）。
【００４８】
管理ルールテーブル６０には複数の管理ルール６４が含まれている。そこで、管理厳重度判定部１４は、厳重度情報６３と全ての管理ルール６４との比較を行ったか判断する（ステップＳｂ４）。
【００４９】
厳重度情報６３と全ての管理ルール６４との比較が行われた場合は、管理厳重度判定部１４は、合致した管理ルール６４の厳重度情報６３に基づき判定対象となっている文書ファイルの厳重度情報７２を算出する（ステップＳｂ５）。なお、管理ルール６４が複数存在するので、文書保管情報５５と一致する管理ルール６４も複数検出されることがある。そこで、文書ファイルの厳重度情報７２は、各管理ルール６４における厳重度情報６３の平均値、中央値、最大値とすることが可能である。
【００５０】
算出された文書ファイルの厳重度と、この文書保管情報５５に含まれるファイルパス情報７１とは、管理厳重度情報７３として管理厳重度ＤＢ１６に登録される（ステップＳｂ６）。
【００５１】
以上の厳重度判定処理が、全ての文書ファイルに対して行われたか否かの判断が行われる（ステップＳｂ７）。全ての文書ファイルに対して厳重度判定処理が行われていない場合には、ステップＳｂ１に戻り、全ての文書ファイルに対して行われた場合には、処理が終了する。
【００５２】
機密度学習部１８は、このようにして判定された管理厳重度情報７３と文書保管情報５５とを用いて機密度を学習する。そして、機密度の学習結果は、機密度学習結果として機密度学習結果ＤＢ１９に格納される。なお、機密度学習部１８における機密度の具体的な学習手順は、公知の機密度学習方法等が利用できる。
【００５３】
次に、評価処理を説明する。図８は、評価処理のフローチャートである。先ず、機密度評価ユニット１７における機密度評価部２０は、入出力部１２ａを介して機密度の評価依頼を待っている（ステップＳｃ１，Ｓｃ２）。機密度の評価依頼は、文書ファイル名やファイルパス情報の指定や文書ファイルの直接入力等により評価依頼対象である評価文書ファイルが指定される。
【００５４】
そして、評価文書ファイルを受け付けると、機密度評価部２０は、機密度の評価を行う（ステップＳｃ３）。機密度の評価結果は、入出力部１２ａに送られる。
【００５５】
入出力部１２ａは、機密度評価部２０から受け取った評価文書ファイルの機密度評価結果を利用者端末１１に出力する（ステップＳｃ４）。
【００５６】
以上説明したように、機密度の学習は図５に示した管理厳重度情報に基づいて行なわれる。この管理厳重度情報は、管理ルールＤＢに格納されている管理ルールに基づき判定されるので、機密度学習システムを導入する際には、管理ルールＤＢに格納する管理ルールだけを準備すればよいことになる。
【００５７】
また、この管理厳重度情報は、ファイルパス情報と厳重度情報との２つの情報により構成される。従って、関連技術において説明した機密文書ＤＢや特徴定義辞書に比べて、本発明にかかる機密度学習システムが予め準備しなければならない情報量は非常に少ない。
【００５８】
よって、本発明にかかる機密度学習システムの導入費用が安価となると共に、導入時に必要となる労力も非常に少なくなる。
【００５９】
また、管理ルールＤＢに格納されている多くの管理ルールは、普遍性、汎用性の高いルールであるので、関連技術において説明したようなシステムの導入目的や管理対象である文書ファイルの特徴に応じた機密文書ＤＢや特徴定義辞書等を準備し、調整する作業が不要となる。従って、この観点からも、本発明にかかる機密度学習システムの導入コストが安価となると共に、導入時に必要とする労力の軽減が図れる。
【００６０】
さらに、機密度学習が文書保管情報ストレージや管理ルールＤＢに格納された情報のみで行えるので、維持コストの抑制及び維持労力の軽減が達成でき、かつ、記憶装置資源の削減が可能になる。
【００６１】
特に、管理ルールＤＢは、管理対象ストレージにおける文書の暗号化ルール等のように情報変更を行う頻度が低い情報であるため、更新に伴う労力や維持コストの大幅な軽減が可能になる。また、管理ルールＤＢは関連技術における機密文書ＤＢや特徴定義辞書に比べて小規模であるため、記憶装置資源の大幅な削減が可能になる。
＜第３の実施形態＞
