[發(fā)明專利]一種樣本識別模型訓(xùn)練方法、惡意樣本提取方法及裝置

有效

• 申請?zhí)枺?/td>: 202010419722.6
• 申請日: 2020-05-18
• 公開（公告）號: CN111343203B
• 公開（公告）日: 2020-08-28
• 發(fā)明（設(shè)計）人: 王棟;趙丙鎮(zhèn);楊珂;玄佳興;龔政;郭寶賢;許天興
• 申請（專利權(quán)）人: 國網(wǎng)電子商務(wù)有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06F40/284;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 劉曉菲

本申請實施例公開了一種樣本識別模型訓(xùn)練方法、惡意樣本提取方法及裝置，包括：獲取訓(xùn)練文本數(shù)據(jù)；根據(jù)所述訓(xùn)練文本數(shù)據(jù)中的惡意樣本標(biāo)簽對第一詞匯進行惡意樣本標(biāo)注的標(biāo)記與詞邊界標(biāo)注的標(biāo)記；依次選取所述訓(xùn)練文本數(shù)據(jù)中包含的語句作為目標(biāo)訓(xùn)練語句；根據(jù)第二詞匯，得到第二詞匯對應(yīng)的詞向量和字符向量；將所述詞向量和所述字符向量進行拼接，得到所述第二詞匯的序列表示向量，進而得到所述目標(biāo)訓(xùn)練語句的序列表示向量；將所述目標(biāo)訓(xùn)練語句的序列表示向量、所述詞邊界標(biāo)注和所述惡意樣本標(biāo)注作為訓(xùn)練數(shù)據(jù)，通過所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到樣本識別模型，使得樣本識別模型可以較為全面地、準(zhǔn)確地檢測惡意樣本。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)領(lǐng)域，具體涉及一種樣本識別模型訓(xùn)練方法、惡意樣本提取方法及裝置。

背景技術(shù)

隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)安全受到越來越多的關(guān)注。在現(xiàn)有的網(wǎng)絡(luò)環(huán)境中，存在著眾多的威脅網(wǎng)絡(luò)安全的因素。其中，對于網(wǎng)絡(luò)中描述現(xiàn)存的、或者是即將出現(xiàn)針對資產(chǎn)的威脅或危險的相關(guān)信息可以稱為威脅情報，威脅情報中則存在大量對于惡意樣本的描述，這些惡意樣本有助于網(wǎng)絡(luò)安全工程師分析網(wǎng)絡(luò)中可能發(fā)生的定向攻擊或APT（AdvancedPersistent Threat，高級持續(xù)威脅）攻擊。較早地檢測以及發(fā)現(xiàn)惡意樣本可以有效地分析出當(dāng)前網(wǎng)絡(luò)存在的安全問題及可能發(fā)生的攻擊事件，以此做出相應(yīng)的防御措施與安全決策。在大數(shù)據(jù)環(huán)境下，對于惡意樣本的檢測，可以從已收集的威脅情報中提取關(guān)于惡意樣本的關(guān)鍵詞匯，通過模型訓(xùn)練可以自動從相關(guān)網(wǎng)絡(luò)的文本中獲取這些關(guān)鍵詞匯，即實現(xiàn)模型自動檢測惡意樣本，可以及時、準(zhǔn)確地發(fā)現(xiàn)網(wǎng)絡(luò)攻擊和威脅情報。但是，現(xiàn)有的惡意樣本的提取技術(shù)中存在惡意樣本類型少、準(zhǔn)確率不高的問題，不能全面地、準(zhǔn)確地檢測惡意樣本。

發(fā)明內(nèi)容

有鑒于此，本申請實施例提供一種樣本識別模型訓(xùn)練方法、惡意樣本提取方法及裝置，能夠?qū)崿F(xiàn)較為準(zhǔn)確的對惡意樣本進行提取。

本申請實施例提供的技術(shù)方案如下：

第一方面，本申請?zhí)峁┮环N樣本識別模型訓(xùn)練方法，所述方法包括：

獲取訓(xùn)練文本數(shù)據(jù)；

根據(jù)所述訓(xùn)練文本數(shù)據(jù)中的惡意樣本標(biāo)簽對第一詞匯進行惡意樣本標(biāo)注的標(biāo)記與詞邊界標(biāo)注的標(biāo)記；所述第一詞匯為所述訓(xùn)練文本數(shù)據(jù)中的詞匯；所述惡意樣本標(biāo)簽是預(yù)先定義的；

其中，所述根據(jù)所述訓(xùn)練文本數(shù)據(jù)中的惡意樣本標(biāo)簽對第一詞匯進行惡意樣本標(biāo)注的標(biāo)記與詞邊界標(biāo)注的標(biāo)記，包括：

若所述第一詞匯具有所述惡意樣本標(biāo)簽，則標(biāo)記惡意樣本標(biāo)注；

若所述第一詞匯不具有所述惡意樣本標(biāo)簽，則標(biāo)記第一詞邊界標(biāo)注；

若所述第一詞匯具有所述惡意樣本標(biāo)簽，則按照所述第一詞匯在惡意樣本中的順序，標(biāo)記第二詞邊界標(biāo)注；

依次選取所述訓(xùn)練文本數(shù)據(jù)中包含的語句作為目標(biāo)訓(xùn)練語句；根據(jù)第二詞匯，得到所述第二詞匯對應(yīng)的詞向量；根據(jù)所述第二詞匯中的字符得到所述第二詞匯對應(yīng)的字符向量；所述第二詞匯為所述目標(biāo)訓(xùn)練語句中的詞匯；

將所述詞向量和所述字符向量進行拼接，得到所述第二詞匯的序列表示向量，將所述第二詞匯的序列表示向量組合，得到所述目標(biāo)訓(xùn)練語句的序列表示向量；

將所述目標(biāo)訓(xùn)練語句的序列表示向量、所述詞邊界標(biāo)注和所述惡意樣本標(biāo)注作為訓(xùn)練數(shù)據(jù)，通過所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到樣本識別模型；所述樣本識別模型用于識別詞匯是否屬于惡意樣本；所述樣本識別模型由雙向長短期記憶網(wǎng)絡(luò)層以及條件隨機場層組成。

可選的，所述樣本識別模型由雙向長短期記憶網(wǎng)絡(luò)層、注意力機制層以及條件隨機場層組成。

可選的，所述方法還包括：將由所述第一詞邊界標(biāo)記的詞匯組成的目標(biāo)訓(xùn)練語句進行刪除，得到更新后的訓(xùn)練文本數(shù)據(jù)。