一种用于反钓鱼的分层 LSTM 与有监督注意力深度学习模型
密码学与安全
2018-05-07 v1 机器学习
机器学习
摘要
反钓鱼旨在从文本数据池中检测钓鱼内容/文档。这是网络安全中的一个重要问题，可帮助用户防范欺诈信息。自然语言处理（NLP）为该问题提供了自然的解决方案，因为它能够分析文本内容以进行智能识别。在这项工作中，我们研究 NLP 中用于文本分类的前沿技术，以解决邮件反钓鱼问题（即预测一封邮件是否为钓鱼邮件）。这些技术基于近期受到社区广泛关注深度学习模型。具体而言，我们提出了一个包含分层长短期记忆网络（H-LSTM）和注意力机制的框架，在词和句子层面同时建模邮件。我们的期望是产生一个有效的反钓鱼模型，并展示深度学习在网络安全问题上的有效性。
引用
@article{arxiv.1805.01554,
title = {A Deep Learning Model with Hierarchical LSTMs and Supervised Attention for Anti-Phishing},
author = {Minh Nguyen and Toan Nguyen and Thien Huu Nguyen},
journal= {arXiv preprint arXiv:1805.01554},
year = {2018}
}
备注
In: R. Verma, A. Das. (eds.): Proceedings of the 1st Anti-Phishing Shared Pilot at 4th ACM International Workshop on Security and Privacy Analytics (IWSPA 2018), Tempe, Arizona, USA, 21-03-2018