面向Twitter流中增强网络威胁指标的深度学习方法
计算与语言
2020-04-02 v1 密码学与安全
机器学习
神经与进化计算
社会与信息网络
摘要
近年来，主要通过社交媒体资源（尤其是Twitter）共享的网络安全文本数据量有所增加。对此类数据的准确分析有助于构建针对网络威胁的态势感知框架。本文提出一种基于深度学习的方法来对推文数据进行分析。为将推文转换为数值表示，采用了多种文本表示方法。这些特征被输入深度学习架构以进行最优特征提取与分类。采用多种超参数调优方法来确定最优文本表示方法以及深度学习模型的最优网络参数和网络结构。为进行比较分析，采用了经典文本表示方法结合经典机器学习算法。从详细的实验分析中，我们发现采用先进文本表示方法的深度学习架构优于经典文本表示与经典机器学习算法。其主要原因在于，先进文本表示方法能够学习文本数据间存在的序列特性，而深度学习架构在学习最优特征的同时减小了特征维度。
引用
@article{arxiv.2004.00503,
title = {Deep Learning Approach for Enhanced Cyber Threat Indicators in Twitter Stream},
author = {Simran K and Prathiksha Balakrishna and Vinayakumar R and Soman KP},
journal= {arXiv preprint arXiv:2004.00503},
year = {2020}
}
备注
11 pages