计算机工程

作者：王雨燕, 赵佳鹏, 时金桥, 申立艳, 刘洪梦, 杨燕燕

单位：1. 北京邮电大学 网络空间安全学院, 北京 1008762. 中国人民公安大学 信息网络安全学院, 北京 100038

关键词：暗网,用户身份信息,信息聚合,关系抽取,少样本学习,多任务学习

基金：广东省重点研发计划(2019B010137003)

暗网网页中用户身份标识信息的分布呈现出稀疏、不规律的特点，当前主流的信息聚合技术无法直接应用于该场景。提出一种基于共指关系抽取的用户身份信息聚合模型，该模型输入一对用户身份信息及其上下文语境，返回该信息对是否包含共指关系，并且构建相应的用户身份信息数据集用于聚合实验。为进一步提升模型的识别能力，在基线模型的基础上引入实体类别信息，提出实体类别敏感的共指关系抽取模型。针对暗网中通过某些身份类别信息无法获取足够多训练样本的问题，引入少样本学习任务，构建基于多任务的低资源条件下用户身份信息聚合模型。实验结果表明，在低资源条件下，经过优化的聚合模型F1值达到87.03%，较基线模型提升11.98个百分点。

来源：2023年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第11期