ترجمه فارسی مقاله شبکه های عصبی تکراری LSTM برای امنیت سایبری با نام شناسایی نهاد

چکیده

The automated and timely conversion of cybersecurity information from unstructured online sources, such as blogs and articles to more formal representations has become a necessity for many applications in the domain nowadays. Named Entity Recognition (NER) is one of the early phases towards this goal. It involves the detection of the relevant domain entities, such as product, version, attack name, etc. in technical documents. Although generally considered a simple task in the information extraction field, it is quite challenging in some domains like cybersecurity because of the complex structure of its entities. The state of the art methods require time-consuming and labor intensive feature engineering that describes the properties of the entities, their context, domain knowledge, and linguistic characteristics. The model demonstrated in this paper is domain independent and does not rely on any features specific to the entities in the cybersecurity domain, hence does not require expert knowledge to perform feature engineering. The method used relies on a type of recurrent neural networks called Long Short-Term Memory (LSTM) and the Conditional Random Fields (CRFs) method. The results we obtained showed that this method outperforms the state of the art methods given an annotated corpus of a decent size.

چکیده به فارسی (ترجمه ماشینی)

تبدیل خودکار و به موقع اطلاعات امنیت سایبری از منابع آنلاین بدون ساختار ، مانند وبلاگ ها و مقالات به بازنمودهای رسمی تر ، امروزه برای بسیاری از برنامه های کاربردی در دامنه به یک ضرورت تبدیل شده است.نامگذاری شده موجودیت (NER) یکی از مراحل اولیه این هدف است.این شامل تشخیص اشخاص دامنه مربوطه مانند محصول ، نسخه ، نام حمله و غیره در اسناد فنی است.اگرچه به طور کلی یک کار ساده در زمینه استخراج اطلاعات در نظر گرفته می شود ، به دلیل ساختار پیچیده موجودات آن ، در برخی از حوزه ها مانند امنیت سایبری کاملاً چالش برانگیز است.وضعیت روشهای هنری نیاز به مهندسی ویژگی های وقت گیر و فشرده کار دارد که خصوصیات موجودات ، زمینه آنها ، دانش دامنه و خصوصیات زبانی را توصیف می کند.مدل نشان داده شده در این مقاله ، دامنه مستقل است و به هیچ ویژگی خاصی برای موجودات موجود در حوزه امنیت سایبری متکی نیست ، از این رو برای انجام مهندسی ویژگی به دانش تخصصی احتیاج ندارد.روش استفاده شده به نوعی از شبکه های عصبی مکرر به نام حافظه کوتاه مدت بلند مدت (LSTM) و روش زمینه های تصادفی مشروط (CRFS) متکی است.نتایج به دست آمده نشان داد که این روش از وضعیت روشهای هنری با توجه به یک قشر حاشیه نویسی با اندازه مناسب و معقول فراتر است.