基于深度学习的威胁情报智能预警的方法技术

本发明专利技术公开了基于深度学习的威胁情报智能预警的方法，包括获取多类型威胁情报数据；对纯文本威胁情报数据进行裁剪预处理；进行实体识别、实体关系识别任务；获取实体后，在资产模块中检索该实体，如果在资产模块中发现资产实体，则立刻定位风险资产，反之对威胁情报进行筛选；定位风险资产后，利用实体以及实体关系与知识图谱进行关联推理、获取威胁相关信息；根据威胁情报模板自动化生成威胁情报预警信息；根据资产模块中的资产对应的负责人，进行威胁情报预警信息推送。本发明专利技术基于自然语言处理技术对威胁情报进行分析，通过使用RoBERTa后两层隐藏层结合双仿射注意力机制，并引入对抗训练提升泛化能力，大幅度提高了实体识别、实体关系识别的准确率。实体关系识别的准确率。实体关系识别的准确率。

【技术实现步骤摘要】
基于深度学习的威胁情报智能预警的方法


[0001]本专利技术属于情报预警
，具体涉及基于深度学习的威胁情报智能预警的方法。

技术介绍

[0002]威胁情报是一种基于证据的知识，包括了情境、机制、指标、隐含和实际可行的建议。威胁情报描述了现存的、或者是即将出现的针对资产的威胁或危险，并可以用于通知主体针对相关威胁或危险采取某种响应。简言之，威胁情报可以帮助企业和组织快速了解到敌对方对自己的威胁信息，从而帮助他们提前做好威胁防范、更快速地进行攻击检测与响应、更高效地进行事后攻击溯源。
[0003]目前威胁情报预警系统多为依据结构化威胁情报数据进行报警，然而威胁情报的价值对时效性有着非常强的依赖，最新的威胁情报往往都是非结构化数据。
[0004]另外，现有的威胁情报预警系统会产生海量报警，给运维人员的工作带来了极大的难度，导致有价值的信息反而被忽略。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供基于深度学习的威胁情报智能预警的方法，通过结合深度学习技术，将传统的威胁情报预警本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的威胁情报智能预警的方法，其特征在于，包括：步骤1：获取多类型威胁情报数据，包括结构化威胁情报数据、纯文本威胁情报数据、半结构化威胁情报数据；步骤2：对纯文本威胁情报数据进行裁剪预处理；步骤3：基于RoBERTa预训练模型建立一个双仿射注意力机制层biaffine，识别威胁情报数据中的实体和实体之间的关系；步骤4：获取实体后，在资产模块中检索该实体，如果在资产模块中发现资产实体，则立刻定位风险资产，反之对威胁情报进行筛选；步骤5：定位风险资产后，利用实体以及实体关系与知识图谱进行关联推理、获取威胁相关信息；步骤6：结合步骤5获得的信息，根据威胁情报模板自动化生成威胁情报预警信息；步骤7：根据资产模块中的资产对应的负责人，进行威胁情报预警信息推送。2.根据权利要求1所述的基于深度学习的威胁情报智能预警的方法，其特征在于，所述步骤1通过接口方式获取数据或者使用网络爬虫从安全论坛爬取数据。3.根据权利要求1所述的基于深度学习的威胁情报智能预警的方法，其特征在于，所述步骤2将超过512字节的纯文本威胁情报数据裁剪为多条输入数据。4.根据权利要求1所述的基于深度学习的威胁情报智能预警的方法，其特征在于，所述步骤3包括以下步骤：步骤31、威胁情报数据输入RoBERTa模型后，提取RoBERTa模型后两层隐藏层，进行concatenate操作得到concat层；步骤32、concat层接两个128维的全连接层使用relu激活函数，随后建立一个双仿射注意力机制层biaffine，最后使用softmax完成...

【专利技术属性】
技术研发人员：刘钰，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：