(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 202111506272.5 (22)申请日 2021.12.10 (71)申请人 北京天融信网络安全技 术有限公司 地址 100000 北京市海淀区上地 东路1号院 3号楼四层 申请人 北京天融信科技有限公司 　 北京天融信软件 有限公司 (72)发明人 姚剑文　潘季明　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 杨奇松 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/30(2020.01) G06F 16/951(2019.01)G06F 21/56(2013.01) G06F 21/64(2013.01) H04L 9/40(2022.01) (54)发明名称 一种网页 篡改检测模 型的训练、 应用方法及 装置 (57)摘要 本申请提供一种网页篡改检测模型的训练、 应用方法及装置， 该网页篡改检测模 型的训练方 法包括： 获取多个网页中的description字段内 容和text字段内容， 并进行数据清洗处理， 得到 description纯净内容和text纯净内容； 根据预 设的Bert模型对descrip tion纯净内容和text纯 净内容进行编码， 得到编码字段； 获取与编码字 段相匹配的语义矛盾检测结果； 根据语义矛盾检 测结果、 descrip tion纯净内容、 text纯净内容和 预设训练条件进行训练， 得到网页篡改检测模 型。 可见， 实施这种实施方式， 能够基于网页中上 下文语义矛盾性训练出一种高精度地网页篡改 检测模型， 从而使得该网页篡改检测模型能够批 量对网页进行篡改检测， 从而能够使得用户认出 篡改网页并对其进行安全防范。 权利要求书2页 说明书9页 附图4页 CN 114201606 A 2022.03.18 CN 114201606 A 1.一种网页篡改检测模型的训练方法， 其特 征在于， 所述方法包括： 获取多个网页中的descripti on字段内容和text字段内容； 对所述description字段内容和所述text字段内容进行数据清洗处理， 得到 descripti on纯净内容和text纯 净内容； 根据预设的Bert模型对所述description纯净内容和 所述text纯净内容进行编码， 得 到编码字段； 获取与所述编码字段相匹配的语义矛盾检测结果； 所述语义矛盾检测结果用于表示所 述descripti on纯净内容和所述text纯 净内容之间是否存在语义矛盾； 根据所述语义矛盾检测结果、 所述description纯净内容和所述text纯净内容， 生成数 据训练集； 将所述数据训练集输入至预设的原始检测模型中， 以使所述原始检测模型根据 预设训 练条件进行训练， 得到网页篡改检测模型。 2.根据权利要求1所述的网页篡改检测模型的训练方法， 其特征在于， 所述获取多个网 页中的descripti on字段内容和text字段内容的步骤 包括： 根据预设的网络爬虫框架对多个网页进行爬取， 得到与每个网页相对应的 descripti on字段内容和text字段内容。 3.根据权利要求1所述的网页篡改检测模型的训练方法， 其特征在于， 所述对所述 description字段内容和所述text字段内容进行数据清洗处理， 得到descr iption纯净内容 和text纯 净内容的步骤 包括： 在所述description字段 内容和所述text字段 内容中， 去除html标签和特殊字符， 得到 descripti on纯净内容和text纯 净内容。 4.根据权利要求1所述的网页篡改检测模型的训练方法， 其特征在于， 所述根据 预设的 Bert模型对所述description纯净内容和所述text纯净内容进行编码， 得到编码字段的步 骤包括： 根据预设的Bert模型， 在所述description纯净 内容前插入[CLS]， 在所述description 纯净内容后、 所述text纯净内容前插入[SEP]， 在所述所述text纯净内容后插入[SEP]， 得到 编码字段。 5.根据权利要求1所述的网页篡改检测模型的训练方法， 其特征在于， 所述获取与 所述 编码字段相匹配的语义矛盾检测结果的步骤 包括： 提取与所述编码字段相对应的句子对特 征向量； 将所述句子对特 征向量输入语义矛盾检测二分类网络， 得到语义矛盾检测结果。 6.根据权利要求1所述的网页篡改检测模型的训练方法， 其特征在于， 所述将所述数据 训练集输入至预设的原始检测模型中， 以使所述原始检测模型根据预设训练条件进行训 练， 得到网页篡改检测模型的步骤 包括： 将所述数据训练集输入至预设的原始检测模型中， 以使所述原始检测模型根据 预设训 练轮数、 预设批次大小、 预设学习率、 预设的descr iption最大输入长度、 预设的text最大输 入长度以及预设的交叉熵损失函数进行训练， 得到网页篡改检测模型。 7.一种网页篡改检测模型的应用方法， 其特征在于， 所述网页篡改检测模型是通过权 利要求1至 6中任一项所述的网页篡改检测模型的训练方法训练得到的， 所述方法包括：权　利　要　求　书 1/2 页 2 CN 114201606 A 2获取待检测网页的descripti on字段内容和text字段内容； 对所述description字段内容和所述text字段内容进行数据清洗处理， 得到 descripti on纯净内容和text纯 净内容； 将所述description纯净内容和所述text纯净内容输入至网页篡改检测模型， 以使所 述网页篡改检测模型输出网页篡改检测结果。 8.一种网页篡改检测模型的训练装置， 其特征在于， 所述网页篡改检测模型的训练装 置包括： 获取单元， 用于获取多个网页中的descripti on字段内容和text字段内容； 预处理单元， 用于对所述description字段内容和所述text字段内容进行数据清洗处 理， 得到descripti on纯净内容和text纯 净内容； 编码单元， 用于根据预设的Bert模型对所述description纯净内容和 所述text纯净内 容进行编码， 得到编码字段； 二分类单元， 用于获取与所述编码字段相匹配的语义矛盾检测结果； 所述语义矛盾检 测结果用于表示所述descripti on纯净内容和所述text纯 净内容之间是否存在语义矛盾； 生成单元， 用于根据所述语义矛盾检测结果、 所述description纯净内容和所述text纯 净内容， 生成数据训练集； 训练单元， 用于将所述数据训练集输入至预设的原始检测模型中， 以使所述原始检测 模型根据预设训练条件进行训练， 得到网页篡改检测模型。 9.一种网页篡改检测模型的应用装置， 其特征在于， 所述网页篡改检测模型是通过权 利要求8所述的网页篡改检测模型 的训练装置训练得到的， 所述网页篡改检测模型 的应用 装置包括： 获取单元， 用于获取待检测网页的descripti on字段内容和text字段内容； 预处理单元， 用于对所述description字段内容和所述text字段内容进行数据清洗处 理， 得到descripti on纯净内容和text纯 净内容； 检测单元， 用于将所述description纯净内容和所述text纯净内容输入至网页篡改检 测模型， 以使所述网页篡改检测模型输出网页篡改检测结果。 10.一种网页篡改检测方法， 其特 征在于， 所述方法包括： 获取待检测网页中的descripti on字段内容和text字段内容； 对所述description字段内容和所述text字段内容进行数据清洗处理， 得到 descripti on纯净内容和text纯 净内容； 根据预设的Bert模型对所述description纯净内容和 所述text纯净内容进行编码， 得 到编码字段； 获取与所述编码字段相匹配的语义矛盾检测结果； 所述语义矛盾检测结果用于表示所 述descripti on纯净内容和所述text纯 净内容之间是否存在语义矛盾； 当所述语义矛盾检测结果为存在语义矛盾时， 输出所述待检测网页已被篡改的提示信 息； 当所述语义矛盾检测结果为不存在语义矛盾时， 输出所述待检测网页未被篡改的提示 信息。权　利　要　求　书 2/2 页 3 CN 114201606 A 3