[发明专利]一种基于自然处理特征工程的网络资产识别方法和系统

说明书

本申请涉及一种基于自然处理特征工程的网络资产识别方法和系统，其属于数据处理技术领域，包括：获取报文头部数据；根据所述报文头部数据和预设的划分模型得到初始段落；根据初始段落得到初始词；根据所述初始词和预设的词频逆文档频率模型得到目标词；根据所述目标词和预设的词向量模型得到最终词；根据所述初始段落和预设的文档向量模型得到目标段落；根据所述最终词和所述目标段落得到最终报文头部数据；根据所述最终报文头部数据在预设的随机森林模型中匹配得到网络资产类型。本申请具有提高网络资产探测准确度的效果。

技术领域

本申请涉及数据处理技术领域，尤其是涉及一种基于自然处理特征工程的网络资产识别方法和系统。

背景技术

网络资产探测是指追踪、掌握网络资产情况的过程,通常包括主机发现、操作系统识别、服务识别等,是实现网络安全管理的重要前提,因而在网络安全相关工作中具有广泛的应用价值。目前市场上常用的探测技术有基于机器学习算法的特征匹配技术。

基于机器学习算法的特征匹配技术是将机器学习的方法引入到网络资产指纹识别中，需要利用机器学习对资产识别模型进行训练。此种特征匹配技术依赖于训练样本的数量，同时由于训练样本中协议的具体内容有限，使得训练得到的资产识别模型的准确度难以保障。

针对上述中的相关技术，发明人认为研发一种能够提高网络资产探测准确度的技术是有必要的。

发明内容

本申请提供一种基于自然处理特征工程的网络资产识别方法和系统，具有提高网络资产探测准确度的特点。

本申请目的一是提供一种基于自然处理特征工程的网络资产识别方法和系统。

本申请的上述申请目的一是通过以下技术方案得以实现的：

一种基于自然处理特征工程的网络资产识别方法，包括：

获取报文头部数据；

根据所述报文头部数据和预设的划分模型得到初始段落；

根据所述初始段落得到初始词；

根据所述初始词和预设的词频逆文档频率模型得到目标词；

根据所述目标词和预设的词向量模型得到最终词；

根据所述初始段落和预设的文档向量模型得到目标段落；

根据所述最终词和所述目标段落得到最终报文头部数据；

根据所述最终报文头部数据在预设的随机森林模型中匹配得到网络资产类型。

通过采用上述技术方案，得到报文头部数据后，为了降低本申请的识别难度，将报文头部数据划分为多个初始段落，再分别通过词向量模型和文档向量模型对应得到词向量(最终词)和段落向量(目标段落)，对二者的向量进行归一化处理后得到最终报文头部数据；最后，依据最终报文头部数据的多向量确定多个特征，将多个特征输入随机森林模型中匹配得到网络资产类型，从而保障了得到与最终报文头部数据对应的网络资产类型的结果的准确性，即提高了网络资产探测的准确度。

本申请在一较佳示例中可以进一步配置为：所述根据所述报文头部数据和预设的划分模型得到初始段落包括：

获取预设的字符；

建立段落表格；

将报文头部数据放置在段落表格的第一行，以段落表格第一行从左到右的方向为读取方向，依次读取报文头部数据；读取到所述字符，则将位于所述字符后的报文头部数据划分到段落表格的下一行，直至段落表格中的每一行内的报文头部数据不再包含所述字符为止。

本申请在一较佳示例中可以进一步配置为：所述字符包括空格或者标点符号。

通过采用上述技术方案，由于报文头部数据中的空格或者标点符号能够将报文头部数据划分为多个独立的段落，且每一个段落的语义不会改变。所以本申请通过提前设置字符，将字符作为划分初始段落的分界线，从而实现了降低本申请识别网络资产类型的难度的目的。