一种基于部件CNN的网络安全命名实体识别方法

• 作者: 秦永彬 陈艳平 魏笑
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 网络安全 命名实体识别 卷积神经网络 双向长短期神经网络 条件随机场
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 106-111
• 页数: 6页
• 分类号: TP391
• 字数: 5615字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.01.020

摘要

基于知识图谱的网络安全动态预警方法,能够主动感知和应对网络安全攻击,增强感知的实时性和精准性.然而,在构建网络安全知识图谱的实体抽取过程中,传统的命名实体识别工具和方法无法识别网络安全领域中的特定类别实体,文本中的未登录和中英文混合的网络安全实体也难以被准确识别.网络安全文本中的网络安全命名实体存在中英文混合、单词缩写等问题,仅基于字的命名实体识别方法难以充分表征字或词的语义信息.因此,论文考虑中英文更细粒度的部件语义捕捉字或词的语义特征,提出一种基于部件CNN的网络安全命名实体识别方法(CC-NS-NER),利用部件CNN抽取词语部件特征中的关键语义特征,丰富字词级别的语义信息,并引入BiLSTM-CRF确保抽取字向量和部件特征中的抽象信息,同时获取标签之间的关联信息,识别文本中的网络安全命名实体.在人工标注的网络安全数据集上的实验结果表明,该方法相较于传统模型,能有效获取字或词的部件语义信息,显著提高网络安全命名实体识别的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦永彬	贵州大学计算机科学与技术学院	63	213	8.0	10.0
5	陈艳平	贵州大学计算机科学与技术学院	9	13	2.0	3.0
9	魏笑	贵州大学计算机科学与技术学院	2	6	1.0	2.0