【摘 要】
：
威胁情报知识图谱构建关键环节为实体识别和关系抽取,实体识别和关系抽取两个子任务通常采取流水线进行,在实体识别基础上进行实体间关系抽取,把实体关系三元组作为任务预测结果输出,这种方法通常存在错误传播、信息丢失和信息冗余的问题。为此,本文提出基于联合学习的威胁情报实体识别抽取方法,在单一模型中进行实体识别,然后基于图卷积神经网络进行实体间关系抽取,输出实体关系三元组,由此构建一个端到端的威胁情报知识图谱。实验结果表明,该方法的F1值为72.62%,说明了该端到端威胁情报知识图谱构建方法的
论文部分内容阅读
威胁情报知识图谱构建关键环节为实体识别和关系抽取,实体识别和关系抽取两个子任务通常采取流水线进行,在实体识别基础上进行实体间关系抽取,把实体关系三元组作为任务预测结果输出,这种方法通常存在错误传播、信息丢失和信息冗余的问题。为此,本文提出基于联合学习的威胁情报实体识别抽取方法,在单一模型中进行实体识别,然后基于图卷积神经网络进行实体间关系抽取,输出实体关系三元组,由此构建一个端到端的威胁情报知识图谱。实验结果表明,该方法的F1值为72.62%,说明了该端到端威胁情报知识图谱构建方法的
其他文献
为探讨有效的实弹手枪连续射击评价方法,本文运用仿真分析对比不同弹着点分布评价算法,结果表明使用包络矩形算法进行射击技能评价,具有操作简单、时间复杂度低、易于实现的特点,通过弹着点分布信息提取,弹着点分布中心点距靶心距离可用于评价射击准确性,包络面积大小可用于评价射击的稳定性,因此该方法信息利用率高、评价更加全面,更能反映射击技术和能力特点,便于训练指导和技术改进。
事理逻辑是人类知识的重要组成部分,事件脚本预测作为一项挖掘事理逻辑,理解事件语义信息的文本推理任务,一直是文本推理领域的热点。脚本事件预测的发展与意义,值得研究与归纳总结。从脚本的概念产生到主流的脚本事件预测方法进行分类总结,并介绍此任务的标准评估方式,对未来的研究内容进行展望。
低空飞行的无人机,时常面临飞机、鸟类、行人、汽车、交通灯等障碍物的碰撞威胁。如何准确地检测出这些飞行障碍,并在规划飞行路径(Route Plan)时躲避它们,已经成为无人机研究领域中的一个重要课题。近年来,基于深度学习(Deep Learning)的图像识别技术(Image Recognition)在生物特征识别、物体分类等领域展现了强大的分类检测效能,这也为无人机飞行障碍检测提供了可能的解决思路
物联网网络可被视为具有互联网功能的物理设备和对象的集合,嵌入传感器、执行器、计算、存储和通信组件,能够相互连接和交换数据。万物互联互通,给人们生活带来便利的同时也增加了网络安全管理的风险,必须采取有效的访问控制措施。近年来设备识别的主要方法是通过统计分析网络流量特征作为设备指纹来识别设备,然而,现有的设备特征提取算法分类准确率不高,且提取方法过于复杂。本文提出一种结合统计分析提取响应报文特征的方法
随着物联网设备的广泛部署应用,海量数据被直接送入互联网中导致网络服务质量变差。虽然深度神经网络技术的发展给数据智能识别分类提供技术支撑,但大量的参数和计算使得这些技术难以被应用于资源受限的网关设备中。因此,提出将知识蒸馏与模型早退方法结合应用于深度神经网络中,在降低模型计算量、保证模型精度的同时提供可选择的检测识别速度。在真实IPv6网络中的实验结果表明,网关设备部署优化模型后网络带宽占用减少用近
针对滚动轴承故障数据时频特征提取以及故障在变负载环境下难以准确诊断的问题,提出一种基于小波变换和残差神经网络的轴承故障诊断模型。残差神经网络(ResNet)最初用来解决模型网络层数过深而导致的退化问题,本文对传统残差网络进行优化在输入层使用DropBlock层对数据进行随机失活处理,并且在输出层使用全局平均池化代替全连接减少模型的运算量增加模型的泛化能力。首先对一维轴承数据进行小波变换,将其转化为二维时频图,消除手工特征的影响。然后使用本文构建的残差网络模型对同负载和变负载下的数据进行故障类型诊断。实验结
针对微波探测和微波成像问题,提出一种宽带近场聚焦天线。该天线基于径向线性槽阵列设计,通过在平行平板波导上合理的开槽以控制焦点尺寸和旁瓣峰值电平。天线由同轴探针在背部馈电,加工测量该近场聚焦天线。实验结果表明,该天线焦点直径为30mm,焦距为40mm,峰值旁瓣电平为-17.5dB,相对带宽达到7.2%(11.9-12.8GHz),在微波近场探测和微波成像方面具有广阔的应用前景。
基于机器学习的恶意文档检测技术被大量应用,其基于特征的检测方式很容易被攻击者精心构造的特征所欺骗,从而达到使分类器错误分类的效果。利用生成式对抗网络(GAN)可以在与检测器对抗的过程中,不断学习检测器的检测规则,不断降低检测器的准确性,从而生成可以逃逸检测器检测的对抗样本。实验结果表明,在五种黑盒分类器上的攻击的成功率达到了98%以上,生成的对抗样本具有较好的逃逸性能。
目前,适应性学习已成为在线教育智能化的一个发展趋势。适应性学习系统根据学习者的能力和需求提供合适的学习材料和学习干预,以优化学习过程。深度知识追踪采用深度学习技术分析学习者的知识水平,是构建适应性学习系统的基础。本文首先介绍深度知识追踪的基本模型和发展,然后描述适应性学习系统的基本结构,最后探讨深度知识追踪在适应性学习系统的应用,使学习者能够进行个性化学习。
分组加密AES算法应用广泛,为了在降低加密时延的同时提高算法的安全性,可以对分组加密的工作模式进行改进。采用软件实现AES加密算法,对分组加密的ECB模式、CBC模式以及新型HCBC模式进行编程。实验表明,HCBC模式能够加密任意长度的数据,并通过密钥还原为相应的明文,具有较好的安全性和运行效率,是结合ECB模式与CBC模式优点的改进方案。