基于掩码图注意力网络的网络安全实体对齐
人工智能
2022-07-05 v1
摘要
网络安全漏洞信息常由多渠道记录，包括政府漏洞库、个人维护的漏洞收集平台，或漏洞披露邮件列表与论坛。整合不同渠道的漏洞信息可实现全面威胁评估并快速部署至各类安全机制。然而，自动收集此类信息的努力受限于当今实体对齐技术的不足。在本研究中，我们标注了首个网络安全领域实体对齐数据集，并揭示了安全实体的独特特征。基于这些观察，我们提出首个网络安全实体对齐模型 CEAM，其为基于 GNN 的实体对齐配备两种机制：非对称掩码聚合与分区注意力。在网络安全领域实体对齐数据集上的实验结果表明，CEAM 显著优于当前最优（SOTA）实体对齐方法。
引用
@article{arxiv.2207.01434,
title = {Cybersecurity Entity Alignment via Masked Graph Attention Networks},
author = {Yue Qin and Xiaojing Liao},
journal= {arXiv preprint arXiv:2207.01434},
year = {2022}
}