模型生成方法、装置、设备及计算机可读存储介质.pdf

(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CN114297924A(43)申请公布日2022.04.08(21)申请号202111614410.1(22)申请日2021.12.27(71)申请人杭州迪普科技股份有限公司地址310051浙江省杭州市滨江区通和路68号中财大厦6楼(72)发明人史卓颖邹初建王涛(74)专利代理机构北京博思佳知识产权代理有限公司11415代理人王茹(51)Int.Cl.G06F30/27(2020.01)G06F30/18(2020.01)G06N20/00(2019.01)H04L9/40(2022.01)H04L61/4511(2022.01)权利要求书2页说明书9页附图4页(54)发明名称模型生成方法、装置、设备及计算机可读存储介质(57)摘要本申请提供了一种模型生成方法，包括：将至少一种向量生成方法、与至少两种域名检测算法进行组合，得到至少两种组合方式；对于每种组合方式，采用该组合方式下的向量生成方法，对域名样本库中的各个样本域名进行域名向量化，且基于生成的域名向量，采用该组合方式下的域名检测算法进行模型训练，得到该组合方式对应的待选域名检测模型；根据每种组合方式对应的待选域名检测模型的模型选择指标，选择一个待选域名检测模型，作为目标域名检测模型，以便利用目标域名检测模型进行域名检测。本申请能够在节省人力的情况下生成目标域名检测模型，且保证了域名检测时的准确性。本申请还提供了一种模型生成装置、设备及计算机可读存储介质。CN114297924ACN114297924A权利要求书1/2页1.一种模型生成方法，其特征在于，包括：将至少一种向量生成方法、与至少两种域名检测算法进行组合，得到至少两种组合方式；对于每种组合方式，采用该组合方式下的向量生成方法，对域名样本库中的各个样本域名进行域名向量化，且基于生成的域名向量，采用该组合方式下的域名检测算法进行模型训练，得到该组合方式对应的待选域名检测模型；确定每种组合方式对应的待选域名检测模型的模型选择指标；根据各个待选域名检测模型的模型选择指标，选择一个待选域名检测模型，作为目标域名检测模型，其中，所述目标域名检测模型用于对目标域名进行域名检测。2.根据权利要求1所述的方法，其特征在于，所述至少一种向量生成方法，包括以下至少一种方法：字典法、独热one‑hot编码方法、词向量word2vec编码方法、n元模型n‑gram与词袋法的组合编码方法、全局向量GloVe编码方法。3.根据权利要求1所述的方法，其特征在于，所述至少两种域名检测算法，包括以下至少两种算法：基于卷积神经网络的文本分类算法TextCNN、基于循环神经网络的文本分类算法TextRNN、长短期记忆LSTM算法、区域卷积神经网络RCNN算法、门控循环单元GRU算法。4.根据权利要求1‑3任一项所述的方法，其特征在于，所述模型选择指标，包括模型的训练耗时、预测耗时、预测能力和泛化能力中的至少一个。5.根据权利要求4所述的方法，其特征在于，所述确定每种组合方式对应的待选域名检测模型的模型选择指标，包括：对于每种组合方式对应的待选域名检测模型，基于该待选域名检测模型的模型训练阶段和模型验证阶段，确定该待选域名检测模型的训练耗时和预测能力，并且，基于该待选域名检测模型的模型测试阶段，确定该待选域名检测模型的预测耗时和泛化能力。6.根据权利要求1‑3任一项所述的方法，其特征在于，所述根据各个待选域名检测模型的模型选择指标，选择一个待选域名检测模型，包括：对于各个待选域名检测模型的各个模型选择指标，确定表征各个模型选择指标的指标情况的参数值，并确定表征各个模型选择指标的重要程度的权重值；依据各个待选域名检测模型对应的参数值和权重值，选择一个待选域名检测模型。7.一种模型生成装置，其特征在于，包括：模式组合单元，用于将至少一种向量生成方法、与至少两种域名检测算法进行组合，得到至少两种组合方式；模型训练单元，用于对于每种组合方式，采用该组合方式下的向量生成方法，对域名样本库中的各个样本域名进行域名向量化，且基于生成的域名向量，采用该组合方式下的域名检测算法进行模型训练，得到该组合方式对应的待选域名检测模型；指标确定单元，用于确定每种组合方式对应的待选域名检测模型的模型选择指标；模型选择单元，用于根据各个待选域名检测模型的模型选择指标，选择一个待选域名检测模型，作为目标域名检测模型，其中，所述目标域名检测模型用于对目标域名进行域名检测。2CN114297924A权利要求书2/2页8.根据权利要求7所述的装置，其特征在于，所述模型选择指标，包括模型的训练耗时、预测耗时、预测能力和泛化能力中的至少一个。9.一种电子设备，其特征在于，包括：处理器、存储器；所述存储器，用于存储计算机程序