論文の概要: Deep Learning Approach for Enhanced Cyber Threat Indicators in Twitter Stream

• arxiv url: http://arxiv.org/abs/2004.00503v1
• Date: Tue, 31 Mar 2020 00:29:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 23:54:44.745314
• Title: Deep Learning Approach for Enhanced Cyber Threat Indicators in Twitter Stream
• Title（参考訳）: Twitter Streamにおける強化サイバー脅威指標のためのディープラーニングアプローチ
• Authors: Simran K, Prathiksha Balakrishna, Vinayakumar R, Soman KP
• Abstract要約: 本研究は、ツイートデータ分析のためのディープラーニングに基づくアプローチを提案する。 ツイートを数値表現に変換するには、様々なテキスト表現を用いる。 比較分析には古典的機械学習アルゴリズムを用いた古典的テキスト表現法を用いる。
• 参考スコア（独自算出の注目度）: 3.7354197654171797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent days, the amount of Cyber Security text data shared via social media resources mainly Twitter has increased. An accurate analysis of this data can help to develop cyber threat situational awareness framework for a cyber threat. This work proposes a deep learning based approach for tweet data analysis. To convert the tweets into numerical representations, various text representations are employed. These features are feed into deep learning architecture for optimal feature extraction as well as classification. Various hyperparameter tuning approaches are used for identifying optimal text representation method as well as optimal network parameters and network structures for deep learning models. For comparative analysis, the classical text representation method with classical machine learning algorithm is employed. From the detailed analysis of experiments, we found that the deep learning architecture with advanced text representation methods performed better than the classical text representation and classical machine learning algorithms. The primary reason for this is that the advanced text representation methods have the capability to learn sequential properties which exist among the textual data and deep learning architectures learns the optimal features along with decreasing the feature size.
• Abstract（参考訳）: 近年は、主にTwitterを通じて共有されるサイバーセキュリティのテキストデータの量が増加している。 このデータの正確な分析は、サイバー脅威に対する状況認識フレームワークの開発に役立つ。 本研究は,ツイートデータ分析のための深層学習に基づくアプローチを提案する。 ツイートを数値表現に変換するには、様々なテキスト表現を用いる。 これらの機能は、最適な特徴抽出と分類のためにディープラーニングアーキテクチャにフィードされる。 様々なハイパーパラメータチューニング手法を用いて、最適なテキスト表現法と、ディープラーニングモデルのための最適なネットワークパラメータとネットワーク構造を同定する。 比較分析には古典的機械学習アルゴリズムを用いた古典的テキスト表現法を用いる。 実験の詳細な分析から,高度なテキスト表現手法を用いたディープラーニングアーキテクチャは,古典的テキスト表現や古典的機械学習アルゴリズムよりも優れた性能を示した。 この主な理由は、高度なテキスト表現手法は、テキストデータの間に存在するシーケンシャルプロパティを学習する能力を持ち、ディープラーニングアーキテクチャは、特徴サイズの縮小とともに、最適な特徴を学習する。

関連論文リスト

• Advanced Multimodal Deep Learning Architecture for Image-Text Matching [33.8315200009152]
  画像テキストマッチングは、画像とテキスト間の意味的関連をマッチング関係としてモデル化することを目的とした、重要なマルチモーダルタスクである。 本稿では、視覚情報のための深層ニューラルネットワークの高レベル抽象表現能力と、テキスト意味理解のための自然言語処理モデルの利点を組み合わせた高度なマルチモーダルディープラーニングアーキテクチャを提案する。 実験の結果、既存の画像テキストマッチングモデルと比較して、最適化された新しいモデルは一連のベンチマークデータセットの性能を大幅に改善した。
  論文  参考訳（メタデータ） (2024-06-13T08:32:24Z)
• Deep networks for system identification: a Survey [56.34005280792013]
  システム識別は、入力出力データから動的システムの数学的記述を学習する。 同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。 我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
  論文  参考訳（メタデータ） (2023-01-30T12:38:31Z)
• Panning for gold: Lessons learned from the platform-agnostic automated detection of political content in textual data [48.7576911714538]
  異なるプラットフォーム間で政治的コンテンツを検出するために、これらの技術がどのように使用できるかについて議論する。 辞書,教師付き機械学習,ニューラルネットワークに依存する3つの検出手法のパフォーマンスを比較した。 この結果から,ニューラルネットワークと機械学習に基づくモデルによって達成されるノイズの少ないデータに対して,事前処理がモデル性能に与える影響が限定された。
  論文  参考訳（メタデータ） (2022-07-01T15:23:23Z)
• Context-based Deep Learning Architecture with Optimal Integration Layer for Image Parsing [0.0]
  提案した3層コンテキストベースディープアーキテクチャは、コンテキストを視覚情報と明示的に統合することができる。 ベンチマークデータセットで評価した場合の実験結果は有望である。
  論文  参考訳（メタデータ） (2022-04-13T07:35:39Z)
• DenseCLIP: Language-Guided Dense Prediction with Context-Aware Prompting [91.56988987393483]
  本稿では,CLIPから事前学習した知識を暗黙的かつ明示的に活用することで,高密度予測のための新しい枠組みを提案する。 具体的には,CLIPにおける元の画像テキストマッチング問題を画素テキストマッチング問題に変換し,画素テキストスコアマップを用いて高密度予測モデルの学習を指導する。 本手法は,任意の密集予測システムや種々の事前学習された視覚バックボーンに適用可能な,モデルに依存しない手法である。
  論文  参考訳（メタデータ） (2021-12-02T18:59:32Z)
• SHORING: Design Provable Conditional High-Order Interaction Network via Symbolic Testing [15.324528842034177]
  我々は、ニューラルネットワークによってどのような専門家由来の機能が学べるかという疑問に答えるのに役立つシンボリックテスティングフレームワークを提案する。 このテストフレームワークに触発されて、SHORINGと呼ばれる効率的なアーキテクチャを導入しました。 SHORINGは,標準的なマルチヘッド自己認識ネットワークでは学習できない,標準的な記号表現を学習することができる,と我々は主張する。
  論文  参考訳（メタデータ） (2021-07-03T02:33:32Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Neuro-Symbolic Representations for Video Captioning: A Case for Leveraging Inductive Biases for Vision and Language [148.0843278195794]
  ビデオキャプションのためのマルチモーダルなニューラルシンボリック表現を学習するための新しいモデルアーキテクチャを提案する。 本手法では,ビデオ間の関係を学習する辞書学習手法と,そのペアによるテキスト記述を用いる。
  論文  参考訳（メタデータ） (2020-11-18T20:21:19Z)
• A Data-driven Neural Network Architecture for Sentiment Analysis [0.0]
  曲感情の2つの大きなデータセットの作成手順について述べる。 また、曲の歌詞、製品、映画レビューのテキストデータセットにおける畳み込みと最大プールのニューラルネットワーク層の利用についても検討する。
  論文  参考訳（メタデータ） (2020-06-30T10:08:36Z)
• From text saliency to linguistic objects: learning linguistic interpretable markers with a multi-channels convolutional architecture [2.064612766965483]
  本稿では,分類プロセスを利用したテキストから解釈可能な言語オブジェクトを抽出するために,実装されたCNNの隠れ層を検査する手法を提案する。 我々は、英語とフランス語の2つの異なる言語からのコーパスに対するアプローチの効率を実証的に実証した。
  論文  参考訳（メタデータ） (2020-04-07T10:46:58Z)
• 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。