[发明专利]情报分类模型的训练方法及装置、电子设备、存储介质

权利要求书

1.一种情报分类模型的训练方法，其特征在于，包括：

针对数据集中每一网络威胁情报，生成所述网络威胁情报对应的情报特征向量；

根据层次聚类算法，对所述数据集中多个网络威胁情报对应的情报特征向量进行聚类处理，获得多个类簇；

针对每一类簇的情报特征向量对应的网络威胁情报，通过特征抽取算法抽取出若干代表性词汇；

输出每一类簇的若干代表性词汇，并响应于标注指令，为所述类簇的情报特征向量对应的网络威胁情报，添加至少一个特征标签；

根据添加特征标签的网络威胁情报，训练分类模型，得到情报分类模型。

2.根据权利要求1所述的方法，其特征在于，所述针对数据集中每一网络威胁情报，生成所述网络威胁情报对应的情报特征向量，包括：

针对每一网络威胁情报，从所述网络威胁情报中确定多个目标词汇；

根据词向量模型对每一网络威胁情报对应的多个目标词汇进行转换，得到每一目标词汇对应的词向量；

针对每一网络威胁情报，将所述网络威胁情报对应的多个目标词汇的词向量进行融合处理，得到所述网络威胁情报的情报特征向量。

3.根据权利要求2所述的方法，其特征在于，所述针对每一网络威胁情报，从所述网络威胁情报中确定多个目标词汇，包括：

对所述网络威胁情报进行分词处理，得到多个分词结果；

从所述多个分词结果中剔除停用词和无效词，得到多个目标词汇。

4.根据权利要求1所述的方法，其特征在于，所述特征抽取算法包括至少两个抽取子算法；

所述通过特征抽取算法抽取出若干代表性词汇，包括：

分别通过每一抽取子算法对所述网络威胁情报进行抽取，得到若干候选代表性词汇；

根据每一抽取子算法对应的若干候选代表性词汇，汇总得到出现频次最高的若干代表性词汇。

5.根据权利要求1所述的方法，其特征在于，所述根据添加特征标签的网络威胁情报，训练分类模型，得到情报分类模型，包括：

将所述网络威胁情报对应的多个目标词汇输入所述分类模型，获得所述分类模型输出的预测标签；

根据所述网络威胁情报的预测标签和特征标签之间的差异，调整所述分类模型的模型参数；

重复上述过程，直到所述分类模型收敛，得到情报分类模型。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从目标威胁情报中确定多个目标词汇，并将所述目标威胁情报的多个目标词汇输入所述情报分类模型，获得所述情报分类模型输出的至少一个类别标签；

为所述目标威胁情报添加所述情报分类模型输出的类别标签。

7.一种情报分类模型的训练装置，其特征在于，包括：

生成模块，用于针对数据集中每一网络威胁情报，生成所述网络威胁情报对应的情报特征向量；

聚类模块，用于根据层次聚类算法，对所述数据集中多个网络威胁情报对应的情报特征向量进行聚类处理，获得多个类簇；

抽取模块，用于针对每一类簇的情报特征向量对应的网络威胁情报，通过特征抽取算法抽取出若干代表性词汇；

标注模块，用于输出每一类簇的若干代表性词汇，并响应于标注指令，为所述类簇的情报特征向量对应的网络威胁情报，添加至少一个特征标签；

训练模块，用于根据添加特征标签的网络威胁情报，训练分类模型，得到情报分类模型。

8.根据权利要求7所述的装置，其特征在于，所述训练模块，还用于：

将所述网络威胁情报对应的多个目标词汇输入所述分类模型，获得所述分类模型输出的预测标签；

根据所述网络威胁情报的预测标签和特征标签之间的差异，调整所述分类模型的模型参数；

重复上述过程，直到所述分类模型收敛，得到情报分类模型。