Hội thảo nghiên cứu ứng dụng Mật mã và An toàn thông tin

Bài viết

Trích rút đa quan hệ giữa các thực thể từ các báo cáo tình hình hiểm hoạ phi cấu trúc

DOI: 10.54654/isj.v3i20.976
Từ khóaTrích xuất quan hệnhận dạng thực thể được đặt têntình báo mối đe dọahọc sâu

Tóm tắt

Tóm tắt— Các mối đe dọa an ninh mạng đang trở thành mối lo ngại ngày càng tăng đối với các tổ chức và thậm chí là cả các quốc gia. Những kẻ tấn công luôn tìm kiếm các phương pháp tấn công mới và tinh vi. Mặt khác, các chuyên gia bảo mật cần thu thập càng nhiều thông tin về các mối đe dọa trên Internet nhằm phân tích chúng để hiểu rõ các xu hướng tấn công hiện tại và mới nổi để có thể phát hiện, ngăn chặn các mối đe dọa tiềm ẩn một cách hiệu quả và nhanh chóng. Bài báo này đề cập đến vấn đề trích xuất thông tin đe dọa tự động từ các nguồn văn bản không cấu trúc. Nhóm tác giả tập trung đặc biệt vào khả năng tồn tại của nhiều mối quan hệ giữa hai thực thể, đồng thời đề xuất một quy trình hai giai đoạn cho phép bất kỳ bộ phân loại nhị phân nào được sử dụng cho phân loại đa lớp mà không làm ảnh hưởng đến thuật toán nhị phân đã sử dụng. Kết quả thực nghiệm minh họa hiệu suất của phương pháp mà nhóm tác giả đề xuất.

Lượt tải theo tháng

051003/2404/2405/2406/2407/2408/2409/2410/2411/2412/2402/2503/2504/2505/2506/2507/2508/2509/2510/2511/2512/2501/2602/2603/2604/2605/26

Di chuột vào cột để xem số lượt tải.

Cách trích dẫn

Nguyễn Đại Thọ, Nguyễn Trung Hiếu, Nguyễn Ngọc Bảo Trân, Nguyễn Phương Anh (2023). Trích rút đa quan hệ giữa các thực thể từ các báo cáo tình hình hiểm hoạ phi cấu trúc. Tạp chí Khoa học và Công nghệ trong lĩnh vực An toàn thông tin, 3(20), 5-13. https://doi.org/10.54654/isj.v3i20.976

Tài liệu tham khảo

  1. 1.Wiem Tounsi and Helmi Rais. A Survey on Technical Threat Intelligence in the Age of Sophisticated Cyber Attacks. Computers & Security, 2017.
  2. 2.Robert A. Bridges, Corinne L. Jones, Michael D. Iannacone, Kelly M. Testa, and John R. Goodall. Automatic Labeling for Entity Extraction in Cyber Security. In Proceedings of the 2014 ASE International Conference on Cyber Security, 2014.
  3. 3.Nuno Dionísio, Fernando Alves, Pedro M. Ferreira, and Alysson Bessani. Towards End-to-End Cyberthreat Detection from Twitter Using Multi-Task Learning. In Proceedings of the 2020 International Joint Conference on Neural Networks (IJCNN), 2020.
  4. 4.Nuno Dionísio, Fernando Alves, Pedro M. Ferreira, and Alysson Bessani. Cyberthreat Detection from Twitter Using Deep Neural Networks. In Proceedings of the 2019 International Joint Conference on Neural Networks (IJCNN), 2019.
  5. 5.Ghaith Husari, Ehab Al-Shaer, Mohiuddin Ahmed, Bill Chu, and Xi Niu. TTPDrill: Automatic and Accurate Extraction of Threat Actions from Unstructured Text of CTI Sources. In Proceedings of the 33rd Annual Computer Security Applications Conference (ACSAC ’17), 103–115, 2017.
  6. 6.Gyeongmin Kim, Chanhee Lee, Jaechoon Jo, and Heuiseok Lim. Automatic Extraction of Named Entities of Cyber Threats Using a Deep Bi-LSTM-CRF Network. International Journal of Machine Learning and Cybernetics, 11, 2341-2355, 2020.
  7. 7.Xuren Wang, Xinpei Liu, Shengqin Ao, Ning Li, Zhengwei Jiang, Zongyi Xu, Zihan Xiong, Mengbo Xiong, and Xiaoqing Zhang. DNRTI: A Large-Scale Dataset for Named Entity Recognition in Threat Intelligence. In Proceedings of the 2020 IEEE 19th International Conference on Trust, Security and Privacy in Computing and Communications (TrustCom), 2020.
  8. 8.Jun Zhao, Qiben Yan, Jianxin Li, Minglai Shao, Zuti He, and Bo Li. TIMiner: Automatically Extracting and Analyzing Categorized Cyber Threat Intelligence from Social Data. Computers & Security, Volume 95, 2020.
  9. 9.Hyeonseong Jo, Yongjae Lee, and Seungwon Shin. Vulcan: Automatic Extraction and Analysis of Cyber Threat Intelligence from Unstructured Text. Computers & Security, Volume 120, Issue C, 2022.
  10. 10.Aditya Pingle, Aritran Piplai, Sudip Mittal, Anupam Joshi, James Holt, and Richard Zak. RelExt: Relation Extraction Using Deep Learning Approaches for Cybersecurity Knowledge Graph Improvement. In Proceedings of the 2019 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM ’19), 879-886, 2019.
  11. 11.Xiaojing Liao, Kan Yuan, XiaoFeng Wang, Zhou Li, Luyi Xing, and Raheem Beyah. Acing the IOC Game: Toward Automatic Discovery and Analysis of Open-Source Cyber Threat Intelligence. In Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security (CCS ’16), 755–766, 2016.
  12. 12.MITRE Corporation, Standardizing Cyber Threat Intelligence Information with the Structured Threat Information eXpression (STIX™), 2012.
  13. 13.Nadeesha Perera et al., “Named Entity Recognition and Relation Detection for Biomedical Information Extraction”, Front. Cell Dev. Biol., 2020.
  14. 14.Pennington et al., “GloVe: Global Vectors for Word Representation,” inProc. of the Empirical Methods in NaturalLanguage Processing, 2014.
  15. 15.Awais Ahmed Shujrah et al., “Measurement of E-Learners’ Level of Interest in Online Course Using Support Vector Machine”, Indian Journal of Science and Technology, 2019.
  16. 16.N. Srivastava et al., “Dropout: A Simple Way to Prevent Neural Networks from Overfitting”, Journal of Machine Learning Research, 2014.
  17. 17.Ashish Vaswani et al., “Attention Is All You Need”, 31st Conference on Neural Information Processing Systems (NIPS 2017), 2017.
  18. 18.Haoyu Wang et al., “Extracting Multiple-Relations in One-Pass with Pre-Trained Transformers”, Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, 2019.
  19. 19.Kyle Wilhoit, Joseph Opacki, Operationalizing Threat Intelligence, Packt Publishing, 2022, pp. 3-5, 11, 16, 36, 317.
  20. 20.Zichao Yang et al., “Hierarchical attention networks for document classification”, InProc. of NAACL-HLT 2016, 2016.
  21. 21.Ningyu Zhang et al., “Attention-Based Capsule Networks with Dynamic Routing for Relation Extraction”, 2018.