自助打印的敏感词检测：把文件拦在出纸之前

学校图书馆和办公楼里的自助打印设备是无人值守的：学生扫码上传文件、付款，再到设备前取件，中间没有工作人员经手。纸一旦出来就收不回去，所以内容检查放在哪一步，结果差别很大。

检测读的是文件里的文字

文件提交进来，系统先读取里面的文字内容，与敏感词库比对，再决定这份文件能不能继续往下走。格式上不挑：Word、Excel、PPT、PDF 都可以，纯图片也会先做一轮 OCR，把图上的文字识别出来再比对。拍下来的通知、聊天截图这类材料，同样在检查范围内。

被拦住的人看到什么

设备端会直接给出提示：文件内容包含敏感信息，暂时无法打印。同一个页面上带文件名和文件 MD5，方便对上具体是哪一份文件；下面就是申诉入口，理由可以填，也可以不填。

申诉这个口子是必要的。被拦下的文件里有一部分本身没问题：请假条、试卷、课程材料这类模板，天生带姓名、学号、联系方式这些字段，规则命中很正常。先把它们拦下来，再由人判断。

检测要花时间，可以放在打印之前或之后

检测要读文件、跑规则，文件大的时候会占掉一些时间，打印流程跟着慢一点。所以它在配置上有两种放法。

前置检测是文件提交后先检，通过了才允许输出。学生多等一会儿，换来的是不合规的内容不会变成纸，上面那张设备端提示就是这种配置下的表现。

事后检测是把打印时的检测关掉，任务先正常输出，检测在后台跑。命中之后系统通知管理人员，由人找到这份文件的打印人，按单位的规定处理。这种配置保住了打印速度，代价是纸已经出来了。

检测时点和处置强度是分开配的：按设备或按场所决定先检还是后检，命中之后是先提示、由学生确认后再打印，还是直接禁止打印。几个开关一起定下来，才对应得上你们单位实际的管理要求。

事后检测要配身份校验

检测管内容，身份管人。检测放在打印之后时，出了结果要能找到这份文件是谁打印的，所以通常还要配一层相对实名的校验。

常见的有三种：第一次打印时输入身份证号码，或者输入手机号码；也可以要求每次打印都刷本人的学生卡。前两种首次校验之后沿用，刷卡是每次都验，卡片对应到人，谁打的就对得上谁。

三种不必都上，按单位的管理要求选就行。校验门槛越高，事后追查越容易落地；门槛越低，学生用起来越省事。

后台能看到什么

比对由检测程序自动完成，没有人逐份翻看学生的文件。命中之后，管理后台留下一条记录：文件名、命中的规则与判定理由、风险等级（高、中、低）、命中位置的文字摘要、检测时间。

截图里的摘要列做了脱敏处理。风险等级用来排优先级：等级高的先看，等级低的可以批量处理。学校没有要求做检测时，这一环不开，文件打印完成即删除。

命中后邮件通知，词库可以按学校补

命中之后，系统会给相关管理人员发邮件通知，不需要有人一直守着后台刷列表。提醒之外，这条记录本身留在后台，处理申诉时可以回头查。

敏感词库支持补齐。学校如果有自己的一套词，可以单独补进来：本校的院系名称、课程代号、特定材料名目这类词，通用词库里没有，补进去之后判定才贴合本校的实际。词库一变，同一份文件在不同时间的判定结果可能不同，所以后台记录里保留的是当时命中的规则和理由。

检测不能替代人工判断

规则命中有误判的可能，后台的判定理由里就写着「规则误判」「用途不确定」这两类情况。这套东西做的是把可疑文件挑出来、把证据摆好，最终判断仍然由人来做。

上线前要定的四件事

一是检测放在打印之前还是之后；二是命中之后是提醒还是直接禁止打印；三是词库由谁维护、多久过一遍；四是申诉和后台记录谁来看、多长时间内处理完。这四件事定下来，检测环节才跑得顺。

想按你们学校的场景把检测时机、身份校验和申诉流程配一遍，可以直接联系我们。