次に、本発明の第３の実施形態を説明する。なお、第２の実施形態と同一構成に関しては同一符号を用いて説明を適宜省略する。図９は、本実施形態にかかる機密度学習システム９Ｃのブロック図である。
【００６２】
機密度学習システム９Ｃにおける機密度学習装置１０Ｃは、図２に示した機密度学習装置１０Ｂに対して全文書評価実行部２１が追設されている点が相違する。
【００６３】
入出力部１２ｂは、利用者端末１１からの評価文書ファイルの指定を受け付けて、機密度評価部２０に評価文書ファイルに対する機密度評価の指示を行う。そして、入出力部１２ｂは、機密度評価の結果を機密度評価部２０から受信して利用者端末１１に出力する。
【００６４】
また、入出力部１２ｂは、利用者端末１１から管理対象ストレージ１３に含まれる全ての文書ファイルに対する機密度評価の実行指示を受け付ける。全ての文書ファイルに対する機密度評価の実行指示を受け付けると、入出力部１２ｂは、全文書評価実行部２１に全ての文書ファイルに対する機密度の評価を指示する。そして、入出力部１２ｂは、機密度評価の結果を利用者端末１１に出力する。
【００６５】
全文書評価実行部２１は、入出力部１２ｂから全ての文書ファイルに対する機密度評価の実行指示を受け付けると、管理厳重度判定部１４に厳重度判定処理を実行させる。また、全文書評価実行部２１は、この厳重度判定処理の結果を用いて全文書機密度評価処理を機密度評価部２０に指示する。これにより全ての文書ファイルの機密度が評価される。そこで、全文書評価実行部２１は、機密度評価部２０による評価結果を機密度の順に並べ替えて入出力部１２ｂに出力する。
【００６６】
このような全文書機密度評価処理を図１０のフローチャートに従い説明する。先ず、管理厳重度判定部１４は、全文書評価実行部２１から厳重度判定処理の実行指示を受け付けると、厳重度判定処理を実行する（ステップＳｄ１）。
【００６７】
次に、全文書評価実行部２１は、管理対象ストレージ１３から文書ファイルを読み込み（ステップＳｄ２）、読み込んだ文書ファイルを機密度評価部２０に送る。
【００６８】
機密度評価部２０は、全文書評価実行部２１から受信した文書ファイルに対して図８に示したような評価処理を実行する（ステップＳｄ３）。評価結果は、全文書評価実行部２１に出力される。
【００６９】
そして、このような評価処理が全ての文書ファイルに対して実行されたか否かが判断される（ステップＳｄ４）。評価処理が全ての文書ファイルに対して実行された場合は、ステップＳｄ４に進み、まだ実行されていない文書ファイルが存在する場合はステップＳｄ２に戻る。
【００７０】
全文書評価実行部２１は、取得した文書ファイルとこの文書ファイルの機密度との組のリストを、機密度の降順で並べ替えて入出力部１２ｂに出力する（ステップＳｄ５）。
【００７１】
入出力部１２ｂは、得られた文書ファイルと機密度との組のリストを利用者端末１１に出力する（ステップＳｄ６）。
【００７２】
このように、全文書評価実行部２１が、全ての文書ファイルの機密度の評価が一連の処理として自動的に行われるので、運用費用及び運用労力の削減が可能になる。
【００７３】
また、全文書評価実行部２１により、管理対象ストレージに格納されている全ての文書ファイルの評価が簡単に行えるので、運用コストや運用の労力軽減が可能になる。
＜第４の実施形態＞
次に、本発明の第４の実施形態を説明する。なお、第２の実施形態と同一構成に関しては同一符号を用いて説明を適宜省略する。図１１は、本実施形態にかかる機密度学習システム９Ｄのブロック図である。
【００７４】
機密度学習システム９Ｄの機密度学習装置１０Ｄは、図２に示した機密度学習装置１０Ｂに対して管理度評価ユニット２２と要対処度算出部２７とが追設されている。
【００７５】
管理度評価ユニット２２は、管理厳重度ＤＢ１６に格納されている管理厳重度情報７３と、管理対象ストレージ１３に格納されている文書保管情報５５とに基づき、文書ファイルの管理度を学習し、また指定された評価文書ファイルの管理度を評価する。このような管理度評価ユニット２２は、索引生成部２３、索引ＤＢ２４、検索部２５、管理度評価部２６を備える。
【００７６】
