[發(fā)明專(zhuān)利]非結(jié)構(gòu)化文本中提取漏洞信息的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610857283.0
• 申請(qǐng)日: 2016-09-27
• 公開(kāi)（公告）號(hào): CN107871078A
• 公開(kāi)（公告）日: 2018-04-03
• 發(fā)明（設(shè)計(jì)）人: 達(dá)小文;毛俐旻;吳明杰;溫泉;常承偉;陳志浩;謝梅
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京計(jì)算機(jī)技術(shù)及應(yīng)用研究所
• 主分類(lèi)號(hào): G06F21/56
• 分類(lèi)號(hào): G06F21/56
• 代理公司: 中國(guó)兵器工業(yè)集團(tuán)公司專(zhuān)利中心11011
• 代理人: 張然

1.一種非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，包括：

建立漏洞領(lǐng)域概念表，漏洞領(lǐng)域概念表包括漏洞相關(guān)的詞匯；

獲取漏洞信息文本；

提取漏洞信息文本中的詞匯，將其與漏洞領(lǐng)域概念表進(jìn)行比對(duì)，根據(jù)比對(duì)結(jié)構(gòu)獲取漏洞信息。

2.如權(quán)利要求1所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，包括：對(duì)文本進(jìn)行分詞處理，得到若干個(gè)詞匯，然后將詞匯依次與漏洞領(lǐng)域概念進(jìn)行比對(duì)，當(dāng)發(fā)現(xiàn)多個(gè)與漏洞領(lǐng)域概念相近的詞匯時(shí)，就認(rèn)為該文本段描述的內(nèi)容與漏洞有關(guān)。

3.如權(quán)利要求2所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，得到英語(yǔ)詞匯的方法包括：按照空格及標(biāo)點(diǎn)符號(hào)分詞，當(dāng)碰到一個(gè)空格或標(biāo)點(diǎn)符號(hào)就分出一個(gè)詞；忽略對(duì)文本的特征沒(méi)有實(shí)質(zhì)性的影響的修飾詞。

4.如權(quán)利要求2所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，得到中文詞匯的方法包括：將混雜的英文直接分離出來(lái)，分離出來(lái)的部分用空字符代替；通過(guò)中文詞匯庫(kù)依次向后查詢(xún)，選取首部?jī)蓚€(gè)字作為一個(gè)詞匯，若中文詞匯庫(kù)中存在此詞匯，則將其作為分詞記錄下來(lái)，并嘗試向后推移一個(gè)字，若還是一個(gè)有意義的詞匯，則繼續(xù)往后推移，直到推移多個(gè)字組成的詞匯在中文詞匯庫(kù)中查詢(xún)不到時(shí)，將最長(zhǎng)的詞匯作為一個(gè)分詞取出。

5.如權(quán)利要求2所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，還包括：

建立一個(gè)句式庫(kù)，該句式庫(kù)包含英文和中文的漏洞相關(guān)的常用句式；

將得到的詞匯的所對(duì)應(yīng)的語(yǔ)句與句式庫(kù)中的語(yǔ)句進(jìn)行匹配，如匹配成功，則根據(jù)句式查找其他漏洞屬性。

6.如權(quán)利要求2所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，包括：將一段文本當(dāng)作一個(gè)字符串，將事先構(gòu)建好的漏洞領(lǐng)域概念依次與文本字符串進(jìn)行匹配，若發(fā)現(xiàn)與漏洞領(lǐng)域概念意思相近的詞匯就進(jìn)行提取，并記錄該詞匯在原始文本中的位置，當(dāng)提取一定數(shù)量的詞匯時(shí)，就認(rèn)為該段文本描述的為漏洞有關(guān)信息。

7.如權(quán)利要求6所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，還包括：

建立一個(gè)句式庫(kù)，該句式庫(kù)包含英文和中文常用句式；

將詞匯的所對(duì)應(yīng)的語(yǔ)句與句式庫(kù)中的語(yǔ)句進(jìn)行匹配，如匹配成功，則根據(jù)句式查找其他漏洞屬性。

8.如權(quán)利要求1所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，還包括：獲取漏洞信息后，最后將提取的所有漏洞信息按照漏洞屬性存儲(chǔ)到數(shù)據(jù)庫(kù)中。

9.如權(quán)利要求2所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，獲取漏洞信息文本包括：安全公司網(wǎng)站、廠商網(wǎng)站、安全論壇和安全研究員博客的網(wǎng)站的URL，通過(guò)HTML解析各URL對(duì)應(yīng)的網(wǎng)頁(yè)，過(guò)濾其中的圖片及樣式，提取頁(yè)面中的所有文本段落信息。

10.如權(quán)利要求所述的非結(jié)構(gòu)化文本中提取漏洞信息的方法，其特征在于，提取漏洞信息文本中的詞匯后，還將查找提取的詞匯的所對(duì)應(yīng)的語(yǔ)句，分析語(yǔ)句的句式，根據(jù)句式查找漏洞信息。