論文の概要: CyNER: A Python Library for Cybersecurity Named Entity Recognition

• arxiv url: http://arxiv.org/abs/2204.05754v1
• Date: Fri, 8 Apr 2022 16:49:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-16 11:19:43.327938
• Title: CyNER: A Python Library for Cybersecurity Named Entity Recognition
• Title（参考訳）: CyNER: エンティティ認識というサイバーセキュリティのためのPythonライブラリ
• Authors: Md Tanvirul Alam, Dipkamal Bhusal, Youngja Park, Nidhi Rastogi
• Abstract要約: CyNERは、サイバーセキュリティエンティティ認識のためのオープンソースのpythonライブラリである。 私たちは、ユーザーが容易に利用できる多様なコーパスで訓練されたモデルを提供します。 図書館は一般に公開されている。
• 参考スコア（独自算出の注目度）: 3.871148938060281
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open Cyber threat intelligence (OpenCTI) information is available in an unstructured format from heterogeneous sources on the Internet. We present CyNER, an open-source python library for cybersecurity named entity recognition (NER). CyNER combines transformer-based models for extracting cybersecurity-related entities, heuristics for extracting different indicators of compromise, and publicly available NER models for generic entity types. We provide models trained on a diverse corpus that users can readily use. Events are described as classes in previous research - MALOnt2.0 (Christian et al., 2021) and MALOnt (Rastogi et al., 2020) and together extract a wide range of malware attack details from a threat intelligence corpus. The user can combine predictions from multiple different approaches to suit their needs. The library is made publicly available.
• Abstract（参考訳）: open cyber threat intelligence (opencti) 情報はインターネット上の異種ソースから非構造化形式で入手できる。 我々は,エンティティ認識(NER)という,サイバーセキュリティのためのオープンソースのピソンライブラリであるCyNERを紹介する。 CyNERは、サイバーセキュリティ関連エンティティを抽出するためのトランスフォーマーベースのモデル、妥協の異なる指標を抽出するためのヒューリスティック、ジェネリックエンティティタイプを公開するNERモデルを組み合わせる。 ユーザが容易に利用できる多様なコーパスでトレーニングされたモデルを提供します。 MALOnt2.0 (Christian et al., 2021) と MALOnt (Rastogi et al., 2020) は、脅威情報コーパスから幅広いマルウェア攻撃の詳細を抽出する。 ユーザは、ニーズに合わせて、複数の異なるアプローチからの予測を組み合わせることができる。 図書館は公開されている。

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)
• pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
  $textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。 私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
  論文  参考訳（メタデータ） (2024-03-12T16:46:54Z)
• Model Pairing Using Embedding Translation for Backdoor Attack Detection on Open-Set Classification Tasks [63.269788236474234]
  バックドア検出のためのオープンセット分類タスクにモデルペアを用いることを提案する。 このスコアは、異なるアーキテクチャのモデルがあるにもかかわらず、バックドアの存在を示す指標であることを示している。 この技術は、オープンセット分類タスク用に設計されたモデル上のバックドアの検出を可能にするが、文献ではほとんど研究されていない。
  論文  参考訳（メタデータ） (2024-02-28T21:29:16Z)
• NERetrieve: Dataset for Next Generation Named Entity Recognition and Retrieval [49.827932299460514]
  我々は、大きな言語モデルによって提供される能力は、NER研究の終わりではなく、むしろエキサイティングな始まりであると主張する。 我々は、NERタスクの3つの変種と、それらをサポートするデータセットを示す。 500のエンティティタイプをカバーする400万段落の,大規模で銀の注釈付きコーパスを提供する。
  論文  参考訳（メタデータ） (2023-10-22T12:23:00Z)
• ThreatCrawl: A BERT-based Focused Crawler for the Cybersecurity Domain [0.0]
  ThreatCrawlと呼ばれる新しい集中クローラが提案されている。 BiBERTベースのモデルを使用して文書を分類し、クローリングパスを動的に適応する。 収穫率は最大52%で、私たちの知る限りでは、現在の最先端技術よりも優れています。
  論文  参考訳（メタデータ） (2023-04-24T09:53:33Z)
• PEOPL: Characterizing Privately Encoded Open Datasets with Public Labels [59.66777287810985]
  プライバシとユーティリティのための情報理論スコアを導入し、不誠実なユーザの平均パフォーマンスを定量化する。 次に、ランダムなディープニューラルネットワークの使用を動機付ける符号化スキームのファミリーを構築する際のプリミティブを理論的に特徴づける。
  論文  参考訳（メタデータ） (2023-03-31T18:03:53Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Categorical composable cryptography: extended version [1.1970409518725493]
  我々は、カテゴリ理論の観点から、暗号のシミュレーションパラダイムを定式化する。 抽象攻撃に対してセキュアなプロトコルが対称なモノイダルカテゴリを形成することを示す。 我々のモデルは、計算セキュリティ、設定された仮定、および様々な攻撃モデルを組み込むことができる。
  論文  参考訳（メタデータ） (2022-08-28T15:07:00Z)
• Recognizing and Extracting Cybersecurtity-relevant Entities from Text [1.7499351967216343]
  サイバー脅威インテリジェンス(Cyber Threat Intelligence、CTI)は、脅威ベクトル、脆弱性、攻撃を記述した情報である。 CTIはしばしば、サイバーセキュリティ知識グラフ(CKG)のようなAIベースのサイバー防衛システムのトレーニングデータとして使用される。
  論文  参考訳（メタデータ） (2022-08-02T18:44:06Z)
• Generating Cyber Threat Intelligence to Discover Potential Security Threats Using Classification and Topic Modeling [6.0897744845912865]
  サイバー脅威インテリジェンス(CTI)は、能動的かつ堅牢なメカニズムの1つとして表現されている。 我々のゴールは、異なる教師なしおよび教師なしの学習技術を用いて、ハッカーフォーラムから関連するCTIを特定し、探索することである。
  論文  参考訳（メタデータ） (2021-08-16T02:30:29Z)
• Deep Learning Approach for Intelligent Named Entity Recognition of Cyber Security [5.180648702293017]
  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。
  論文  参考訳（メタデータ） (2020-03-31T00:36:19Z)

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。