(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111303272.5 (22)申请日 2021.11.05 (71)申请人 绿盟科技 集团股份有限公司 地址 100089 北京市海淀区北洼路4 号益泰 大厦5层 申请人 北京神州绿盟科技有限公司 (72)发明人 顾杜娟　周娟　袁军　章瑞康　 李文瑾　叶晓虎　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 代理人 张燕 (51)Int.Cl. G06F 21/55(2013.01) G06F 40/211(2020.01) G06F 40/242(2020.01)G06F 40/253(2020.01) G06F 40/289(2020.01) G06N 20/00(2019.01) (54)发明名称 安全领域实体识别方法、 装置及电子设备 (57)摘要 本申请实施例提出了一种安全领域实体识 别方法、 装置及电子设备， 通过训练相应的文本 修正模型， 一方面， 在实体识别的过程中， 基于文 本修正模型对威胁情报文本作出的修正处理， 确 保了威胁情报文本的信息完整性及 精确性， 从而 有效提高了实体识别的准确率， 另 一方面， 在多 任务实体识别模 型的训练过程中， 通过文本修正 模型在每次多任务实体识别模型训练时， 针对第 二训练数据进行的相应修正处理， 提高了每次训 练语料的完整性及精确性， 从而提高了多任务实 体识别模型的识别准确度， 并使得安全领域实体 识别的准确率得到 显著提高。 权利要求书2页 说明书16页 附图9页 CN 113971280 A 2022.01.25 CN 113971280 A 1.一种安全领域实体识别方法， 其特 征在于， 包括： 获取待处理的威胁情报文本， 并基于预设的文本修正模型， 对所述威胁情报文本进行 文本特征提取， 获得 所述威胁情报文本的文本特 征； 基于获得的所述文本特 征， 从所述 威胁情报文本中， 确定相应的目标待修 正字符； 对所述目标待修 正字符进行修 正处理， 获得相应的修 正情报文本； 利用预设的多任务实体识别模型， 对所述修正情报文本进行实体识别， 获得相应的实 体识别结果。 2.如权利要求1所述的方法， 其特征在于， 所述获取待处理的威胁情报文本之前， 还包 括： 获取携带修正标注的第一训练数据， 其中， 所述修正标注至少包括： 文本修正标注及字 符修正标注； 基于预设的词典库及扩充规则库， 对所述携带修正标注的第一训练数据进行数据扩 充， 获得相应的携带修 正标注第一训练扩充数据； 采用所述第 一扩充训练数据对所述文本修正模型进行训练， 直至达到第 一训练结束条 件。 3.如权利要求2所述的方法， 其特征在于， 所述获取携带修正标注的第一训练数据， 包 括： 获取非结构化的威胁情 报数据； 基于预设的情报解析算法， 对所述非结构化的威胁情报数据进行文本解析， 获得相应 的情报文本数据； 基于预设的清洗规则， 对所述情报文本数据进行数据清洗， 并对清洗后的所述情报文 本数据进行分词、 分句处 理， 获得相应的第一训练数据； 基于预设的标注规则库， 对所述第一训练数据中包含的指定实体词进行修正标注， 获 得携带修正标注的第一训练数据， 其中， 所述修正标注至少包括： 文本修正标注及修正类型 标注。 4.如权利要求1、 2或3所述的方法， 其特征在于， 所述获取待处理的威胁情报文本之前， 还包括： 获取针对所述多任务实体识别模型的第二训练数据； 利用训练结束的所述文本修正模型， 对所述第二训练数据进行修正处理， 获得修正后 的第二训练数据； 基于预设的词典库及实体规则库， 对所述修正后的第二训练数据进行实体标注， 获得 相应的携带实体标注的第二训练数据， 其中， 所述实体标注包括： 实体位置标注及实体类型 标注； 采用所述携带实体标注的第 二训练数据对所述多任务实体识别模型进行训练， 直至达 到第二训练结束条件。 5.如权利要求4所述的方法， 其特征在于， 所述采用所述携带实体标注的第 二训练数据 对所述多任务实体识别模型进行训练， 直至 达到第二训练结束条件之后， 还 包括： 获取未携带实体标注的第二训练数据； 利用所述多任务实体识别模型， 对所述第二训练数据进行实体预测， 获得相应的实体权　利　要　求　书 1/2 页 2 CN 113971280 A 2预测结果， 其中， 所述实体预测结果包 含至少一个实体词及每 个实体词相应的置信度分值； 基于预设的词典库及实体规则库， 对获得的实体预测结果进行修正， 获得相应的修正 实体预测结果； 基于所述修正实体预测结果， 对所述未携带实体标注的第二训练数据进行实体标注， 获得新增携带实体标注的第二训练数据； 采用所述新增携带实体标注的第二训练数据继续对所述多任务实体识别模型进行训 练， 直至达到第三训练结束条件。 6.如权利要求5所述的方法， 其特征在于， 所述修正实体预测结果包含至少一个与 预设 的词典库及实体规则库匹配的候选实体词， 以及每个候选实体词相 应的置信度分值； 所述 基于所述 修正实体预测结果， 对所述未携带实体标注的第二训练数据进行实体标注， 包括： 基于预设的目标置信度分值阈值， 选取相应数目的候选实体词作为目标实体词； 根据获得的各个目标实体词， 对所述未携带实体标注的第二训练数据进行实体标注。 7.如权利要求5所述的方法， 其特征在于， 所述基于预设的词典库及实体规则库， 对获 得的实体预测结果进行修 正， 获得相应的修 正实体预测结果之后， 还 包括： 基于预设的词典库及实体规则库， 对所述多任务实体识别模型获得的实体预测结果进 行筛选， 获得相应的至少一个未记录实体词及每 个未记录实体词对应的置信度分值； 基于预设的补充置信度分值阈值， 选取相应数目的未记录实体值作为补充实体词， 并 根据获得的各个补充实体词， 对所述词典库及实体规则库进行 更新。 8.如权利要求1或2所述的方法， 其特征在于， 所述利用预设的多任务实体识别模型， 对 所述修正情报文本进行实体识别， 获得相应的实体识别结果之后， 还 包括： 基于预设的词典库及实体规则库， 对获得的实体识别结果进行修正， 获得相应的目标 实体识别结果。 9.一种安全领域实体识别装置， 其特 征在于， 包括： 获取模块， 用于获取待处理的威胁情报文本， 并基于预设的文本修正模型， 对所述威胁 情报文本进行文本特 征提取， 获得 所述威胁情报文本的文本特 征； 确定模块， 用于基于获得的所述文本特征， 从所述威胁情报文本 中， 确定相应的目标待 修正字符； 修正模块， 用于对所述目标待修 正字符进行修 正处理， 获得相应的修 正情报文本； 实体识别模块， 用于利用预设的多任务实体识别模型， 对所述修正情报文本进行实体 识别， 获得相应的实体识别结果。 10.一种电子设备， 包括存储器， 处理器及存储在存储器上并可在处理器运行的计算机 程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑8中任一项 所述的 安全领域实体识别方法。权　利　要　求　书 2/2 页 3 CN 113971280 A 3