信息提取方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115994143A(43)申请公布日2023.04.21(21)申请号202211611633.7(22)申请日2022.12.14(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)发明人张卓顾杜鹃袁军张迎苹高文博(74)专利代理机构北京同达信恒知识产权代理有限公司11291专利代理师张燕(51)Int.Cl.G06F16/22(2019.01)G06F40/216(2020.01)G06F40/151(2020.01)权利要求书3页说明书21页附图3页(54)发明名称信息提取方法、装置、电子设备及存储介质(57)摘要本申请公开了信息提取方法、装置、电子设备及存储介质。本申请获取待处理目标集合；待处理目标集合中包括多个资产信息字符串；基于预先构建的资产信息映射表和资产索引表，对待处理目标集合中的多个资产信息字符串进行提取，得到目标子字符串；针对待处理目标集合中的每一个资产信息字符串：基于资产信息映射表、资产索引表和目标子字符串，确定资产信息字符串的结构化三元组信息。由此，完成了资产信息的结构化转换，以结构化三元组信息的形式明确了资产信息字符串的资产描述对象，降低了资产上报结果的模糊性和后续资产管理的成本，提高了资产信息的准确性和处理效率，获得的结构化资产信息能够为更进一步的网络安全活动提供数据基础。CN115994143ACN115994143A权利要求书1/3页1.一种信息提取方法，其特征在于，所述方法包括：获取待处理目标集合；所述待处理目标集合中包括多个资产信息字符串；基于预先构建的资产信息映射表和资产索引表，对所述待处理目标集合中的多个资产信息字符串进行提取，得到目标子字符串；所述目标子字符串为所述多个资产信息字符串中出现频率大于预设频率阈值的子字符串；所述资产信息映射表用以表征所述资产信息字符串中厂商字符串和产品名字符串的对应关系；所述资产索引表用以表征所述资产信息字符串的结构化三元组信息和所述资产信息字符串之间的索引关系；针对所述待处理目标集合中的每一个资产信息字符串：基于所述资产信息映射表、所述资产索引表和所述目标子字符串，确定所述资产信息字符串的结构化三元组信息。2.如权利要求1所述的方法，其特征在于，根据下列方式构建所述资产信息映射表和所述资产索引表：获取业务数据；并对所述业务数据进行信息提取，得到所述业务数据中资产信息字符串对应的端口服务字符串、资产信息字符串、通用平台枚举CPE数据中的厂商字符串和CPE数据中的产品名字符串；基于所述厂商字符串和所述产品名字符串，构建所述资产信息映射表；以及基于所述端口服务字符串、所述资产信息字符串、所述厂商字符串和所述产品名字符串，构建所述资产索引表。3.如权利要求2所述的方法，其特征在于，所述基于所述厂商字符串和所述产品名字符串，构建所述资产信息映射表，包括：基于预设的映射规则，确定所述厂商字符串对应的自然字符串和所述产品名字符串对应的自然字符串；所述预设的映射规则表征格式化字符与自然字符的对应关系；基于所述厂商字符串对应的自然字符串和所述产品名字符串对应的自然字符串，构建所述资产信息映射表。4.如权利要求2所述的方法，其特征在于，所述基于所述端口服务字符串、所述资产信息字符串、所述厂商字符串和所述产品名字符串，构建所述资产索引表，包括：若所述厂商字符串和所述产品名字符串相同、所述厂商字符串包含在所述资产信息字符串中、且所述厂商字符串与所述资产信息字符串不同，则将所述资产信息字符串中除所述厂商字符串之外的字符设置为预设的参考字符，得到第一资产信息字符串；基于所述端口服务字符串、所述厂商字符串、所述产品名字符串和所述第一资产信息字符串，构建所述资产索引表；若所述厂商字符串和所述产品名字符串不同、所述厂商字符串与所述资产信息字符串存在相同部分、且所述产品名字符串完全包含于所述资产信息字符串，则将所述资产信息字符串中除与所述厂商字符串和所述产品名字符串相同部分之外的字符设置为所述预设的参考字符，得到第二资产信息字符串；基于所述端口服务字符串、所述厂商字符串、所述产品名字符串和所述第二资产信息字符串，构建所述资产索引表。5.如权利要求1所述的方法，其特征在于，所述基于预先构建的资产信息映射表和资产索引表，对所述待处理目标集合中的多个资产信息字符串进行提取，得到目标子字符串，包括：针对所述待处理目标集合中的每一个资产信息字符串：基于所述资产信息字符串、所2CN115994143A权利要求书2/3页述资产信息映射表和所述资产索引表，将所述资产信息字符串按照从右到左的顺序划分为多个子字符串；所述子字符串的数量与所述资产信息字符串的字符串长度相同；