随着信息技术快速发展,地理信息载体在网络中的种类及其表现形式愈加丰富,传播途径也更加多样。同时地理信息的安全性一直是国家关注的重点问题,然而网络中存在大量的信息给涉密地理信息检测带来了严峻的挑战。因此,本文提出基于Spark的互联网地图敏感地理信息检测方法,能够减轻地图审查人员监管压力,提高敏感地理信息检测效率,对于维护国家地理信息安全具有重要的意义。本论文主要研究内容如下:针对互联网中存在许多待检测地理信息,且现有敏感地理信息检测方式单一,检测准确率较差的问题,提出一种互联网地图涉密地理信息检测方法。针对地图的标注地点及其在互联网中的附属信息,首先,采用Ansj算法提取地理信息的特征词集合;其次,构建单一和组合敏感词库,通过词语相似度方法计算特征词与敏感词的相似度,提取特征词集合中的敏感词;然后,分析敏感地理信息特性,提取特征词在文本中位置属性、特征词在文本中权重以及特征词对应地理信息的敏感系数;最后,根据所提取敏感信息词语相似度及其相应特征,计算地理信息敏感度,用于检测互联网地图中是否存在敏感地理信息。仿真结果表明,该算法相比于现有敏感地理信息检测方法具有更高的准确率、召回率及F度量值。由于网络中数据量庞大,且信息传播迅速,因此对敏感地理信息检测算法运行效率有较高的要求,针对上述问题提出一种基于Spark的并行化敏感地理信息检测方法。首先,构建并行化敏感词典,将敏感词典广播到集群各个节点中;其次将Hadoop分布式文件系统(Hadoop Distributed File System,HDFS)存储的地理信息转换为弹性分布式数据集(Resilient Distributed Dataset,RDD),通过Map操作并行化处理,解析得到特征词集合,在各个节点计算特征词与敏感词的词语相似度,提取特征词集合中的敏感词;然后,提取特征词在地理信息中的相应特征,在各个节点计算地理信息敏感度;最后,将结果汇总到驱动器节点计算整个地图文件敏感度,并存储在HDFS分布式系统中。实验结果表明,并行化敏感地理信息检测算法相比于单机模式运行效率有显著提升,并且在集群中节点运行具有可扩展特性。