索引ＤＢ２４は、索引生成部２３が生成する索引情報と文書情報とを格納するデータベースであり、転置索引テーブル８０及び、文書情報テーブル９０を備えている。
【００７７】
文書情報テーブル９０は、図１２に示すように、複数の文書情報９７により構成されている。１つの文書情報９７は、文書ファイルを識別するための文書ＩＤ情報９１、この文書ファイルの保管場所を一意的に示すファイルパス情報９２、この文書ファイルに対するアクセス権限を示す権限設定情報９３、この文書ファイルの暗号化の有無等を示す暗号化情報９４及び、この文書ファイルに対する管理厳重度を示す厳重度情報９５を含んでいる。なお、図１２に示す文書情報テーブル９０には、空欄９６が設けられているが、この空欄９６には、上述した情報と異なる他の情報を追加するような場合に用いられることを示している。即ち、文書情報９７の属性項目の数は適宜増減可能に設けられている。
【００７８】
転置索引テーブル８０は、図１３に示すように、複数の転置索引情報８３を格納している。１つの転置索引情報８３は、文書ファイルに含まれる単語等の項目情報８１と、その項目情報８１を含む複数の文書ファイルの文書ＩＤ情報９１からなる文書ＩＤ群情報８２とにより構成されている。例えば、項目情報８１が［東京］である転置索引情報８３は、文書ＩＤ情報９１が［１］，［２］，［５］，［…］の文書ファイルが該当することを示す文書ＩＤ群情報８２を持っている。
【００７９】
索引生成部２３は、図示しないローカルファイルシステム又はネットワーク等を介して、管理対象ストレージ１３から文書ファイルを取得する。そして、索引生成部２３は、取得した文書ファイルから文字列情報を抽出し、この文字列情報から項目を抽出する。抽出された項目を含む文書ファイルには、文書ＩＤ９１が付与されているので、この文書ＩＤ９１を取得する。この集められた文書ＩＤ９１は文書ＩＤ群情報８２をなし、項目は項目情報８１をなす。そこで、索引生成部２３は、項目情報８１と文書ＩＤ群情報８２とを転置索引情報８３として、索引ＤＢ２４の転置索引テーブル８０に追加する。
【００８０】
また、索引生成部２３は、管理対象ストレージ１３から図３に示したような文書保管情報５５を取得すると共に、管理厳重度ＤＢ１６から図５に示したような管理厳重度情報７３を取得する。そして、索引生成部２３は、文書保管情報５５からファイルパス情報５１、権限設定情報５２、暗号化情報５３を抽出し、これらを文書ＩＤ情報９１に対応したファイルパス情報９２、権限設定情報９３、暗号化情報９４とする。さらに、索引生成部２３は、管理厳重度情報７３から厳重度情報７２を抽出し、これを文書ＩＤ情報９１に対応した厳重度情報９５とする。これにより、文書ＩＤ情報９１、ファイルパス情報９２、権限設定情報９３、暗号化情報９４、厳重度情報９５が取得される。そして、索引生成部２３は、これらを文書情報９７として索引ＤＢ２４の文書情報テーブル９０に追加する。
【００８１】
検索部２５は、評価要求のあった評価文書ファイルの文字列情報に基づきクエリを作成して索引ＤＢ２４の転置索引テーブル８０を検索する。そして、評価文書ファイルの内容と類似する内容の文書ファイルを取得する。
【００８２】
管理度評価部２６は、評価文書ファイルの管理度を評価する。即ち、管理度評価部２６は、検索部２５により検索された評価文書ファイルに類似する文書ファイル群と、この文書ファイル群の文書情報を取得する。そして、管理度評価部２６は、類似した文書ファイル群の管理厳重度について、類似した文書ファイル群の管理状況を数値化する統計処理を行い、この結果を評価した管理度とする。
【００８３】
要対処度算出部２７は、入出力部１２ａが入力した評価文書ファイルに対して保管状態の変更等の必要性を数値化し、これを要対処度として算出する。
【００８４】
この要対処度の算出は、機密度評価部２０が評価した評価文書ファイルの機密度と、管理度評価部２６が評価した評価文書ファイルの管理度とに基づき算出する。要対処度算出部２７により算出された要対処度は、入出力部１２ａに出力される。
【００８５】
次に、このような機密度学習システム９Ｄの処理手順を説明する。機密度学習システム９Ｄは、厳重度判定処理、学習処理、評価処理を主要な処理手順とする。厳重度判定処理は、第２の実施形態と同じ処理であるが、学習処理及び評価処理が異なるので、学習処理及び評価処理について詳細に説明する。
