电子文件分类与解密关键技术研究

摘要

本文对海量电子文件的自动分类与解密的系统进行了研究。从一个实际的项目应用出发，针对电子文件分类、电子文件解密进行了大量深入的探讨，并对任务调度的实现以及整个系统的构成进行了详细的介绍。在电子文件分类方面，摒弃了以往只根据文件后缀名来判别文件类型的方法，通过对各类文件二进制格式的研究和实验，创新性地根据电子文件的二进制格式来判断文件的真实格式，使得判别的结果比以往的方法准确率大幅提高。并对Word、Excel、Pdf文档格式的加密方法识别作了总结。在电子文件解密方面，采用软硬结合的方法对加密的电子文件进行解密，包括字典破解、穷举密码与Key-Searching，并研究了利用分布式硬件解密卡，通过固化Key-Searching 算法的方法来对加密文件进行解密，并以word为例进行了估算，结果说明此方法比起以往的文件破解方法，解密速度有了大幅的提升。在任务调度方面，采用分布式系统来提高文件处理的速度，介绍了任务调度模块如何处理服务端与客户端的通信，将分类与解密任务分配到各个客户端来协作完成任务。详细介绍了构成系统的主要模块，包括解密模块、扫描与任务获取模块、数据库模块与业务终端模块。