在“互联网+”时代下,网络深入渗透了人们的工作生活,各类网络安全问题也愈来愈受关注。信息技术与社会经济的交汇融合促进了各类电子文档数据的频繁交换。与此同时,各类敏感信息的数据安全防控也成了关系到个人、社会和谐稳定发展的重点。目前关于敏感信息安全防控的相关研究主要围绕网络的内容平台、内容服务器与用户终端,但作为主流文档的Word、PDF文档中往往也会包含有个人、企业的敏感信息,如果不加以有效控制,在这些电子文档交换的过程中,也会存在泄露风险。现有的敏感数据内容保护措施多是针对某一具体文件类型,例如针对电子文档的文本敏感信息的检测与保护、针对敏感图像的识别与防止扩散、针对视频敏感信息的鉴别等等。考虑到Word、PDF等电子文档中的文本内容和图像也会包含不少的重要敏感信息,尤其是涉及工程图像、证件图像一类的文档,而目前针对在网络中传输的电子文档内的图像信息的识别与检测还少有研究涉及。考虑到应用中确实存在对文档内特定的某类敏感内容的防扩散需求,本文重点研究在线传输的电子文档(例如微软Word文档、PDF文档)内容解析与脱敏技术。论文首先分别针对微软Word文档与PDF文档研究了其内容解析技术,在深入了解了PDF文档内容结构、DOC格式与DOCX格式的Word文档内容结构的基础上,通过研究它们的文件解析方法,给出了分别适应于上述三类电子文档的内容解析流程。其次,在实现了电子文档内文本内容的解析与脱敏后,重点分析研究其文档内图像数据的存储方式,完成了其内含图像的提取。研究图像识别和图像分类算法,结合图像数据去敏感化的相关方法与技术,完成对此三类电子文档内文本、图像内容的解析与脱敏处理。最后,在反向代理机制的框架下,本文提出了一类专门针对在网络中传输电子文档内敏感信息筛选定位与敏感信息脱敏的技术解决方案。论文详细地阐述了系统的框架设计与实现方式,介绍了内容解析与脱敏、TCP反向代理与http协议解析等模块,经过测试分析表明,本文给出的针对在网络中传输电子文档内敏感信息解析与脱敏的技术解决方案具有良好的Word、PDF文档内容脱敏效果,可较好的满足实际应用需求。