融合对抗主动学习的网络安全知识三元组抽取

发布时间：2022-01-19 23:07

　　针对当前网络安全领域知识获取中所依赖的流水线模式存在实体识别错误的传播,未考虑实体识别与关系抽取任务间的联系,以及模型训练缺乏标签语料的问题,提出一种融合对抗主动学习的端到端网络安全知识三元组抽取方法。首先,将实体识别与关系抽取通过联合标注策略建模为序列标注任务;然后,设计融合动态注意力机制的Bi LSTM-LSTM模型实现实体与关系的联合抽取,并形成三元组;最后,基于对抗网络训练一个判别器模型,增量地筛选出高质量的待标注数据进行标注,并通过迭代训练不断提升联合抽取模型的性能。通过实验表明,所提方案中实体-关系联合抽取模型优于现有的网络安全知识抽取方案,并验证了对抗主动学习方法的有效性。 

【文章来源】：通信学报. 2020,41(10)北大核心EICSCD

【文章页数】：12 页

【参考文献】：
期刊论文
[1]基于神经网络的药物实体与关系联合抽取[J]. 曹明宇,杨志豪,罗凌,林鸿飞,王健.  计算机研究与发展. 2019(07)
[2]基于BLSTM-CRF模型的安全漏洞领域命名实体识别[J]. 张若彬,刘嘉勇,何祥.  四川大学学报(自然科学版). 2019(03)
[3]深度学习实体关系抽取研究综述[J]. 鄂海红,张文静,肖思琪,程瑞,胡莺夕,周筱松,牛佩晴.  软件学报. 2019(06)
[4]面向属性抽取的门控动态注意力机制[J]. 程梦,洪宇,唐建,张家硕,邹博伟,姚建民.  模式识别与人工智能. 2019(02)
[5]基于深度神经网络的网络安全实体识别方法[J]. 秦娅,申国伟,赵文波,陈艳平.  南京大学学报(自然科学). 2019(01)
[6]基于CNN和双向LSTM融合的实体关系抽取[J]. 张晓斌,陈福才,黄瑞阳.  网络与信息安全学报. 2018(09)



本文编号：3597738