[发明专利]一种网页篡改检测模型的训练、应用方法及装置

权利要求书

1.一种网页篡改检测模型的训练方法，其特征在于，所述方法包括：

获取多个网页中的description字段内容和text字段内容；

对所述description字段内容和所述text字段内容进行数据清洗处理，得到description纯净内容和text纯净内容；

根据预设的Bert模型对所述description纯净内容和所述text纯净内容进行编码，得到编码字段；

获取与所述编码字段相匹配的语义矛盾检测结果；所述语义矛盾检测结果用于表示所述description纯净内容和所述text纯净内容之间是否存在语义矛盾；

根据所述语义矛盾检测结果、所述description纯净内容和所述text纯净内容，生成数据训练集；

将所述数据训练集输入至预设的原始检测模型中，以使所述原始检测模型根据预设训练条件进行训练，得到网页篡改检测模型。

2.根据权利要求1所述的网页篡改检测模型的训练方法，其特征在于，所述获取多个网页中的description字段内容和text字段内容的步骤包括：

根据预设的网络爬虫框架对多个网页进行爬取，得到与每个网页相对应的description字段内容和text字段内容。

3.根据权利要求1所述的网页篡改检测模型的训练方法，其特征在于，所述对所述description字段内容和所述text字段内容进行数据清洗处理，得到description纯净内容和text纯净内容的步骤包括：

在所述description字段内容和所述text字段内容中，去除html标签和特殊字符，得到description纯净内容和text纯净内容。

4.根据权利要求1所述的网页篡改检测模型的训练方法，其特征在于，所述根据预设的Bert模型对所述description纯净内容和所述text纯净内容进行编码，得到编码字段的步骤包括：

根据预设的Bert模型，在所述description纯净内容前插入[CLS]，在所述description纯净内容后、所述text纯净内容前插入[SEP]，在所述所述text纯净内容后插入[SEP]，得到编码字段。

5.根据权利要求1所述的网页篡改检测模型的训练方法，其特征在于，所述获取与所述编码字段相匹配的语义矛盾检测结果的步骤包括：

提取与所述编码字段相对应的句子对特征向量；

将所述句子对特征向量输入语义矛盾检测二分类网络，得到语义矛盾检测结果。

6.根据权利要求1所述的网页篡改检测模型的训练方法，其特征在于，所述将所述数据训练集输入至预设的原始检测模型中，以使所述原始检测模型根据预设训练条件进行训练，得到网页篡改检测模型的步骤包括：

将所述数据训练集输入至预设的原始检测模型中，以使所述原始检测模型根据预设训练轮数、预设批次大小、预设学习率、预设的description最大输入长度、预设的text最大输入长度以及预设的交叉熵损失函数进行训练，得到网页篡改检测模型。

7.一种网页篡改检测模型的应用方法，其特征在于，所述网页篡改检测模型是通过权利要求1至6中任一项所述的网页篡改检测模型的训练方法训练得到的，所述方法包括：

获取待检测网页的description字段内容和text字段内容；

对所述description字段内容和所述text字段内容进行数据清洗处理，得到description纯净内容和text纯净内容；

将所述description纯净内容和所述text纯净内容输入至网页篡改检测模型，以使所述网页篡改检测模型输出网页篡改检测结果。