72
содержит имена собственные — ФИО, адреса, названия компаний, а также
цифровую информацию — номера счетов, кредитных карт, их баланс и
прочее. Обработка подобных данных с помощью лингвистики много пользы
не принесет.
На основе анализа содержимого передаваемых сообщений
(статистические методы):
Статистические методы относятся к текстам не как к связной
последовательности слов, а как к произвольной последовательности
символов, поэтому одинаково хорошо работают с текстами на любых языках.
Поскольку любой цифровой объект — хоть картинка, хоть программа —
тоже последовательность символов, то те же методы могут применяться для
анализа не только текстовой информации, но и любых цифровых объектов.
Достоинство статистических методов можно назвать их хорошая
точность (до 100%), если есть в проверяемом файле значимая цитата из
образца или нет. То есть система не берет на себя ответственность за
категоризацию документов — такая работа полностью лежит на совести того,
кто категоризировал файлы перед снятием отпечатков. Независимость
статистических методов от языка текста и нетекстовой информации тоже
является достоинством статистического метода.
Недостатком статистических методов является простота обучения
системы (указал системе файл, и он уже защищен), что перекладывает на
пользователя ответственность за обучение системы. Если вдруг
конфиденциальный файл оказался не в том месте либо не был
проиндексирован по халатности или злому умыслу, то система его защищать
не будет. Еще один недостаток — физический размер отпечатка. При
значительном объеме базы данных отпечатков существенно замедляет работу
почтовой системы.