基于自然语言处理的非法暗网分类：基于文本信息的网页非法内容分类
信息检索
2023-12-11 v1 计算机与社会
摘要
本研究旨在扩展先前在非法活动分类领域的工作，分三个不同步骤进行。首先，我们创建了一个包含 113995 个洋葱站点和暗网市场的异构数据集。然后，我们将预训练的可迁移模型，即 ULMFit（通用语言模型微调）、Bert（来自 Transformer 的双向编码器表示）和 RoBERTa（稳健优化的 BERT 方法），与传统的文本分类方法如 LSTM（长短期记忆）神经网络进行了比较。最后，我们开发了两种非法活动分类方法，一种用于暗网上的非法内容，另一种用于识别特定类型的毒品。结果表明，Bert 获得了最佳效果，对暗网一般内容和毒品类型的分类准确率分别达到 96.08% 和 91.98%。
引用
@article{arxiv.2312.04944,
title = {Illicit Darkweb Classification via Natural-language Processing: Classifying Illicit Content of Webpages based on Textual Information},
author = {Giuseppe Cascavilla and Gemma Catolino and Mirella Sangiovanni},
journal= {arXiv preprint arXiv:2312.04944},
year = {2023}
}