(19)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 202211080276.6 (22)申请日 2022.09.05 (71)申请人 白杨时代 （北京） 科技有限公司 地址 100094 北京市海淀区北清路81号院 二区3号楼10层10 02-3室 (72)发明人 黄安付　 (74)专利代理 机构 北京信远 达知识产权代理有 限公司 1 1304 专利代理师 柳欣 (51)Int.Cl. G06F 40/295(2020.01) G06N 20/00(2019.01) G06F 16/35(2019.01) G06F 21/55(2013.01) G06F 40/30(2020.01)H04L 9/40(2022.01) (54)发明名称 一种安全威胁信息分层提取的方法及装置 (57)摘要 本申请公开了一种安全威胁信息分层提取 的方法及装置， 可应用于自然语言处理领域和信 息安全领域。 该方法包括： 读取安全威胁信息； 当 所述安全威胁信息中存在符合关系指标的第一 词语时， 定位所述第一词语的位置区域； 预测所 述第一词语的关系类型； 当所述 关系类型与关系 类型集对应时， 扫描所述位置区域内所有的第二 词语； 所述关系类型集包括至少一个关系类型； 根据所述第二词语预测所述第一词语对应的实 体类型。 如此， 通过先确定安全威胁信息中的关 系类型， 然后利用实体类型与关系类型之间的关 系预测该关系类型对应的实体类型， 从而解决了 现有技术智能决策推演精确度低的问题。 权利要求书2页 说明书13页 附图4页 CN 115169351 A 2022.10.11 CN 115169351 A 1.一种安全威胁信息分层提取的方法， 其特 征在于， 所述方法包括： 读取安全威胁信息； 当所述安全威胁信 息中存在符合关系指标的第 一词语时， 定位所述第 一词语的位置区 域； 预测所述第一词语的关系类型； 当所述关系类型与关系类型集对应时， 扫描所述位置区域内所有的第二词语； 所述关 系类型集包括至少一个所述关系类型； 根据所述第二词语预测所述第一词语对应的实体 类型。 2.根据权利要求1所述的方法， 其特 征在于， 所述预测所述第一词语的关系类型， 包括： 利用关系策略函数计算所述第一词语属于各个关系类型的概 率； 选择概率最高的所述关系类型作为所述第一词语的所述关系类型。 3.根据权利要求2所述的方法， 其特征在于， 所述利用关系策略函数计算所述第 一词语 属于各个关系类型的概 率， 包括： 获取高层强化学习网络的高层当前时刻状态； 将所述高层 当前时刻状态输入关系策略函数， 使所述关系策略函数计算所述第 一词语 属于各个关系类型的概 率。 4.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 预测得到的所述关系类型与第 一训练集中的关系 对应时， 向所述高层强化学习网络提 供正奖励； 预测得到的所述关系类型与 所述第一训练集中的所述关系不对应时， 向所述高层强化 学习网络提供负奖励； 预测得到的所述关系类型为无关系时， 不向所述高层强化学习网络提供 奖励； 所述第一训练集 为训练所述高层强化学习网络时的关系集 合。 5.根据权利要求1所述的方法， 其特征在于， 所述当所述关系类型与关系类型集对应 时， 扫描所述 位置区域内所有的第二词语， 包括： 当所述关系类型与关系类型集对应时， 启动低层强化学习网络； 利用所述低层强化学习网络， 扫描所述 位置区域内所有的第二词语。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述第 二词语预测所述第 一词语 对应的实体 类型， 包括： 利用所述低层强化学习网络生成所述 位置区域内每一个所述第二词语的标签； 根据所述标签预测所述第一词语对应的实体 类型。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述标签预测所述第 一词语对应 的实体类型， 包括： 利用实体策略函数计算所述标签属于各个实体 类型的概 率； 选择概率最高的所述实体 类型作为所述第一词语对应的所述实体 类型。 8.根据权利要求7所述的方法， 其特征在于， 所述利用实体策略函数计算所述标签属于 各个实体 类型的概 率， 包括： 获取所述低层强化学习网络的低层当前时刻状态； 将所述低层强化学习网络的所述低层当前时刻状态和所述关系类型输入实体策略函权　利　要　求　书 1/2 页 2 CN 115169351 A 2数， 使所述实体策略函数计算所述标签属于各个实体 类型的概 率。 9.根据权利要求8所述的方法， 其特 征在于， 所述方法还 包括： 预测得到的所述实体类型与 所述关系类型对应时， 向所述低层强化学习网络提供第 一 即时奖励； 预测得到的所述实体类型与 所述关系类型不对应时， 向所述低层强化学习网络提供第 二即时奖励； 所述第一即时奖励大于所述第二即时奖励； 当预测得到的全部所述实体类型均与第 二训练集中的实体对应时， 向所述低层强化学 习网络提供正奖励； 当存在预测得到的所述实体类型与 所述第二训练集中的所述实体不对应时， 向所述低 层强化学习网络提供负奖励； 所述第二训练集 为训练所述低层强化学习网络时的实体集 合。 10.一种安全威胁信息分层提取的装置， 其特 征在于， 所述装置包括： 读取模块， 用于读取安全威胁信息； 定位模块， 用于当所述安全威胁信息中存在符合关系指标的第一词语时， 定位所述第 一词语的位置区域； 关系类型 预测模块， 用于预测所述第一词语的关系类型； 扫描模块， 用于当所述关系类型与关系类型集对应时， 扫描所述位置区域内所有的第 二词语； 所述关系类型集包括至少一个所述关系类型； 实体类型预测模块， 用于根据所述第二词语预测所述第一词语对应的实体 类型。权　利　要　求　书 2/2 页 3 CN 115169351 A 3