网络安全命名实体识别中跨数据集泛化的标签统一
计算与语言
2025-09-03 v2
摘要
网络安全命名实体识别（NER）领域缺乏标准化标签，这使得合并数据集具有挑战性。我们研究了四个网络安全数据集之间的标签统一，以增加数据资源的可用性。我们执行了粗粒度的标签统一，并使用 BiLSTM 模型进行了成对跨数据集评估。对预测结果的定性分析揭示了错误、局限性和数据集差异。为了解决统一局限性，我们提出了替代架构，包括多头模型和基于图的迁移模型。结果表明，在统一数据集上训练的模型在跨数据集上泛化能力较差。具有权重共享的多头模型相比统一训练仅提供边际改进，而我们基于 BERT-base-NER 构建的基于图的迁移模型与 BERT-base-NER 相比没有显示出显著的性能提升。
引用
@article{arxiv.2507.13870,
title = {Label Unification for Cross-Dataset Generalization in Cybersecurity NER},
author = {Maciej Jalocha and Johan Hausted Schmidt and William Michelseen},
journal= {arXiv preprint arXiv:2507.13870},
year = {2025}
}
备注
5 pages, 5 figures