公开(公告)号：CN116796251A

公开(公告)日：2023-09-22

申请号：CN202311078357.7

申请日：2023-08-25

Applicant: 江苏省互联网行业管理服务中心

Inventor： 徐艺丹 ,  韦芹余 ,  栾鹏林 ,  李永成 ,  盛响 ,  倪正国 ,  韩晓华 ,  褚连杰 ,  高陆云 ,  朱琳彤 ,  周恬 ,  张志元 ,  张浩

IPC: G06F18/241 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及网络安全技术领域，具体涉及一种基于图文多模态的不良网站分类方法、系统及设备，对网页截图和网站meta标题进行特征提取和相似度计算，通过InfoNCE损失函数优化CLIP模型，采用基于本体的随机抽样进行CLIP模型训练，融合图、文两个模态的特征，根据融合的特征对不良网站进行分类，可以提高网站分类的准确性和覆盖率；采用小批量训练抽样方式，仅需要约1%的数据即可达到相似的训练效果，同时不需要人工标注大量的训练数据和大型的TPU计算机器，也不需要针对不同语言或主题设计特定的分类规则或词典，可以提高网站分类的效率和可实现性；可针对无法使用OCR技术分析出的图片进行分析和明确分类。