利用深度神经学习器建模生成邮件的连贯性
计算与语言
2020-07-16 v1
摘要
先进的机器学习与自然语言技术使攻击者能够发起复杂且有针对性的基于社会工程的攻击。为应对主动攻击者问题，研究人员转而采用主动检测方法。利用定向邮件进行伪装以欺骗受害者是一种高级攻击方法。然而，自动文本生成需要控制所生成内容的上下文与连贯性，这已被认为是一个日益困难的问题。所使用的方法借助一种分层深度神经模型，该模型利用输入文档中句子的学习表征来生成结构化的书面邮件。我们展示了使用深度模型生成简短且定向的文本消息。合成文本的全局连贯性通过定性研究以及多种定量度量进行评估。
引用
@article{arxiv.2007.07403,
title = {Modeling Coherency in Generated Emails by Leveraging Deep Neural Learners},
author = {Avisha Das and Rakesh M. Verma},
journal= {arXiv preprint arXiv:2007.07403},
year = {2020}
}
备注
Accepted for Publication at Computaci\'on y Sistemas (CyS); Poster at CiCLing 2019 and WiML@ICML 2020