基于深度学习的暗网市场命名实体识别研究

摘要

对网络安全从业人员来说,基于暗网市场的研究扮演了一个非常重要的角色.与此同时,由于暗网市场文本数据本身的特点,针对暗网市场的命名实体识别研究面临着巨大的挑战.提出了一个针对暗网市场文本的命名实体识别系统(DNER),使用卷积神经网络(CNN)进行字符向量化以学习单词形态特征,使得系统能从单词级和字符级2方面学习特征.同时,将双向长短时记忆神经网络(Bi-LSTM)应用于暗网市场文本的命名实体识别,并采用CRF模型实现序列标签之间的约束性.此外,对暗网市场文本进行了词性标注.最后,比较了DNER和其他基本命名实体识别模型在暗网市场文本命名实体识别的效果.实验结果显示,DNER系统在暗网市场文本的准确率达到98.59％,召回率达到93.82％,F1值达到了96.15％.