[发明专利]一种基于互联网报告的情报积累归档系统及方法

权利要求书

1.一种基于互联网报告的情报积累归档方法，其特征在于，包括以下步骤：

根据互联网公开情报的URL，获取URL对应的内容，并将其渲染成HTML页面，对HTML页面的内容进行保存，获得情报原始文件；

根据页面和文字大小的比例基数，对情报原始文件中的数据对象进行整合和文本格式转换处理，获得情报文本；

根据预设的配置参数，对情报文本进行字符串匹配，提取情报文本中的报告价值内容；

显示提取到的报告价值内容，对提取到的报告价值内容和情报原始文件进行归档。

2.根据权利要求1所述的基于互联网报告的情报积累归档方法，其特征在于，所述预设的配置参数包括但不限于MD5、SHA1、SHA256、CC、IP、攻击者手法。

3.根据权利要求1所述的基于互联网报告的情报积累归档方法，其特征在于，所述情报原始文件为PDF文件。

4.根据权利要求3所述的基于互联网报告的情报积累归档方法，其特征在于，所述页面和文字大小的比例基数为页面上文字的平均文字高度，所述页面上文字的平均文字高度的计算包括以下步骤：

识别单个文字的左上角横纵坐标和右下角横纵坐标，根据单个文字的左上角横纵坐标和右下角横纵坐标，计算各行文字的单行文字高度；

识别页面的左上角横纵坐标和右下角横纵坐标，根据页面的左上角横纵坐标和右下角横纵坐标以及各行文字的单行文字高度，计算页面非文字空间高度；

根据页面非文字空间高度和各行文字的单行文字高度，计算页面上文字的平均文字高度。

5.根据权利要求4所述的基于互联网报告的情报积累归档方法，其特征在于，所述根据单个文字的左上角横纵坐标和右下角横纵坐标计算各行文字的单行文字高度包括：

取识别单个文字的左上角横纵坐标和右下角横纵坐标，分别记作x1,y1,x2,y2,并存入第一临时数组tmpArr1；取识别下一文字的左上角坐标和右上角坐标，当下一文字的左上角横坐标不大于上个文字的右下角横坐标时，对第一临时数组内的坐标进行如下运算：

计算所有文字的右下角纵坐标与左上角纵坐标的差值y2-y1；

对所有的y2-y1取平均值，并将平均值存入第二临时数组，清空第一临时数组。

6.根据权利要求5所述的基于互联网报告的情报积累归档方法，其特征在于，所述根据页面的左上角横纵坐标和右下角横纵坐标以及各行文字的单行文字高度，计算页面非文字空间高度包括：

计算页面的左上角横纵坐标和右下角横纵坐标，记为X1，Y1，X2，Y2，根据页面的左上角横纵坐标和右下角横纵坐标以及所述第二临时数组，计算页面非文字空间高度H，页面非文字空间高度H的计算公式如下：

H＝Y2-Y1-(第二临时数组的数值之和)。

7.根据权利要求6所述的基于互联网报告的情报积累归档方法，其特征在于，所述根据页面非文字空间高度和各行文字的单行文字高度，计算页面上文字的平均文字高度包括：

判断页面非文字空间高度H是否大于页面右下角纵坐标Y2的27.25％；如果页面非文字空间高度H大于页面右下角纵坐标Y2的27.25％，则将第二临时数组内数值去掉一个最大值和一个最小值后取平均值，否则直接对第二临时数组内的数值取平均值，此平均值为平均文字高度。

8.一种基于互联网报告的情报积累归档系统，其特征在于，包括：

采集模块，用于根据互联网公开情报的URL地址获取URL内容，并保存成情报原始文件；

导入模块，用于导入情报原始文件；

识别模块，用于根据页面和文字大小的比例基数，对情报原始文件中的数据对象进行合并成行的文本格式处理；

提取模块，用于情报文本进行与预设的配置参数进行字符串匹配，提取情报文本的价值内容；

输出模块，用于对提取的情报文本的价值内容进行显示，并输出情报报告，与情报原始文件一起归档。