【００８６】
図１４は、学習処理のフローチャートである。学習処理では、厳重度判定処理（ステップＳａ１）を行った後、機密度学習処理（ステップＳａ２）と管理度学習処理（ステップＳｅ１）とが行われる。なお、図１４〜図１６は、ＵＭＬ（Ｕｎｉｆｉｅｄ Ｍｏｄｅｌｉｎｇ Ｌａｎｇｕａｇｅ）で定められたダイアグラムに従う図で、図中の黒塗ステップは、［分岐点ＰＳ］又は［合流点ＰＥ］を示している。そして、分岐点ＰＳと合流点ＰＥとの間の一連のシーケンスの実行順序は、規定されていない。例えば、図１４で、分岐点ＰＳと合流点ＰＥとの間に機密度学習処理と管理度学習処理とが含まれるが、機密度学習処理と管理度学習処理とは同時に処理されても良く、また一方の処理が他方の処理より先行して実行されてもよい。
【００８７】
機密度学習処理（ステップＳａ２）については、図６において説明しているので、以下においては管理度学習処理（ステップＳｅ１）を詳細に説明する。
【００８８】
この管理度学習処理は、索引生成部２３により管理対象ストレージ１３に格納されている全ての文書ファイルと、管理厳重度ＤＢ１６に格納されている管理厳重度情報７３とを用いて転置索引情報８３及び文書情報９７を作成して、索引ＤＢ２４に登録する手順である。
【００８９】
図１５は、学習処理における管理度学習処理のフローチャートである。管理度学習処理が開始されると、分岐点ＰＳから、３つのシーケンス（ステップＳｆ１〜ステップＳｆ４によるファイルパス情報９２等の作成・登録処理、ステップＳｆ５〜ステップＳｆ６による文書情報９７の作成・登録処理、ステップＳｆ７〜ステップＳｆ８による厳重度情報９５の作成・登録処理）が実行される。
【００９０】
索引生成部２３は、ローカルファイルシステム又はネットワーク等を介して、管理対象ストレージ１３から文書ファイルを取得する（ステップＳｆ１）。そして、索引生成部２３は、取得した文書ファイルに含まれる文書ＩＤ情報９１及び文字列を抽出し（ステップＳｆ２）、この文字列から項目情報８１を抽出する（ステップＳｆ３）。なお、項目情報８１として単語や、Ｎ文字インデックス法（ｎ−ｇｒａｍ）による文字列が適用できる。その後、索引生成部２３は、抽出した項目情報８１を用いて転置索引情報８３を作成し、索引ＤＢ２４の転置索引テーブル８０に登録する（ステップＳｆ４）。
【００９１】
また、索引生成部２３は、ローカルファイルシステム又はネットワーク等を介して管理対象ストレージ１３から文書ＩＤ情報９１に該当する文書ファイルの文書保管情報５５を取得する（ステップＳｆ５）。
【００９２】
そして、索引生成部２３は、取得した文書保管情報５５からファイルパス情報９２、権限設定情報９３、暗号化情報９４を文書情報テーブル９０に登録する（ステップＳｆ６）。
【００９３】
さらに索引生成部２３は、管理厳重度ＤＢ１６から管理厳重度情報７３を取得し、その中から該当する文書ファイルの厳重度情報７２を抽出する（ステップＳｆ７）。そして、索引生成部２３は、厳重度情報７２を厳重度情報９５として索引ＤＢ２４の文書情報テーブル９０に登録する（ステップＳｆ８）。
【００９４】
このような、転置索引情報８３の作成・登録処理、文書保管情報５５の作成・登録処理、厳重度情報９５の作成・登録処理が実行されると、合流点ＰＥを経て管理対象ストレージ１３に格納されている全ての文書ファイルに対して、上述した処理が行われたか否かの判断が行われる（ステップＳｆ９）。全ての文書ファイルに対して処理が完了していない場合には分岐点ＰＳに戻り、完了した場合には管理度学習処理が終了する。
【００９５】
次に、評価処理を説明する。図１６は、この評価処理のフローチャートである。評価処理では、評価文書ファイルの受け付けを判断し（ステップＳｃ２，Ｓｃ１）、評価文書ファイルを受け付けると機密度評価処理（ステップＳｃ３）及び管理度評価処理（ステップＳｇ１）を行う。その後、要対処度算出部２７による評価文書ファイルの機密度と管理度とが演算されて、この評価文書ファイルの要対処度が算出される（Ｓｇ２）。
【００９６】
