基于深度神经网络的网络安全实体识别方法

被引：52

作者：

秦娅 ^{[1
,2
]}

申国伟 ^{[1
,2
]}

赵文波 ^{[1
]}

陈艳平 ^{[1
,2
]}

机构：

[1] 贵州大学计算机科学与技术学院

[2] 贵州省公共大数据重点实验室

来源：

南京大学学报(自然科学) | 2019年 / 55卷 / 01期

关键词：

网络安全实体识别; 特征模板; CNN; BiLSTM; CRF;

D O I：

10.13232/j.cnki.jnju.2019.01.003

中图分类号：

TP393.08 []; TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

基于安全知识图谱的网络安全威胁情报分析能够细粒度地分析多源威胁情报数据,因此受到广泛关注.传统的命名实体识别方法难以识别网络安全领域中新的或中英文混合的安全实体,且提取的特征不充分,因此难以准确地识别网络安全实体.在深度神经网络模型的基础上,提出一种结合特征模板的CNN-BiLSTM-CRF的网络安全实体识别方法,利用人工特征模板提取局部上下文特征,进一步利用神经网络模型自动提取字符特征和文本全局特征.实验结果表明,在大规模网络安全数据集上,提出的网络安全实体识别方法,相关评价指标优于其他算法,F值达到86%.

引用

页码：29 / 40

页数：12

共 6 条

[1]

知识图谱构建技术综述 [J].