CyberNER：用于网络安全命名实体识别的统一化STIX语料库
密码学与安全
2025-10-31 v1
摘要
通过命名实体识别（NER）提取结构化情报是网络安全的关键任务，但带有不兼容标注模式的数据集的 proliferation 阻碍了全面模型的开发。虽然将这些资源合并是理想的，但我们实证表明，简单拼接它们会导致噪声标签空间，从而严重降低模型性能。为克服这一关键限制，我们引入CyberNER，一个大规模统一语料库，通过系统性地将四个著名数据集（CyNER、DNRTI、APTNER和Attacker）整合到STIX 2.1标准上。我们的方法学解决了语义歧义，并将超过50个 disparate source tags 整合为21个连贯的实体类型。我们的实验表明，基于CyberNER训练的模型实现了显著的性能提升，相对于naive拼接基线，F1分数提升约30%。通过公开发布CyberNER语料库，我们提供了一个关键的、标准化的基准，使能够创建和严格比较更稳健和更通用的实体提取模型。
引用
@article{arxiv.2510.26499,
title = {CyberNER: A Harmonized STIX Corpus for Cybersecurity Named Entity Recognition},
author = {Yasir Ech-Chammakhy and Anas Motii and Anass Rabii and Oussama Azrara and Jaafar Chbili},
journal= {arXiv preprint arXiv:2510.26499},
year = {2025}
}
备注
Accepted for publication at the 24th IEEE International Conference on Trust, Security and Privacy in Computing and Communications (IEEE TrustCom 2025)