次に、管理度評価処理を詳細に説明する。なお、機密度評価処理（ステップＳｃ３）は先の実施形態において説明したので重複説明を避ける。図１７は、管理度評価処理のフローチャートである。
【００９７】
先ず、検索部２５が評価文書ファイルに類似した文書ファイルを索引ＤＢ２４の転置索引テーブル８０から検索して、類似文書ファイル群を得る（ステップＳｈ１）。
【００９８】
次に、検索部２５は、索引ＤＢ２４に格納されている文書情報９７から類似文書ファイル群の各文書ファイルに対する厳重度情報９５を取得する（ステップＳｈ２）。
【００９９】
そして、管理度評価部２６は、評価文書ファイルの管理度を評価して、この管理度と類似文書ファイル群の厳重度情報９５との一貫性を示す分散値や中央値等を統計処理により算出する（ステップＳｈ３）。
【０１００】
以上説明したように、管理度評価部が評価する文書ファイルの管理状態という指標を数値化した管理度を取得すると共に、機密度評価部が評価した機密度を取得して、これら管理度と機密度とから要対処度を算出する。従って、利用者が管理対象ストレージ１３の管理状態を改善すべきか否かの判断は、評価文書ファイルの要対処度のみから判断できる。即ち、機密度が高いにもかかわらず管理度の悪い文書ファイルは、高い対処度が算出される。よって、管理対象ストレージ１３の管理状態の改善の是非の判断及び状態管理が容易に行えるようになる。
【０１０１】
なお、機密度学習システムにおける各種の処理手順をコンピュータで実行可能にコーディングしてプログラム化することが可能であり、またそのプログラムを情報記録媒体に記録することも可能である。
【０１０２】
以上説明した特徴を付記として纏める。付記１は、文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージと、文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベースと、管理ルールに従い文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定部とを備えることを特徴とする機密度学習装置。
【０１０３】
付記２は、付記１に記載の機密度学習装置において、管理厳重度判定部による管理度厳重度と文書ファイルとに基づき、当該文書ファイルの機密度を学習する機密度評価ユニットを備えることを特徴とする機密度学習装置。
【０１０４】
付記３は、付記２に記載の機密度学習装置において、機密度評価ユニットは、管理厳重度を文書ファイルの機密度として、機密度評価のための学習を行う機密度学習部を備えることを特徴とする機密度学習装置。
【０１０５】
付記４は、付記２又は３に記載の機密度学習装置において、機密度評価ユニットは、機密度学習部の学習結果に基づき、指定された評価文書ファイルの機密度を評価する機密度評価部と、を備えることを特徴とする機密度学習装置。
【０１０６】
付記５は、付記１に記載の機密度学習装置において、管理対象ストレージに格納されている全ての文書ファイルの機密度の評価を機密度評価部に指示する全文書評価実行部を備えることを特徴とする機密度学習装置。
【０１０７】
付記６は、付記３又は４に記載の機密度学習装置において、管理厳重度と文書保管情報とに基づき評価文書ファイルの管理度を評価する管理度評価ユニットを備えることを特徴とする機密度学習装置。
【０１０８】
付記７は、付記４乃至６のいずれか１つの付記に記載の機密度学習装置において、機密度と管理度とに基づき、利用者による評価文書ファイルに対する管理の必要性を示す要対処度を算出する要対初度算出部を備えることを特徴とする機密度学習装置。
【０１０９】
付記８は、付記１乃至７のいずれか１つの付記に記載の機密度学習装置と、該機密度学習装置に対して評価文書ファイルを指定して機密度を評価行わせる利用者端末とを備えることを特徴とする機密度学習システム。
【０１１０】
付記９は、文書ファイルを特徴づける属性値からなる文書保管情報と、文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定手順を含むことを特徴とする機密度学習方法。
【０１１１】
付記１０は、付記９に記載の機密度学習方法において、管理厳重度を文書ファイルの機密度として、機密度評価のための学習を行う学習手順を含むことを特徴とする機密度学習方法。
