互联网普及后,网络中的信息资源就更加丰富。同时,在网络中存在更多不健康的信息比如不良信息、非法信息和敏感信息,网络逐渐成为负面消息的传播基地。安全审计就是在这样各种网络安全风险因素广泛存在的情况下诞生的,这是一种全新的网络安全保证方式。安全审计具有动态性、实时性和主动防御性等特点而受到大家的肯定。本文以某公司的网络安全审计系统项目为例,对内容审计中的敏感词检测技术重点做了一番研究。先概括了网络安全审计和敏感词检测的定义、现状和与之相关的技术。然后,在针对系统功能需求的前提条件下,开始组建总体系统模型。从存储格式来看XML格式是最为主要的日志数据形式,该格式既在语义上又在结构上具有两重信息。论文在Dewey编码和双数组Trie树上对XML文档敏感词相关检测技术开展了对应的讨论和探索,而其中敏感度就是新的提出词,并对此进行计算。本文通过研究,最后设计了敏感词检测系统的原型,同时对该课题所研究的方法和技术是否有效进行验证。在论文中,主要进行了以下几方面的工作。关于网络信息安全审计系统开展了相关功能方面的探索和讨论,并且就此提出了总体系统模型。在内容审计的基础上,对日志审计整个过程开展研究,同时设置了日志数据格式,实现了该项技术分析对象的清晰界定。日志数据XML格式是敏感词检测最为关键的对象。在对敏感词检测中,论文研究为了其结构信息的获取,特地对针对出现在Dewey编码中XML文档编码方式开展了深入的探讨和分析,其中利用直接表达的方式,针对孩子节点编码前缀选择了文档父节点编码。如此一来,可以更好的将节点结构、层级关系表示出来,能够方便地算出日志的结构敏感性是怎样的。给敏感词库配备相应的目录,这将会敏感词检测率提升的关键所在。本文针对目录的配备方式上选择了双数组Trie树,并且在这基础上,对在语义和结构信息上所建立起来的敏感词检测算法进行了研究。主要表现在下面两方面:1、计算语义的敏感度主要是依照节点的权重值和敏感词出现的效率来计算该敏感度。2、敏感词如果具备了具体结构信息则应当在检测当中实现敏感测结构信息以及语义的确定。并且关系到敏感词距离位置计算上,先要在语义上对其对应,之后实现结构相似性配对,如此一来,将会在敏感词检测当中考虑到结构信息的情况。本文在分析和研究当中,考虑敏感词检测技术基本状况,然后针对性将设计敏感词检测系统的原型用在网络安全审计中。并且把系统分为四个子系统:信息准备、用户接口、审计策略和检测引擎。并且在此基础上进行了系统的总体的结构的设计,把用户和系统之间相互进行的过程进行了分析和说明。并对各个子系统是如何设计的进行了详细的介绍和说明,合理地分解了在双数组Trie树索引结构上所进行的检测算法,同时将其在Hadoop集群环境中实现有效应用,进而达到对该系统的合理扩展。