論文の概要: Deep Learning Approach for Intelligent Named Entity Recognition of Cyber Security

• arxiv url: http://arxiv.org/abs/2004.00502v1
• Date: Tue, 31 Mar 2020 00:36:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 23:55:42.511327
• Title: Deep Learning Approach for Intelligent Named Entity Recognition of Cyber Security
• Title（参考訳）: サイバーセキュリティの知的名前付きエンティティ認識のための深層学習手法
• Authors: Simran K, Sriram S, Vinayakumar R, Soman KP
• Abstract要約: 名前付きエンティティ認識(NER)は、構造化されていないデータを構造化データに変換するための最初のステップである。 本稿では,条件付きランダムフィールド(CRF)を組み込んだディープラーニング(DL)に基づくアプローチを提案する。 Bidirectional Gated Recurrent Unit(Bi-GRU)、Convolutional Neural Network(CNN)、CRFの組み合わせは、公開されているベンチマークデータセット上の他のDLフレームワークと比較してパフォーマンスが良くなった。
• 参考スコア（独自算出の注目度）: 5.180648702293017
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, the amount of Cyber Security data generated in the form of unstructured texts, for example, social media resources, blogs, articles, and so on has exceptionally increased. Named Entity Recognition (NER) is an initial step towards converting this unstructured data into structured data which can be used by a lot of applications. The existing methods on NER for Cyber Security data are based on rules and linguistic characteristics. A Deep Learning (DL) based approach embedded with Conditional Random Fields (CRFs) is proposed in this paper. Several DL architectures are evaluated to find the most optimal architecture. The combination of Bidirectional Gated Recurrent Unit (Bi-GRU), Convolutional Neural Network (CNN), and CRF performed better compared to various other DL frameworks on a publicly available benchmark dataset. This may be due to the reason that the bidirectional structures preserve the features related to the future and previous words in a sequence.
• Abstract（参考訳）: 近年, ソーシャルメディア資源, ブログ, 記事など, 構造化されていないテキスト形式で生成されたサイバーセキュリティデータの量は著しく増加している。 名前付きエンティティ認識(NER)は、この非構造化データを多くのアプリケーションで使用できる構造化データに変換するための最初のステップである。 サイバーセキュリティデータに対するNERの既存の手法はルールと言語的特徴に基づいている。 本稿では,条件付きランダムフィールド(CRF)を組み込んだディープラーニング(DL)に基づくアプローチを提案する。 いくつかのDLアーキテクチャを評価し、最も最適なアーキテクチャを見つける。 Bidirectional Gated Recurrent Unit(Bi-GRU)、Convolutional Neural Network(CNN)、CRFの組み合わせは、公開されているベンチマークデータセット上の他のDLフレームワークと比較してパフォーマンスが良くなった。 これは、双方向構造が将来の単語と前の単語に関する特徴を連続的に保存しているためかもしれない。

関連論文リスト

• CTINEXUS: Leveraging Optimized LLM In-Context Learning for Constructing Cybersecurity Knowledge Graphs Under Data Scarcity [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI抽出法は柔軟性と一般化性に欠けており、しばしば不正確で不完全な知識抽出をもたらす。 CTINexusは,大規模言語モデルのテキスト内学習(ICL)を最適化した新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• ACE: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  我々は、エンドツーエンドのクロスモーダル検索のための先駆的なジェネリッククロスモーダル rEtrieval framework (ACE) を提案する。 ACEは、クロスモーダル検索における最先端のパフォーマンスを達成し、Recall@1の強いベースラインを平均15.27%上回る。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Sequential Binary Classification for Intrusion Detection in Software Defined Networks [0.0]
  侵入検知システム (IDS) は Software-Defined Networks (SDN) の重要な部分である IDSデータセットは、標準機械学習(ML)モデルのパフォーマンスに影響を及ぼす、高いクラス不均衡に悩まされる。 この問題に対処する多クラス分類アルゴリズムとして,SBC(Sequential Binary Classification)を提案する。
  論文  参考訳（メタデータ） (2024-06-10T08:34:13Z)
• Semantic Multi-Resolution Communications [31.285983939625098]
  マルチタスク学習(MTL)の概念に触発された新しい深層学習マルチ解像度JSCCフレームワークを提案する。 このフレームワークは階層的なレイヤを通じて異なる解像度のデータをエンコードし、現在のレイヤと過去のレイヤの両方をエンコードすることで効果的にデコードする。 このフレームワークはセマンティック通信に大きな可能性を秘めており、データ再構成を超えて特定のセマンティック属性を保存する。
  論文  参考訳（メタデータ） (2023-08-22T17:52:44Z)
• Enhancing Few-shot NER with Prompt Ordering based Data Augmentation [59.69108119752584]
  本稿では,PODA(Prompt Ordering Based Data Augmentation)手法を提案する。 3つのパブリックNERデータセットの実験結果とさらなる分析により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-19T16:25:43Z)
• Multi-features based Semantic Augmentation Networks for Named Entity Recognition in Threat Intelligence [7.321994923276344]
  本稿では,入力トークンの表現を豊かにするために,異なる言語的特徴を取り入れた意味拡張手法を提案する。 特に,各入力トークンの構成特徴,形態的特徴,音声特徴の一部を符号化して集約し,その堅牢性を向上させる。 サイバーセキュリティデータセットDNRTIとMalwareTextDBについて実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-07-01T06:55:12Z)
• An Adaptable Deep Learning-Based Intrusion Detection System to Zero-Day Attacks [4.607145155913717]
  侵入検知システム(IDS)は,コンピュータネットワークにおけるセキュリティ監視の必須要素である。 IDSの主な課題は、新しい(すなわちゼロデイの)攻撃に直面し、それらを良質なトラフィックと既存の攻撃から切り離すことである。 本稿では,新たな攻撃に対処する深層学習型IDSのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-20T14:41:28Z)
• Enhancing the Generalization for Intent Classification and Out-of-Domain Detection in SLU [70.44344060176952]
  インテント分類は、音声言語理解(SLU)における主要な課題である 近年の研究では、余分なデータやラベルを使用することで、OOD検出性能が向上することが示されている。 本稿では、IND意図分類とOOD検出の両方をサポートしながら、INDデータのみを用いてモデルを訓練することを提案する。
  論文  参考訳（メタデータ） (2021-06-28T08:27:38Z)
• Nested and Balanced Entity Recognition using Multi-Task Learning [0.0]
  本稿では,重複するケースとネストされたケースの複雑さを扱う部分層ネットワークアーキテクチャを提案する。 私たちは、概念(CR)と名前付きエンティティ(NER)という2種類のエンティティを認識するために、このアーキテクチャを訓練し、評価します。 提案手法は最先端のNER性能を実現し,従来のCR手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-06-11T07:52:32Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• Improved Code Summarization via a Graph Neural Network [96.03715569092523]
  一般に、ソースコード要約技術はソースコードを入力として使用し、自然言語記述を出力する。 これらの要約を生成するために、ASTのデフォルト構造によくマッチするグラフベースのニューラルアーキテクチャを使用するアプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。