面向网络安全命名实体识别的智能深度学习方法
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
摘要
近年来，以非结构化文本形式生成的网络安全数据量——例如社交媒体资源、博客、文章等——异常增长。命名实体识别（NER）是将这些非结构化数据转换为结构化数据的初始步骤，可被许多应用使用。现有的网络安全数据NER方法基于规则和语言特征。本文提出一种嵌入条件随机场（CRFs）的深度学习（DL）方法。评估了若干DL架构以寻找最优架构。在公开可用的基准数据集上，双向门控循环单元（Bi-GRU）、卷积神经网络（CNN）与CRF的组合相较于多种其他DL框架表现更优。这可能是由于双向结构保留了序列中未来和先前词的相关特征。
引用
@article{arxiv.2004.00502,
title = {Deep Learning Approach for Intelligent Named Entity Recognition of Cyber Security},
author = {Simran K and Sriram S and Vinayakumar R and Soman KP},
journal= {arXiv preprint arXiv:2004.00502},
year = {2020}
}
备注
10 pages