一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图(ASG)生成方法

本发明公开了一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图(ASG)生成方法。该方法结合深度学习模型与自然语言处理技术，提升了攻击场景图生成的效率和准确性。步骤包括：采集网络威胁情报并利用改进的BERT‑BiLSTM‑CRF模型进行实体识别，结合正则表达式识别威胁攻击实体；采用CR‑M‑SpanBERT模型进行核心指代解析，捕获实体间的语义上下文依赖关系；使用依存解析技术提取文本的双向上下文语义依赖关系，并结合RoBERTa‑BiGRU生成嵌入表示；最终，基于BERT‑RE模型提取三元组信息，生成攻击场景图。本发明提高了复杂网络威胁情报数据的处理能力，具有较强的鲁棒性和适应性，特别适用于多模态威胁情报。