【０１１２】
付記１１は、付記１０に記載の機密度学習方法において、機密度の学習結果に基づき、指定された評価文書ファイルの機密度を評価する手順を含むことを特徴とする機密度学習方法。
【０１１３】
付記１２は、付記９又は１０に記載の機密度学習方法において、管理厳重度と文書保管情報とに基づき評価文書ファイルの管理度を評価する手順を含むことを特徴とする機密度学習方法。
【０１１４】
付記１３は、付記１２に記載の機密度学習方法において、機密度と管理度とに基づき、利用者による評価文書ファイルに対する管理の必要性を示す要対処度を算出する手順を含むことを特徴とする機密度学習方法。
【０１１５】
付記１４は、文書ファイルを特徴づける属性値からなる文書保管情報と、文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き文書保管情報により特定される文書ファイルの管理厳重度を判定する管理厳重度判定ステップを含むことを特徴とする機密度学習プログラム。
【０１１６】
付記１５は、付記１４に記載の機密度学習プログラムにおいて、管理厳重度を文書ファイルの機密度として、機密度評価のための学習を行う学習ステップを含むことを特徴とする機密度学習プログラム。
【０１１７】
付記１６は、付記１５に記載の機密度学習プログラムにおいて、機密度の学習結果に基づき、指定された評価文書ファイルの機密度を評価するステップを含むことを特徴とする機密度学習プログラム。
【０１１８】
付記１７は、付記１４乃至１６の１つに記載の機密度学習プログラムにおいて、管理厳重度と文書保管情報とに基づき評価文書ファイルの管理度を評価するステップを含むことを特徴とする機密度学習プログラム。
【０１１９】
付記１８は、付記１７に記載の機密度学習プログラムにおいて、機密度と管理度とに基づき、利用者による評価文書ファイルに対する管理の必要性を示す要対処度を算出するステップを含むことを特徴とする機密度学習プログラム。
【符号の説明】
【０１２０】
９Ｂ〜９Ｄ 機密度学習システム
２，１０Ｂ〜１０Ｄ 機密度学習装置
１２ａ，１２ｂ 入出力部
４，１３ 管理対象ストレージ
３，１４ 管理厳重度判定部
５，１５ 管理ルールＤＢ
１６ 管理厳重度ＤＢ
１７ 機密度評価ユニット
１８ 機密度学習部
１９ 機密度学習結果ＤＢ
２０ 機密度評価部
２１ 全文書評価実行部
２２ 管理度評価ユニット
２３ 索引生成部
２４ 索引ＤＢ
２５ 検索部
２６ 管理度評価部
２７ 要対処度算出部
【特許請求の範囲】
【請求項１】
文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージと、
前記文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベースと、
前記管理ルールに従い前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定部と、を備えることを特徴とする機密度学習装置。
【請求項２】
請求項１に記載の機密度学習装置において、
前記管理厳重度判定部による前記管理度厳重度と前記文書ファイルとに基づき、当該文書ファイルの機密度を学習する機密度評価ユニットを備えることを特徴とする機密度学習装置。
【請求項３】
請求項２に記載の機密度学習装置において、
前記機密度評価ユニットは、前記機密度学習部の学習結果に基づき、指定された評価文書ファイルの機密度を評価する機密度評価部と、を備えることを特徴とする機密度学習装置。
【請求項４】
請求項３に記載の機密度学習装置において、
前記管理厳重度と前記文書保管情報とに基づき前記評価文書ファイルの管理度を評価する管理度評価ユニットを備えることを特徴とする機密度学習装置。
【請求項５】
請求項４に記載の機密度学習装置において、
前記機密度と前記管理度とに基づき、利用者による前記評価文書ファイルに対する管理の必要性を示す要対処度を算出する要対初度算出部を備えることを特徴とする機密度学習装置。
【請求項６】
請求項３乃至５に記載の機密度学習装置と、
