基于对抗主动学习的网络安全命名实体识别模型

谢聪; 姬少培

doi:10.13624/j.cnki.issn.1001-7445.2025.1262

广西大学学报（自然科学版） ›› 2025, Vol. 50 ›› Issue (06) : 1262 -1275. DOI: 10.13624/j.cnki.issn.1001-7445.2025.1262

基于对抗主动学习的网络安全命名实体识别模型

谢聪, 姬少培

作者信息 +

Author information +

文章历史 +

PDF

摘要

作为构建网络安全知识图谱的基础，命名实体识别(NER)对于识别网络安全关键威胁信息至关重要。尽管基于深度神经网络的模型在命名实体识别方面取得了很好的效果，但这些模型的性能很大程度上依赖于标注数据的数量。针对现有命名实体识别模型存在的问题，提出一种基于对抗主动学习的网络安全命名实体识别模型(AAL-NER)。该模型包括命名实体识别模块和对抗主动学习模块两部分，其中命名实体识别模块主要利用门控循环单元(GRU)神经网络和双向门控循环单元(bidrectional gated recurrent unit, BiGRU)神经网络，通过在BiGRU-GRU编码器-解码器中引入动态注意力机制实现对于命名实体的识别；对抗主动学习模块利用对抗学习与主动学习机制，实现针对具有更多有效信息的数据样本的标注。实验结果表明，该模型的性能随着标注成本的降低而逐步提升。