Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜苏州空天信息研究院包兴获国家专利权

恭喜苏州空天信息研究院包兴获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜苏州空天信息研究院申请的专利一种面向网络安全领域的事件抽取、分类和融合方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114860903B

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210432552.4,技术领域涉及:G06F16/3329;该发明授权一种面向网络安全领域的事件抽取、分类和融合方法是由包兴;郑杰;胡岩峰;王迪;费涛;郭雷;杨苏设计研发完成,并于2022-04-24向国家知识产权局提交的专利申请。

一种面向网络安全领域的事件抽取、分类和融合方法在说明书摘要公布了:本发明提出了一种面向网络安全领域的事件抽取、分类和融合方法,根据事件要素信息的完备程度,从历史数据库中的每条事件链上筛选出若干代表事件;定义网络安全领域事件类别、论元模板,针对输入的非结构化网络安全文本按照模板进行元事件结构化抽取;构建事件分类模型,将抽取得到的所有元事件与事件链中的代表事件组成事件对,利用双重注意力机制从文本语义相似度角度和事件论元、角色相似度角度判别事件是否属于相同类别;训练事件分类模型,依据事件分类结果,采用事件链的方式,通过计算事件链上代表事件投票和相似度得分将元事件融入事件链中。本发明将现有事件与历史事件进行关联和分析,能够挖掘事件发展、变化的规律。

本发明授权一种面向网络安全领域的事件抽取、分类和融合方法在权利要求书中公布了:1.一种面向网络安全领域的事件抽取、分类和融合方法,其特征在于,包括如下步骤:步骤1,根据事件要素信息的完备程度,从历史数据库中的每条事件链上筛选出若干代表事件;步骤2,定义网络安全领域事件类别、论元模板,针对输入的非结构化网络安全文本按照模板进行元事件结构化抽取;步骤3,构建事件分类模型,将抽取得到的所有元事件与事件链中的代表事件组成事件对,利用双重注意力机制从文本语义相似度角度和事件论元、角色相似度角度判别事件是否属于相同类别;步骤4,训练事件分类模型,依据事件分类结果,采用事件链的方式,通过计算事件链上代表事件投票和相似度得分将元事件融入事件链中;步骤3,构建事件分类模型,将抽取得到的所有元事件与事件链中的代表事件组成事件对,利用双重注意力机制从文本语义相似度角度和事件论元、角色相似度角度判别事件是否属于相同类别,具体方法为:步骤3.1:对元事件和代表事件的输入文本以及事件论元进行编码,针对输入文本,使用BERT将文本中每一个字符映射成字符向量;针对事件论元,使用词嵌入矩阵进行编码,具体计算公式如下:s1={c11,c12,c13...c1n}5s2={c21,c22,c23...c2n}6a1={w11,w12,w13...w1n}7a2={w21,w22,w23...w2n}8 其中,s1和s2分别是两个事件的文本,a1和a2分别是两个事件的论元,x1和x2是经过BERT编码的字符向量,h1和h2是论元编码后的向量,上标1和2用来区分两个事件,下标i指当前字符或字符向量在集合中的位置;步骤3.2:使用BiLSTM对元事件和代表事件输入文本的时序信息进行计算,具体计算公式如下:x'1=BiLSTMx113x'2=BiLSTMx214其中,x'1和x'2是BiLSTM计算结果,上标1和2用来区分两个事件,上标'仅作区分用,无实际意义;步骤3.3:根据BiLSTM计算结果,使用注意力机制,计算输入文本以及论元的注意力得分,更新向量权重,具体计算公式如下:首先计算文本向量注意力得分矩阵: 其中,x_score是文本向量注意力得分矩阵,上标仅作区分用途;分别按行和列对矩阵元素进行累加求平均,计算文本向量的注意力权重: 其中,和分别表示x'1和x'2的向量注意力权重,下标表示当前向量在集合中的位置,上标无实际意义,仅作区分;更新两个事件的文本向量: 同理,对事件论元向量进行注意力得分计算,更新论元向量,计算步骤如下: 其中,a_score是论元注意力得分矩阵,和是h1和h2的论元向量注意力权重,上标1和2用来区分事件1和事件2,*仅用于区分;步骤3.4:计算元事件和代表事件的文本向量距离和论元向量距离特征,判断两个事件是否从属同一事件类型,具体计算步骤如下:fa=W1[x*1;x*2;x*1-x*2]+b129fs=W2[h*1;h*2;h*1-h*2]+b230P=softmaxW3[fa;fs]+b331其中,fa和fs分别代表论元向量距离特征和文本向量距离特征,W1、b1、W2、b2、W3、b3是可训练参数,P是两个事件属于同一类事件的概率,下标1和2和3仅用来区分,a和s分别表示论元层面和文本层面,上标1和2用来区分事件1和事件2,*仅用于区分。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人苏州空天信息研究院,其通讯地址为:215000 江苏省苏州市苏州工业园区独墅湖大道158;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。