該機密度学習装置に対して前記評価文書ファイルを指定して機密度を評価行わせる利用者端末と、を備えることを特徴とする機密度学習システム。
【請求項７】
文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定手順を含むことを特徴とする機密度学習方法。
【請求項８】
請求項７に記載の機密度学習方法において、
前記管理厳重度を前記文書ファイルの機密度として、機密度評価のための学習を行う学習手順を含むことを特徴とする機密度学習方法。
【請求項９】
請求項８に記載の機密度学習方法において、
前記機密度の学習結果に基づき、指定された評価文書ファイルの機密度を評価する手順を含むことを特徴とする機密度学習方法。
【請求項１０】
文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定ステップを含むことを特徴とする機密度学習プログラム。
【請求項１】
文書ファイルを特徴づける属性値からなる文書保管情報が少なくとも格納される管理対象ストレージと、
前記文書ファイルの管理度合いの判断基準をなす管理ルールを格納する管理ルールデータベースと、
前記管理ルールに従い前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定部と、を備えることを特徴とする機密度学習装置。
【請求項２】
請求項１に記載の機密度学習装置において、
前記管理厳重度判定部による前記管理度厳重度と前記文書ファイルとに基づき、当該文書ファイルの機密度を学習する機密度評価ユニットを備えることを特徴とする機密度学習装置。
【請求項３】
請求項２に記載の機密度学習装置において、
前記機密度評価ユニットは、前記機密度学習部の学習結果に基づき、指定された評価文書ファイルの機密度を評価する機密度評価部と、を備えることを特徴とする機密度学習装置。
【請求項４】
請求項３に記載の機密度学習装置において、
前記管理厳重度と前記文書保管情報とに基づき前記評価文書ファイルの管理度を評価する管理度評価ユニットを備えることを特徴とする機密度学習装置。
【請求項５】
請求項４に記載の機密度学習装置において、
前記機密度と前記管理度とに基づき、利用者による前記評価文書ファイルに対する管理の必要性を示す要対処度を算出する要対初度算出部を備えることを特徴とする機密度学習装置。
【請求項６】
請求項３乃至５に記載の機密度学習装置と、
該機密度学習装置に対して前記評価文書ファイルを指定して機密度を評価行わせる利用者端末と、を備えることを特徴とする機密度学習システム。
【請求項７】
文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定手順を含むことを特徴とする機密度学習方法。
【請求項８】
請求項７に記載の機密度学習方法において、
前記管理厳重度を前記文書ファイルの機密度として、機密度評価のための学習を行う学習手順を含むことを特徴とする機密度学習方法。
【請求項９】
請求項８に記載の機密度学習方法において、
前記機密度の学習結果に基づき、指定された評価文書ファイルの機密度を評価する手順を含むことを特徴とする機密度学習方法。
【請求項１０】
文書ファイルを特徴づける属性値からなる文書保管情報と、前記文書ファイルの管理度合いの判断基準をなす管理ルールとに基付き前記文書保管情報により特定される前記文書ファイルの管理厳重度を判定する管理厳重度判定ステップを含むことを特徴とする機密度学習プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【公開番号】特開２０１１−１７０５０９（Ｐ２０１１−１７０５０９Ａ）
【公開日】平成２３年９月１日（２０１１．９．１）
【国際特許分類】
【出願番号】特願２０１０−３２３８９（Ｐ２０１０−３２３８９）
【出願日】平成２２年２月１７日（２０１０．２．１７）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２３年９月１日（２０１１．９．１）
【国際特許分類】
【出願日】平成２２年２月１７日（２０１０．２．１７）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]