深度学习在暗网情报中的突破：从阴影中爬取
计算与语言
2025-04-07 v1 人工智能
计算机与社会
信息检索
摘要
暗网市场（DNMs）在全球范围内促成非法商品的交易。收集DNMs数据对于确保执法机构有效对抗犯罪至关重要。手动从DNMs中提取数据效率低下且容易出错。为实现自动化提取，我们开发了从DNMs中提取数据的框架，并评估了三种最先进的命名实体识别（NER）模型（ELMo-BiLSTM \citep{ShahEtAl2022}、UniversalNER \citep{ZhouEtAl2024}和GLiNER \citep{ZaratianaEtAl2023}）在提取DNM产品列表页面中复杂实体方面的应用。我们提出了新的标注数据集，并用于训练、微调和评估模型。我们的发现表明，最先进的NER模型在DNMs的信息提取方面表现良好，实现精确率91%、召回率96%，F1分数达94%。此外，微调可提升模型性能，UniversalNER取得最佳表现。
引用
@article{arxiv.2504.02872,
title = {Scraping the Shadows: Deep Learning Breakthroughs in Dark Web Intelligence},
author = {Ingmar Bakermans and Daniel De Pascale and Gonçalo Marcelino and Giuseppe Cascavilla and Zeno Geradts},
journal= {arXiv preprint arXiv:2504.02872},
year = {2025}
}
备注
17 pages, 17 images