[发明专利]网址分类模型训练、网址分类方法、装置、设备及介质

说明书

本发明实施例公开了一种网址分类模型训练、网址分类方法、装置、设备及介质。该网址分类模型训练方法，包括：获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；根据所述网址训练数据生成字符向量矩阵和词向量矩阵；提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；根据所述拼接特征向量对网址分类模型进行模型训练。本发明实施例的技术方案能够提高网址分类模型的查全率，从而提高网址分类模型的准确率和分类精度。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及网址分类模型训练、网址分类方法、装置、设备及介质。

背景技术

随着互联网的发展，网络攻击成为日益重要的安全问题。钓鱼、木马、恶意软件等多种攻击类型，常常以恶意URL(Uniform Resource Locator，统一资源定位器)作为途径。因此，识别恶意URL对阻止各类网络攻击、维护网络安全具有重要意义。

随着人工智能的发展，深度学习方法被广泛应用于恶意URL检测，然而现有的深度学习方法仅以单方面的网址特征，如字符特征进行训练，导致模型语义学习能力和特征提取能力较差，模型准确率低。

发明内容

本发明实施例提供一种网址分类模型训练、网址分类方法、装置、设备及介质，以实现提高网址分类模型的查全率，从而提高网址分类模型的准确率和分类精度。

第一方面，本发明实施例提供了一种网址分类模型训练方法，包括：

获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；根据所述网址训练数据生成字符向量矩阵和词向量矩阵；

提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；

对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；

根据所述拼接特征向量对网址分类模型进行模型训练。

第二方面，本发明实施例还提供了一种网址分类方法，包括：

获取待检测网址数据；

将所述待检测网址数据输入至网址分类模型中，得到所述待检测网址数据的标签预测结果；其中，所述标签预测结果包括预测标签和标签概率；

在确定所述标签概率大于或等于预设标签概率阈值的情况下，将所述预测标签作为所述待检测网址数据的网址标签。

第三方面，本发明实施例还提供了一种网址分类模型训练装置，包括：

网址训练数据获取模块，用于获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；

向量矩阵生成模块，用于根据所述网址训练数据生成字符向量矩阵和词向量矩阵；

特征向量提取模块，用于提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；

特征向量拼接模块，用于对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；

网址分类模型训练模块，用于根据所述拼接特征向量对网址分类模型进行模型训练。

第四方面，本发明实施例还提供了一种网址分类装置，包括：

待检测网址数据获取模块，用于获取待检测网址数据；

标签预测结果获取模块，用于将所述待检测网址数据输入至网址分类模型中，得到所述待检测网址数据的标签预测结果；其中，所述标签预测结果包括预测标签和标签概率；