基于深度学习BiLSTM-CRF模型的网络安全知识图谱实体识别方法

摘要

为了能够精准地对海量离散化和碎片化的网络安全数据进行分析处理,提取关键信息和关联关系,挖掘信息潜在的价值,构建网络安全知识图谱。本文将双向长短时记忆网络-条件随机场(BiLSTM-CRF)训练模型作为实体识别的方法引入网络安全知识图谱领域。使用Bridges标注的网络安全语料库进行模型训练。通过实验验证本文提出的方法能够完成实体识别任务,识别准确率也达到较高水平。有效的解决了网络安全知识图谱构建中的难题,提升了网络安全数据的分析利用价值。在应对网络攻击时,能够辅助网络安全专家完成网络安全决策,提前做好安全预警。