arrow
返回

CyberKG: Constructing a Cybersecurity Knowledge Graph Based on SecureBERT_Plus for CTI Reports

delete2025-10-01
delete0
delete
OA
AI
B
Binyong Li
Q
Q Yang *
C
Chuang Deng
H
Hua Pan
DOI:10.3390/informatics12030100delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
网络攻击,特别是高级持续性威胁(APTs),正变得更加复杂。这些不断演变的威胁挑战着传统防御系统,后者难以应对长期且隐蔽的攻击。网络安全知识图谱(CKGs)通过多源CTI的集成,引入了主动防御的新方法。然而,构建CKGs面临术语不明确、攻击链中实体关系重叠以及不同来源CTI的差异等挑战。为解决这些问题,我们提出了CyberKG框架,该框架采用SecureBERT_Plus-BiLSTM-Attention-CRF联合架构改进实体识别和关系抽取。领域自适应的SecureBERT_Plus模型用于捕捉语义特征,而BiLSTM则用于建模时间依赖性。注意力机制突出关键跨句关系,CRF则整合ATT&CK规则约束。基于上下文嵌入的层次聚类(HAC)促进了动态实体消歧和语义融合。在DNRTI和MalwareDB数据集上的实验评估表明,该方法在抽取精度、实体规范化以及重叠关系解析方面表现优异。所构建的知识图谱支持APT追踪、攻击链溯源和主动防御预测。
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

I
Informatics
IF:
0
论文数:
230
被引数:
0

机构

S
state grid sichuan electric power corporation
学者数:
17
论文数: 5
被引数: 0
C
Chengdu University of Information Technology
学者数:
2.9K
论文数: 2.3K
被引数: 2.4K
学者 查看更多机构
引用论文

引用论文

CTI View: APT Threat Intelligence Analysis System
err2022-01-03
err0
errOAAI
errYinghai Zhou; Yi Tang; Ming Yi; Chuanyu Xi; Hai Lu
err分享
err收藏
Joint entity and relation extraction based on a hybrid neural network基于混合神经网络的联合实体和关系抽取
err2017-09-01
err201
PREAI
errZheng, Suncong; Hao, Yuexing; Lu, Dongyuan; Bao, Hongyun; Xu, Jiaming; Hao, Hongwei; Xu, Bo
err分享
err收藏
学者 查看更多内容