基于BBNN的网络攻击文本自动化分类方法

• 作者: 欧昀佳 周天阳 朱俊虎 臧艺超
• 来源期刊: 信息工程大学学报
• 关键词: 神经网络 APT网络攻击 文本分类
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.01.008

摘要

基于描述文本的网络攻击自动化分类是实现APT攻击知识智能抽取的重要基础.针对网络攻击文本专业词汇多、难识别,语义上下文依赖强、难判断等问题提出一种基于上下文语义分析的文本词句特征自动抽取方法,通过构建BERT与BiLSTM的混合神经网络模型BBNN(BERT and BiLSTM Neural Network),计算得到网络攻击文本的初步分类结果,再利用方差过滤器对分类结果进行自动筛选.在CAPEC(Common Attack Pattern Enumeration and Classifica-tion)攻击知识库上的实验结果显示,该方法的准确率达到了79.17％,相较于单一的BERT模型和BiLSTM模型的分类结果分别提高了7.29％和3.00％,实现了更好的网络攻击文本自动化分类.