[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

说明书

本申请提供一种情报分类模型的训练方法及装置、电子设备、存储介质，方法包括：针对数据集中每一网络威胁情报，生成网络威胁情报对应的情报特征向量；根据层次聚类算法，对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。本申请方案，极大减少了人工逐条标注网络威胁情报的工作量，进而提高了情报分类模型的训练效率，缩短了训练时长。

技术领域

本申请涉及自然语言处理技术领域，特别涉及一种情报分类模型的训练方法及装置、电子设备、计算机可读存储介质。

背景技术

威胁情报是基于证据的知识，包括背景、机制、指标、影响和可采取行动的建议，这些知识与现有或新出现的威胁或资产危害有关，可用于告知决策主体对该威胁或危害的反应。网络安全领域的威胁情报，及时提供相关信息，如攻击的特征，有助于识别潜在的安全漏洞和攻击的不确定性。

社交媒体(比如：博客)、供应商(比如：Microsoft、Cisco等)公告、黑客论坛等已成为网络安全信息传播和交流的重要媒介。越来越多与威胁情报相关的帖子在社交媒体上发布，这些帖子通常揭示新的漏洞、恶意软件或攻击策略。

然而，这些网络威胁情报并未携带领域标签(比如：金融、教育等)，使得企业无法从海量的威胁情报中获取自身所关注的网络威胁情报。如果由开发人员人工对网络上发布的威胁情报进行分类，则需要极大的人工成本和时间成本。

发明内容

本申请实施例的目的在于提供一种情报分类模型的训练方法及装置、电子设备、计算机可读存储介质，用于在标注成本较低的情况下，训练得到用于对威胁情报进行分类的情报分类模型。

一方面，本申请提供了一种情报分类模型的训练方法，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。

通过上述措施，在聚类后为每一类簇的网络威胁情报输出若干代表性词汇，可以提示开发人员为整个类簇的网络威胁情报选择合适的特征标签，并可响应于标注指令之间为整个类簇的网络威胁情报添加特征标签，极大减少了人工逐条标注网络威胁情报的工作量，进而提高了情报分类模型的训练效率，缩短了训练时长。

在一实施例中，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。

通过上述措施，可以依据每一网络威胁情报对应的多个目标词汇，为网络威胁情报生成情报特征向量。

在一实施例中，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：