申请/专利权人：国网江西省电力有限公司电力科学研究院;国网江西省电力有限公司;国家电网有限公司

申请日：2024-03-07

公开（公告）日：2024-04-09

公开（公告）号：CN117851547A

主分类号：G06F16/33

分类号：G06F16/33;H04L9/40;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供一种基于深度学习的网络资产指纹识别方法及装置，属于网络安全技术领域，其中方法包括：获取待识别网络资产数据；对所述待识别网络资产数据进行预处理，得到所述待识别网络资产数据对应的第一文本信息和至少一个第一标签信息；基于网络资产指纹识别模型对所述第一文本信息和各所述第一标签信息进行识别，得到所述待识别网络资产数据对应的至少一个网络资产指纹信息；所述网络资产指纹识别模型是基于注意力机制和循环神经网络对训练样本集进行训练得到的；所述训练样本集中包括网络资产平台的网络资产指纹数据。本发明的基于深度学习的网络资产指纹识别方法提升了网络资产指纹识别的准确率和全面性。

主权项：1.一种基于深度学习的网络资产指纹识别方法，其特征在于，包括：获取待识别网络资产数据；对所述待识别网络资产数据进行预处理，得到所述待识别网络资产数据对应的第一文本信息和至少一个第一标签信息；基于网络资产指纹识别模型对所述第一文本信息和各所述第一标签信息进行识别，得到所述待识别网络资产数据对应的至少一个网络资产指纹信息；所述网络资产指纹识别模型是基于注意力机制和循环神经网络对训练样本集进行训练得到的；所述训练样本集中包括网络资产平台的网络资产指纹数据；所述网络资产指纹识别模型的训练过程包括：基于所述网络资产指纹数据，构建所述训练样本集；对所述网络资产指纹数据进行预处理，得到至少一个词向量和各所述词向量分别对应的至少一个第二标签信息；基于所述注意力机制对所述训练样本集中的至少一个词向量进行特征提取，得到各所述词向量对应的文本特征；基于所述循环神经网络提取各所述第二标签信息的标签特征；基于强化学习算法对各所述文本特征和各所述标签特征进行训练，得到所述网络资产指纹识别模型。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司电力科学研究院;国网江西省电力有限公司;国家电网有限公司 基于深度学习的网络资产指纹识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD