从含噪短文本中检测网络安全事件
计算与语言
2019-06-04 v2 密码学与安全
机器学习
摘要
对社交网络上共享的消息进行分析对于网络威胁情报与网络犯罪预防非常关键。在本研究中，我们提出一种利用特定领域词嵌入与任务特定特征来从推文中检测网络安全事件的方法。我们的模型采用卷积神经网络（CNN）与长短期记忆（LSTM）循环神经网络，以词级元嵌入作为输入并融合上下文嵌入来对含噪短文本进行分类。我们从 Twitter 收集了一个网络安全相关推文的新数据集，并手动标注了其中 2K 的子集。我们用该数据集进行实验，得出结论：所提模型优于传统与神经基线方法。结果表明，我们的方法能很好地从含噪短文本中检测网络安全事件。
引用
@article{arxiv.1904.05054,
title = {Detecting Cybersecurity Events from Noisy Short Text},
author = {Semih Yagcioglu and Mehmet Saygin Seyfioglu and Begum Citamak and Batuhan Bardak and Seren Guldamlasioglu and Azmi Yuksel and Emin Islam Tatli},
journal= {arXiv preprint arXiv:1904.05054},
year = {2019}
}
备注
Accepted February 2019 to North American Chapter of the Association for Computational Linguistics (NAACL) 2019