[发明专利]威胁要素提取方法、装置、设备及存储介质

说明书

本申请提供一种威胁要素提取方法、装置、设备及存储介质，涉及安全防护技术领域。该方法包括：采用预设的停用词库和威胁信息词汇库，对待提取的威胁信息文档进行分词处理，得到所述威胁信息文档的多个目标词汇；采用预设的多分类模型对所述多个目标词汇进行分类处理，得到所述威胁信息文档中包含多种实体类型的分类结果；所述多分类模型为预先采用样本威胁信息文档训练得到的分类模型，所述样本威胁信息文档中所述每种威胁要素所在的位置预先标注有对应的威胁词汇；根据所述多种实体类型的分类结果，分别确定所述威胁信息文档中存在的所述多种实体类型的目标威胁词汇。相对于现有技术，避免了难以保证提取到的实体准确性的问题。

技术领域

本申请涉及安全防护技术领域，具体而言，涉及一种威胁要素提取方法、装置、设备及存储介质。

背景技术

近年来，随着APT攻击事件频发，传统的安全防护技术捉襟见肘，威胁情报技术应运而生。威胁情报交换标准(Structured Threat Information Expression，STIX)格式被安全厂商广泛采用。STIX是由OASIS推出的威胁情报交换标准，在STIX2.0中定义了12种称为STIX Domain Objects(SDOs)的实体，比如攻击模式(Attack Pattern)、应对措施(Course of Action)、威胁指标(Indicator)等，以描述对应类型的威胁信息。对于威胁情报厂商而言，如何从威胁报告中提取STIX元素无疑是至关重要的。

现有技术中一般提取威胁要素的方法为：基于条件随机场算法(conditionalrandom field algorithm，CRF)和BiLSTM，对安全事件进行分析，并对安全事件中的威胁信息的进行提取。

但是这样的提取方法非常依赖词性，以及词与词之间的依存关系，如果威胁信息文档的篇幅不长，或者威胁信息文档中的行文方式不规范，则很难保证提取到的实体的准确性。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种威胁要素提取方法、装置、设备及存储介质，以解决现有技术中很难保证提取到的实体准确性的问题。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请一实施例提供了一种威胁要素提取方法，所述方法包括：对待提取的威胁信息文档进行分词处理，得到所述威胁信息文档的多个目标词汇；

采用预设的停用词库和威胁信息词汇库，采用预设的多分类模型对所述多个目标词汇进行分类处理，得到所述威胁信息文档中包含多种实体类型的分类结果，其中，每种实体类型的分类结果包括：所述每种实体类型的多种威胁词汇的概率值；所述多分类模型为预先采用样本威胁信息文档训练得到的分类模型，所述样本威胁信息文档中所述每种威胁要素所在的位置预先标注有对应的威胁词汇；

根据所述多种实体类型的分类结果，分别确定所述威胁信息文档中存在的所述多种实体类型的目标威胁词汇。

可选地，所述对待提取的威胁信息文档进行分词处理，得到所述威胁信息文档的多个目标词汇之前，所述方法还包括：

将所述威胁信息文档中的所有大写文本转换为小写文本。

可选地，所述对待提取的威胁信息文档进行分词处理，得到所述威胁信息文档的多个目标词汇之前，所述方法还包括：

将所述威胁信息文档中的漏洞编号替换为所述漏洞编号对应的词汇。

可选地，所述对待提取的威胁信息文档进行分词处理，得到所述威胁信息文档的多个目标词汇之前，所述方法还包括：

将所述威胁信息文档中的无规律文本替换为所述无规律文本对应的词汇。

可选地，所述对待提取的威胁信息文档进行分词处理，得到所述威胁信息文档的多个目标词汇之前，所述方法还包括：