Resumen

La detección de eventos de seguridad de la información a partir de datos multimodales puede ayudar a analizar la evolución de eventos en el campo de la seguridad. La red Tree-LSTM que introduce el mecanismo de autoatención se utilizó para construir el modelo de representación vectorizada de oraciones (SAtt-LSTM: Tree-LSTM con autoatención) y luego clasificar las oraciones de eventos candidatos a través de los resultados de representación del modelo SAtt-LSTM para obtener el evento de los tipos de oraciones de eventos candidatos. La detección de eventos utilizando métodos de clasificación de oraciones puede resolver el problema de la cascada de errores basado en métodos de canalización, y el problema de que CNN o RNN no pueden aprovechar completamente la información sintáctica de las oraciones de eventos candidatos en métodos basados en aprendizaje conjunto. El artículo trata la tarea de detección de eventos como una tarea de clasificación de oraciones. Para verificar la efectividad y superioridad del método en este artículo, se utilizó el conjunto de datos DuEE para la verificación experimental. Los resultados experimentales muestran que este modelo tiene un mejor

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Eventos de seguridad de la información; Datos multimodales; Red Tree-LSTM; Mecanismo de autoatención; Modelo de representación vectorial de frases; Detección de eventos.
• Keywords:Information security events; Multimodal data; Tree-LSTM network; Self-attention mechanism; Sentence-vectorized representation model; Event detection