[發明專利]一種蜜罐仿真數據的生成方法及裝置

有效

• 申請號: 202010192602.7
• 申請日: 2020-03-18
• 公開（公告）號: CN111401067B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 殷錢安;王文君;趙杰;梁淑云;魏國富
• 申請（專利權）人: 上海觀安信息技術股份有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/2415;G06F40/295;G06F16/35;G06N3/045;G06N3/0442;G06N3/047;G06N3/08;H04L9/40
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

1.一種蜜罐仿真數據的生成方法，其特征在于，所述方法包括：

獲取由原始數據組成的第一數據集和第二數據集，并獲取對所述第一數據集中包含的各條原始數據進行實體標注的結果，其中，實體標注內容包括：姓名、職業、崗位中的一種或組合；

使用實體標注后的第一數據集訓練預設的深度學習模型，并利用訓練后的深度學習模型對所述第二數據集進行實體標注，其中，所述深度學習模型包括：雙向長短記憶網絡-條件隨機場算法；

利用第二數據集中各條數據的標注替換第一數據集中的標注內容，得到蜜罐仿真數據，包括：

根據每一條數據所屬業務類別將實體標注后的第二數據集進行文本分類，得到各個業務類別的數據集；

針對每一個業務類別的業務數據集，提取出所述業務數據集對應的實體知識庫，其中，所述實體知識庫包括：姓名、性別、籍貫、職業、身份證、職稱中的一種或組合；

使用所述實體知識庫中的信息替換第一數據集中與該信息不同業務類別的各條數據中的實體，得到替換后的第一數據集，使用所述實體知識庫中的信息替換第二數據集中與該信息不同業務類別的各條數據中的實體，得到替換后的第二數據集，將替換后的第一數據集與替換后的第二數據集的集合作為蜜罐仿真數據。

2.根據權利要求1所述的一種蜜罐仿真數據的生成方法，其特征在于，所述獲取由原始數據組成的第一數據集和第二數據集，包括：

針對目標技術領域，獲取所述目標技術領域的原始數據的集合，其中，所述原始數據為文本數據；

將所述原始數據的集合拆分為第一數據集和第二數據集。

3.根據權利要求1所述的一種蜜罐仿真數據的生成方法，其特征在于，所述原始數據采集自目標技術領域的真實業務環境。

4.一種蜜罐仿真數據的生成裝置，其特征在于，所述裝置包括：

實體識別模塊，用于獲取由原始數據組成的第一數據集和第二數據集，并獲取對所述第一數據集中包含的各條原始數據進行實體標注的結果，其中，實體標注內容包括：姓名、職業、崗位中的一種或組合；

類型識別模塊，用于使用實體標注后的第一數據集訓練預設的深度學習模型，并利用訓練后的深度學習模型對所述第二數據集進行實體標注，其中，所述深度學習模型包括：雙向長短記憶網絡-條件隨機場算法；

替換模塊，用于利用第二數據集中各條數據的標注替換第一數據集中的標注內容，得到蜜罐仿真數據，包括：

根據每一條數據所屬業務類別將實體標注后的第二數據集進行文本分類，得到各個業務類別的數據集；

針對每一個業務類別的業務數據集，提取出所述業務數據集對應的實體知識庫，其中，所述實體知識庫包括：姓名、性別、籍貫、職業、身份證、職稱中的一種或組合；

使用所述實體知識庫中的信息替換第一數據集中與該信息不同業務類別的各條數據中的實體，得到替換后的第一數據集，使用所述實體知識庫中的信息替換第二數據集中與該信息不同業務類別的各條數據中的實體，得到替換后的第二數據集，將替換后的第一數據集與替換后的第二數據集的集合作為蜜罐仿真數據。

5.根據權利要求4所述的一種蜜罐仿真數據的生成裝置，其特征在于，所述實體識別模塊，用于：

針對目標技術領域，獲取所述目標技術領域的原始數據的集合，其中，所述原始數據為文本數據；

將所述原始數據的集合拆分為第一數據集和第二數據集。

6.根據權利要求4所述的一種蜜罐仿真數據的生成裝置，其特征在于，所述原始數據采集自目標技術領域的真實業務環境。