社交媒体网络的威胁情报识别方法、系统、设备及介质技术方案

本发明专利技术提出了社交媒体网络的威胁情报识别方法、系统、设备及介质，涉及网络安全领域，具体方案包括：对从社交媒体网络中采集的文本数据进行预处理，得到单词库；将单词库中的单词转换为语义向量表示，将语义向量表示的单词作为节点，构建基于词语共现的图结构；使用图神经网络从图结构中提取结构特征，使用序列化模型从语义向量表示中提取语义特征，并将结构特征和语义特征进行融合；使用多层感知机对融合后的特征进行分类和识别，得到文本数据中的威胁情报；本发明专利技术使用图神经网络、序列化模型和多层感知机对社交媒体网络的文本数据进行特征提取和分类，快速准确地发现和识别网络安全威胁，提高分类和预测的准确性和效率。提高分类和预测的准确性和效率。提高分类和预测的准确性和效率。

【技术实现步骤摘要】
社交媒体网络的威胁情报识别方法、系统、设备及介质


[0001]本专利技术属于网络安全领域，尤其涉及社交媒体网络的威胁情报识别方法、系统、设备及介质。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着社交媒体的普及和应用，越来越多的网络安全问题从互联网传播到社交媒体上，监控和分析社交媒体网络上的威胁情报变得尤为重要。传统的威胁情报收集方法主要基于人工或自动化的搜索引擎，但这些方法往往效率低下且存在误报漏报等问题；因此，利用机器学习和深度学习技术对社交媒体文本数据进行分析和预测，成为了一种新的解决方案。通过对社交媒体文本数据进行特征提取和分类，可以快速准确地发现和识别危及网络安全的行为，并及时采取措施，保护网络安全。
[0004]大多数针对社交媒体的监控都是采用传统的机器学习模型，其中，随机森林和支持向量机得到了广泛的应用，但随机森林和支持向量机对网络威胁情报进行分类的缺点，包括：1）对于高维稀疏数据的处理效果不佳；2）尽管支持向量机，如果选择不合适的核函数也会导致本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种社交媒体网络的威胁情报识别方法，其特征在于，包括：对从社交媒体网络中采集的文本数据进行预处理，得到单词库；将单词库中的单词转换为语义向量表示，将语义向量表示的单词作为节点，构建基于词语共现的图结构；使用图神经网络从图结构中提取结构特征，使用序列化模型从语义向量表示中提取语义特征，并将结构特征和语义特征进行融合；使用多层感知机对融合后的特征进行分类和识别，得到文本数据中的威胁情报。2.如权利要求1所述的一种社交媒体网络的威胁情报识别方法，其特征在于，所述预处理，包括数据清洗和分词。3.如权利要求1所述的一种社交媒体网络的威胁情报识别方法，其特征在于，所述将单词库中的单词转换为语义向量表示，是使用word2vec模型，进行向量转换，反映单词在语义上的相似性。4.如权利要求1所述的一种社交媒体网络的威胁情报识别方法，其特征在于，所述图结构的具体构建方法为：单词库中的每个单词作为节点，计算两个单词共同出现在同一上下文中的次数来构建两个单词之间的边，得到一张无向图，作为图结构。5.如权利要求1所述的一种社交媒体网络的威胁情报识别方法，其特征在于，所述图神经网络，进行信息传递并根据节点和边之间的关系，提取节点的结构特征。6.如权利要求1所述的一种社交媒体网络的威胁情报识别方法，其特征在于，所述序列化模型，对单词的语义向量表示进行时间序列建模，捕捉文本数据中的时序信息，得到语义特征。7.如...

【专利技术属性】
技术研发人员：杨英，于鑫，闫莉莉，李雨颖，于召勇，王伟，侯仰志，马文豪，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：