基于知识图谱的网络安全违法行为识别系统

目录

声明

第一章 绪论

1.1研究背景和意义

1.2 国内外研究现状

1.2.1 基于传统检索方法的违法行为识别系统

1.2.2 基于机器学习的违法行为识别系统

1.2.3 领域知识图谱的研究

1.3 论文研究内容

1.3.1 工作目标

1.3.2 工作内容

1.4 论文组织结构

第二章 相关理论与技术

2.1 统计语言模型

2.2 词嵌入技术

2.2.1 One-Hot编码

2.2.2 word2vec

2.2.3 基于深度学习的词嵌入

2.3 文本相似度

2.3.1 编辑距离

2.3.2 词向量相似度

2.4 中文分词

2.5 词性标注与命名实体识别

2.5.1 条件随机场

2.5.2 长短期记忆网络

2.6知识图谱的构建技术

2.6.1知识图谱构建的基本流程

2.6.2 知识抽取

2.6.3 知识表示

2.6.4 知识融合

2.6.5 知识存储

2.7 本章小结

第三章 基于文本分类的违法行为识别

3.1 文本分类模型

3.2 文本分类违法识别系统组织流程

3.3 深度全连接神经网络

3.4 案件分类模型

3.4.1 预处理

3.4.2 DNN分类模型构建

3.5 实验数据集及评价指标

3.5.1 数据集

3.5.2 评价指标

3.6 实验及分析

3.6.1 传统违法行为识别方法

3.6.2 分类模型对比实验

3.7 本章小结

第四章 基于知识图谱的违法行为识别

4.1 法律文本的特殊性说明

4.1.1 法律语言的特殊性

4.1.2 法律界限的特殊性

4.1.3 网络安全法律体系的语料缺陷

4.2 网络安全领域违法识别系统组织流程

4.3 网络安全知识图谱的构建

4.3.1 建立概念图谱

4.3.2 半自动化构建

4.4 案例文本特征扩充

4.4.1 实体检测

4.4.2 实体链接

4.5 基于知识图谱的案件分类模型

4.5.1 文本预处理

4.4.2 DNN文本分类模型的修正

4.6 数据集与评价指标

4.7 违法主体实体链接性能测试

4.8 实验与分析

4.9 本章小结

第五章 网络安全违法行为识别基础系统

5.1 系统简介

5.2 系统架构

5.3 界面展示与说明

5.3.1 违法行为识别主系统

5.3.2 法律知识图谱查询

5.4 主系统演示

5.4.1 文本识别演示

5.4.2 URL识别演示

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

作者简介

1 作者简历

2 攻读硕士学位期间发表的学术论文

4 发明专利

学位论文数据集