当前,互联网的应用越来越广泛,为人们的工作、学习、娱乐、沟通交流提供多元化的便捷途径,各行各业的计算机办公化越来越普及,大量的文档中存在相似的信息。而对于我国特殊行业,文档的保密性受到巨大的威胁,如何实现文档的管理以及利用归档的文档快速的找到相似的内容,是本系统研究的重点。文档复制检测技术主要用于检测文本之间相似性及相似内容的重要技术,该技术从20世纪90年代发展至今,已经有很多技术能够实现针对中文文字内容的复制检测。本文以特殊行业的敏感文档作为资料库,面向大量互联网的电子邮件附件、文件传输附件、即时通信附件的数据环境,准确并且快速的检测出与敏感文档之间的相似关系,实现对敏感内容的违规泄密进行核查比对,为客户单位的文档鉴定提供重要的线索及依据。本文主要对敏感信息内容的资源管理及核查比对进行系统分析。根据客户单位的数据分析和业务分析设计,实现了敏感文档资料管理子系统和核查比对子系统,该系统的投入使用能够解决人工处理效率低出错率高等一系列问题,提高文档的检测准确度,为国家敏感信息保护乃至社会稳定的维护做出贡献。敏感文档资料管理子系统支持敏感样本文档的录入、校核、维护、下载、预览等功能;核查比对子系统支持对不同业务平台待检测数据文件的在线导入、文档的离线上传,并展示出与资料库子系统那些文档内容相似度高的信息,提供标准化的文档评审流程。系统通过对文件的文字内容提取处理和预处理得到纯文本内容,再进行降噪、去停用词、分段划句,与资料库中文档之间实现两篇文档的段落、相似句子的比对,采用基于语句多特征相似度计算方法计算语句之间的相似度,同时利用编辑距离相似度计算方法计算段落之间的相似度,最终将语句相似度和段落相似度结合起来计算两篇文章的综合相似度。基于文本复制检测技术的核查比对系统已经在客户现场正式投入使用,通过为期三个月的试用期,系统整体运行良好,能够真正的为客户单位的资料管理和文档核查比对提供有力的技术支撑。