公开(公告)号：CN111552855B

公开(公告)日：2023-08-25

申请号：CN202010364312.6

申请日：2020-04-30

Applicant: 北京邮电大学

Inventor： 李小勇 ,  武涵 ,  高雅丽 ,  郭宁

IPC: G06F16/951 ,  G06F16/9535 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明实施例提供了一种基于深度学习的网络威胁情报自动抽取方法，能够获取情报源数据，并判断情报源数据的数据结构类型；若数据结构类型为非结构化类型，则将情报源数据输入预先训练的情报实体识别模型，得到情报源数据中的各情报实体，情报实体识别模型为利用情报样本数据，基于预先设置的字与字的前后位置约束条件，训练得到的神经网络模型；按照预先设置的组合形式，将各情报实体组合得到网络威胁情报。应用本发明可以利用预先训练的情报实体识别模型进行网络威胁情报的自动抽取，而情报实体识别模型在训练时引入的位置约束条件限制情报实体中字与字的前后位置关系，因此减少情报实体乱序的结果出现，从而提高网络威胁情报识别的准确率。

公开(公告)号：CN111552855A

公开(公告)日：2020-08-18

申请号：CN202010364312.6

申请日：2020-04-30

Applicant: 北京邮电大学

Inventor： 李小勇 ,  武涵 ,  高雅丽 ,  郭宁

IPC: G06F16/951 ,  G06F16/9535 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明实施例提供了一种基于深度学习的网络威胁情报自动抽取方法，能够获取情报源数据，并判断情报源数据的数据结构类型；若数据结构类型为非结构化类型，则将情报源数据输入预先训练的情报实体识别模型，得到情报源数据中的各情报实体，情报实体识别模型为利用情报样本数据，基于预先设置的字与字的前后位置约束条件，训练得到的神经网络模型；按照预先设置的组合形式，将各情报实体组合得到网络威胁情报。应用本发明可以利用预先训练的情报实体识别模型进行网络威胁情报的自动抽取，而情报实体识别模型在训练时引入的位置约束条件限制情报实体中字与字的前后位置关系，因此减少情报实体乱序的结果出现，从而提高网络威胁情报识别的准确率。