探究常识知识库在对抗性通信中识别术语混淆的应用
信息检索
2017-01-19 v1
摘要
词混淆或替换是指在句子中用一个词替换另一个词以隐藏文本内容或通信。词混淆被恐怖分子或罪犯用于对抗性通信中，以在不被拦截或扫描消息（例如电子邮件和电话对话）的安全情报机构标记的情况下传递其消息。ConceptNet 是一个免费可用的语义网络，表示为有向图，其中节点为概念，边为关于这些概念的常识断言。我们提出了一种利用 ConceptNet 中大量语义知识的解决方案方法，以解决对抗性通信中词语替换这一技术挑战性问题。我们将给定问题构建为文本推理和上下文推断任务，并利用 ConceptNet 的自然语言处理工具包来确定词语替换。我们使用 ConceptNet 计算任意两个给定术语之间的概念相似度，并定义平均概念相似度 (Mean Average Conceptual Similarity, MACS) 度量来识别脱离上下文的术语。评估我们所提方法的测试平台包括 Enron 电子邮件数据集（包含 Enron 公司 158 名员工生成的超过 600000 封电子邮件）和 Brown 语料库（总计约一百万个取自广泛来源的词）。我们实现了以往研究使用的词语替换技术来生成测试数据集。我们进行了一系列由过去使用的词语替换方法组成的实验来评估我们的方法。实验结果表明所提方法是有效的。
引用
@article{arxiv.1701.04934,
title = {Investigating the Application of Common-Sense Knowledge-Base for Identifying Term Obfuscation in Adversarial Communication},
author = {Swati Agarwal and Ashish Sureka},
journal= {arXiv preprint arXiv:1701.04934},
year = {2017}
}
备注
This paper is an extended and detailed version of our (same authors) previous paper (regular paper) published at COMSNETS2015