Mrong1013967的博客

使用深度 Bi‑LSTM‑CRF 网络自动提取网络威胁的命名实体摘要出于安全原因，世界各地的公司每天都会使用无数的网络威胁情报 (CTI) 报告。为了保护关键的网络安全信息，分析师和个人应相应地分析有关威胁和漏洞的信息。然而，分析如此大量的报告需要大量的时间和精力。在这项研究中，我们提出了一种新方法，该方法使用命名实体识别 (NER) 系统从 CTI 报告中自动提取核心信息。在构建我们提出的 NER 系统的过程中，我们将安全域中有意义的关键字定义为实体，包括恶意软件、域/URL、IP 地址、哈希和常

摘要——现在有一些针对不同方面的独立网络安全知识库。在互联网上，也有很多网络安全相关的内容以文字的形式存在。融合这些网络安全相关信息可以是一项有意义的工作。在本文中，我们提出了一个框架来整合现有的网络安全知识库并从文本中提取网络安全相关信息。在该框架中，我们构建了一个以漏洞为中心的本体，并训练了一个斯坦福命名的实体识别器，以从文本中提取网络安全相关实体。最后，通过实验，我们验证了一个名为 useGazette 的特征对于在网络安全领域训练命名实体识别器的重要性。关键词——网络安全；知识库;本体；命名实体

知识抽取从不同来源、不同结构的数据中进行知识提取，形成知识(结构化数据)存入到知识图谱1. 命名实体识别检测: 北京是忙碌的城市。 [北京]： 实体 分类：北京是忙碌的城市。 [北京]: 地名2.术语抽取：从语料中发现多个单词组成的相关术语。3.关系抽取：王思聪是万达集团董事长王健林的独子。→→[王健林] <父子关系> [王思聪]4.事件抽取：例如从一篇新闻报道中抽取出事件发生是触发词、时间、地点等信息5.共指消解：弄清楚在一句话中的代词的指代对象...

知识知识的特点：相对正确性 不确定性 可表示性 可利用性知识分类：按照作用范围分类：常识性知识，领域性知识 按照作用及表示分类：事实性知识、过程性知识、控制知识 按照确定性分类：确定性知识和不确定性之时 按结构及表现形式分类：逻辑性知识和形象性知识早期知识表示方法 一阶谓词逻辑：包含的谓词逻辑是一阶的，即刻画个体属性的谓词 优点：自然性、易接受、严密性、易于转化为计算机内部形式 缺点：无法表示不确定性知识、难表示启发性知识和元知识、组合爆炸、效率低 产生式系统：依

参考https://blog.youkuaiyun.com/pelhans/category_7607589.html知识图谱-给AI装个大脑 - 知乎知识图谱的定义"A knowledge graph consists of a set of interconnected typed entities and their attributes."知识图谱是由一些相互连接的实体和他们的属性构成的。经典例子：罗纳尔多每条知识都是一个SPO三元组：