一种基于特征抽取的网络安全博客分类方法及系统

摘要

本发明公开了一种基于特征抽取的网络安全博客分类方法及系统，包括：爬取博客；计算每个博客的非字典词密度；计算每个博客的博客恶意倾向度；统计所有博客共同的高频词；计算每个博客中各个高频词的词频‑逆文档频率；基于博客的非字典词密度、博客恶意倾向度以及每个博客中每个高频词的词频‑逆文档频率，以及基于博客与IOC的相关或不相关进行编码来训练预设分类模型得到博客分类器；获取待分类博客的非字典词密度、博客恶意倾向度以及高频词的词频‑逆文档频率并输入至训练后的博客分类器得到表示待分类博客与IOC的相关或不相关的分类器输出值。通过上述方法实现对网络安全技术博客中与IOC相关的博客和与IOC无关的博客精确分类。