(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221094980 3.6 (22)申请日 2022.08.09 (65)同一申请的已公布的文献号 申请公布号 CN 115022098 A (43)申请公布日 2022.09.06 (73)专利权人 北京瑞莱智慧科技有限公司 地址 100000 北京市海淀区中关村东路1号 院8号楼19层A1901 (72)发明人 不公告发明人 　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 丁宇龙 (51)Int.Cl. H04L 9/40(2022.01) H04L 41/14(2022.01)H04L 41/16(2022.01) H04L 67/02(2022.01) G06F 16/9535(2019.01) (56)对比文件 CN 111209474 A,2020.0 5.29 CN 113872960 A,2021.12.31 CN 105279206 A,2016.01.27 CN 114422201 A,202 2.04.29 CN 10971246 0 A,2019.0 5.03 US 20180 05297 A1,2018.01.04 刘智国等.面向未来的网络靶场体系架构研 究. 《信息技 术与网络安全》 .2018,(第0 6期), 审查员 常交法 (54)发明名称 人工智能安全靶场内容推荐 方法、 装置及存 储介质 (57)摘要 本申请实施例涉及人工智能安全领域， 并提 供人工智能安全靶场内容推荐方法、 装置及存储 介质， 方法包括当服务端接收到用户端发送的用 户登录信息时， 根据用户登录信息确定第一推荐 页面数据并发送至用户端， 之后基于与第一推荐 页面数据对应的服务端使用数据确定是AI安全 靶场学习模式或是AI安全靶场练习模式， 并获取 对应的第一使用数据或第二使用数据， 最后根据 所述第一使用数据或所述第二使用数据确定当 前倾向度矩阵。 本方案使 得用户登录服务端时即 可由服务端基于用户登录信息确定第一推荐页 面数据并发送至用户端， 避免了向用户端推荐统 一的页面数据， 而且所推荐的页面数据可对人工 智能模型的安全攻防演练或基础知识学习。 权利要求书4页 说明书18页 附图6页 CN 115022098 B 2022.11.18 CN 115022098 B 1.一种人工智能安全 靶场内容推荐方法， 其特 征在于， 所述方法包括： 接收用户端发送的用户登录信息； 根据接收的所述用户登录信 息确定第 一推荐页面数据， 并将所述第 一推荐页面数据发 送至用户端； 其中， 所述第一推荐页面数据中包括多个人工智能安全 靶场的推荐数据； 获取与所述第一推荐页面数据对应的服务端使用数据； 其中， 所述服务端使用数据包 括服务端资源消耗数据和服 务端带宽使用数据； 若确定所述服务端使用数据中所述服务端带宽使用数据大于带宽阈值， 则确定是AI安 全靶场学习模式， 获取与所述第一推荐页面数据对应的第一使用数据； 若确定所述服务端使用数据中所述服务端资源消耗数据 大于资源消耗阈值， 则确定是 AI安全靶场练习模式， 获取与所述第一推荐页面数据对应的第二使用数据； 根据所述第一使用数据或所述第二使用数据确定当前倾向度矩阵； 其中， 所述当前倾 向度矩阵中每一行向量表示用户对相应页面标签的偏好值， 且每一页面标签的偏好值基于 页面标签的访问操作和页面驻留时长确定， 所述当前倾向度 矩阵用于筛选向用户端下一次 登录服务端所发送的推荐内容 集； 其中， 在所述第一推荐页面数据对应的页面中包括若干个页面子容器， 每一所述页面 子容器中容纳有相应 推荐内容； 其中， 所述 服务端使用数据包括所述第一使用数据和所述第二使用数据； 其中， 在所述AI安全靶场学习模式下， 所述第一推荐页面数据中包括的AI安全靶场教 程数据先是以数据链接地址的方式存储在所述页面子容器中， 用户选择其中一个页面子容 器并点击进入后， 由服务端获取与该页面子容器对应的数据链接地址， 并根据所述数据链 接地址获取原 始数据内容， 再由服 务端将原 始数据内容传输 至用户端； 其中， 在所述AI安全靶场练习模式下， 所述第一推荐页面数据中包括的AI安全靶场练 习数据先是将A I算法模型的原始数据存储在所述页面子容器中， 用户选择其中一个页面子 容器后， 