如今企业信息化程度较高,企业内网电脑中的核心机密数据无处不在,由于缺少电子文档敏感信息的检测工具,导致含有涉密内容的文档泄露事件时常发生,造成了企业不可挽回的损失。为了能有效识别这些存在敏感信息的电子文档,防止泄密事件的发生,本文突破传统策略方法,提出新颖的检测策略,设计开发了一套基于文本内容相似性的电子文档敏感信息检测系统。首先,提出了基于文件指纹算法的文档检测策略。针对传统Simhash指纹算法存在的不足,通过改进特征项提取方式,提出了Kb S指纹算法、Pb S指纹算法和So P指纹算法,并分析了三种新型指纹算法在检测不同敏感文档上存在的优势。在此基础上,进一步探究涉密文档内容的不同程度修改对数字指纹汉明距离计算带来的影响,进而验证了指纹策略可以对内容改动的涉密文档敏感信息进行识别,同时为检测策略设置敏感阈值提供依据。其次,提出了基于语义VSM算法的文档检测策略。针对传统向量空间模型存在的缺陷,研究了基于词语语义的相似度计算方法,通过增加语义概念改进传统VSM,建立Hownet VSM相似度计算方法,并通过聚类实验验证改进算法在内容相似度计算上的优势。在此基础上,进一步探究过程文档与原涉密文档的相似度数值关系并进行分析,为语义VSM检测策略设置敏感阈值提供依据。最后,开发了电子文档敏感信息检测系统,并对其进行实现以及功能和性能的测试。设计了系统的整体结构、主要功能模块流程和数据库结构。在此基础上,完成了系统的前后端代码实现,建立测试实验,验证了本系统在电子文档敏感信息检测功能上有较高的准确率,并可以实现内容改动的敏感文档以及过程文档的识别功能;同时对系统的检测耗时进行分析,验证了本系统在检测性能上有良好表现。