CyNER：一个用于网络安全命名实体识别的 Python 库
密码学与安全
2022-04-13 v1 机器学习
摘要
开放网络威胁情报（OpenCTI）信息以非结构化格式存在于互联网上的异构来源中。我们提出 CyNER，一个用于网络安全命名实体识别（NER）的开源 Python 库。CyNER 结合了基于 transformer 的模型用于提取网络安全相关实体、用于提取不同失陷指标（IoC）的启发式规则，以及用于通用实体类型的公开可用 NER 模型。我们提供了在多样化语料上训练的模型，用户可直接使用。先前研究中事件被描述为类——MALOnt2.0（Christian 等，2021）与 MALOnt（Rastogi 等，2020）——并共同从威胁情报语料中提取广泛的恶意软件攻击细节。用户可组合来自多种不同方法的预测以满足其需求。该库已公开可用。
引用
@article{arxiv.2204.05754,
title = {CyNER: A Python Library for Cybersecurity Named Entity Recognition},
author = {Md Tanvirul Alam and Dipkamal Bhusal and Youngja Park and Nidhi Rastogi},
journal= {arXiv preprint arXiv:2204.05754},
year = {2022}
}