将所述页面子容器中的原始数据补充完整， 得到完整的A I算法模型， 再发送至服务 端， 服务端接收到所述完整的AI算法模型后， 调用本地的服务器资源进行AI算法模型的重 新训练或加固； 其中， 所述根据所述第一使用数据或所述第二使用数据确定当前倾向度矩阵之后， 所 述方法还 包括： 基于所述当前倾向度矩阵确定偏好值降序排序号未超出预设排序阈值的当前目标偏 好值， 并将各当前目标偏好 值对应的页面标签组成当前筛 选页面标签集； 根据所述当前筛选页面标签集从内容库中确定第二推荐内容集； 其中， 所述第二推荐 内容集包括AI 安全靶场教程数据、 AI 安全靶场练习数据中的其中一种； 其中， 在所述AI安全靶场学习模式下， 所述人工智能安全靶场的推荐数据， 包括AI安全 靶场的技术手段、 技术手段的具体攻击代码、 具体攻击代码所针对的攻击目标A I算法模型、 技术手段的具体使用说明以及技 术手段的教学视频； 其中， 在所述AI安全靶场练习模式下， 所述人工智能安全靶场的推荐数据， 包括攻击目 标AI算法模型， 用户再进行操作以对所述攻击目标AI算法模型编写具体攻击代码， 完成具 体攻击代码编写后得到具体对所述攻击目标A I算法模型的攻击结果、 攻击过程评 分以及模 型攻击报告。权　利　要　求　书 1/4 页 2 CN 115022098 B 22.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一使用数据或所述第 二使 用数据确定当前倾向度矩阵之后， 所述方法还 包括： 基于所述当前倾向度矩阵确定当前倾向度向量； 基于所述当前倾向度向量从倾向度向量集中获取相似倾向度向量， 组成相似倾向度向 量集； 其中， 所述相似倾向度向量与所述当前倾向度向量的向量相似度均超过预设的向量 相似度阈值， 所述倾向度向量集为服务端存储且用于表示多个用户分别对应的用户倾向度 向量； 基于所述相似倾向度向量集从内容库中确定第二推荐内容集； 其中， 所述第二推荐内 容集包括AI 安全靶场教程数据、 AI 安全靶场练习数据中的其中一种。 3.根据权利要求1 ‑2任一项所述的方法， 其特征在于， 所述根据接收的所述用户登录信 息确定第一推荐页面数据， 包括： 若确定所述用户登录信息对应的累计登录次数为 零时， 则获取用户兴趣信息数据； 获取预先存储的推送问题集并发送至用户端； 接收所述用户端发送的与所述推送问题集对应的回复数据集； 根据所述用户兴趣信息数据和所述回复数据集确定第一推荐内容集； 其中， 所述第一 推荐内容 集中包括AI 安全靶场教程数据、 AI 安全靶场练习数据中的其中一种； 将所述第一推荐内容数据填充至预设的页面 容器中生成所述第一推荐页面数据。 4.根据权利要求1 ‑2任一项所述的方法， 其特征在于， 所述根据接收的所述用户登录信 息确定第一推荐页面数据， 包括： 若确定所述用户登录信息对应的累计登录次数 大于零时， 则获取历史使用数据； 根据所述历史使用数据确定历史倾向度矩阵； 其中， 所述历史倾向度矩阵中每一行向 量表示用户对相应页面标签的偏好值， 且每一页面标签的偏好值基于页面标签的访问操作 和页面驻留时长确定； 根据所述历史倾向度矩阵确定偏好值降序排序号未超出预设排序阈值的目标偏好值， 并将各目标偏好 值对应的页面标签组成筛 选页面标签集； 根据所述筛选页面标签集确定第一推荐内容集； 其中， 所述第一推荐内容集包括AI安 全靶场教程数据、 AI 安全靶场练习数据中的其中一种； 将所述第一推荐内容数据填充至预设的页面 容器中生成所述第一推荐页面数据。 5.根据权利要求3所述的方法， 其特征在于， 所述根据所述用户兴趣信 息数据和所述 回 复数据集确定第一推荐内容 集， 包括： 获取所述用户兴趣信息数据对应的第一语义向量； 获取所述回复数据集对应的为第二语义向量； 将所述第一语义向量与所述第二语义向量连接， 得到综合语义向量； 基于所述综合语义向量在内容库中获取第一推荐内容 集。 6.根据权利要求3所述的方法， 其特征在于， 所述根据所述用户兴趣信 息数据和所述 回 复数据集确定第一推荐内容 集， 包括： 获取所述用户兴趣信息数据中兴趣关键词组成第一筛 选条件； 根据所述第一筛 选条件在内容库中获取初始推荐内容 集； 基于所述回复数据集中各回复问题组成第二筛 选条件；权　利　要　求　书 2/4 页 3 CN 115022098 B 3