基于深度神经网络的 Twitter 网络威胁检测
机器学习
2019-04-03 v1 密码学与安全
社会与信息网络
机器学习
摘要
为防范网络攻击，大多数组织求助于安全信息和事件管理系统来监控其基础设施。这些系统依赖于网络威胁情报源提供的最新更新、补丁和威胁的及时性和相关性。开源情报平台，即诸如 Twitter 之类的社交媒体网络，能够聚合大量网络安全相关来源。为处理此类信息流，我们需要可扩展且高效的工具，能够识别并汇总指定资产的相关信息。本文提出了一种新工具的处理流水线，该工具使用深度神经网络处理从 Twitter 接收的网络安全信息。卷积神经网络识别包含与 IT 基础设施中资产相关的信息安全信息的推文。然后，双向长短期记忆网络从这些推文中提取命名实体，以形成安全警报或填充失陷指标。所提出的流水线在三个案例研究基础设施上，对分类任务实现了平均 94% 真阳性率和 91% 真阴性率，对命名实体识别任务实现了平均 92% 的 F1 分数。
引用
@article{arxiv.1904.01127,
title = {Cyberthreat Detection from Twitter using Deep Neural Networks},
author = {Nuno Dionísio and Fernando Alves and Pedro M. Ferreira and Alysson Bessani},
journal= {arXiv preprint arXiv:1904.01127},
year = {2019}
}