基于Bert和BiLSTM-CRF的APT攻击实体识别及对齐研究.pdfVIP

第 43 卷第 6 期 通 信 学 报 Vol.43 No.6 2022 年 6 月 Journal on Communications June 2022 基于 Bert 和 BiLSTM-CRF 的 APT 攻击实体识别及对齐研究 1,2 1,2 1,2 1,2 1,2 1,2 杨秀璋 ，彭国军 ，李子川 ，吕杨琦 ，刘思德 ，李晨光 （1. 武汉大学空天信息安全与可信计算教育部重点实验室，湖北 武汉 430072 ； 2. 武汉大学国家网络安全学院，湖北 武汉 430072 ） 摘 要：针对高级可持续威胁（APT ）分析报告未被有效利用，缺乏自动化方法生成结构化知识并形成黑客组织 特征画像问题，提出一种融合实体识别和实体对齐的 APT 攻击知识自动抽取方法。首先，结合 APT 攻击特点设 计 12 种实体类别；其次，构建融合 Bert 、双向长短期记忆（BiLSTM ）网络和条件随机场（CRF ）的APT 攻击实 体识别模型，利用 Bert 预训练标注语料，BiLSTM 学习上下文语义信息，注意力机制突出关键特征，再由 CRF 识别实体；最后，结合实体对齐方法来生成不同 APT 组织的结构化知识。实验结果表明，所提方法能有效识别 APT 攻击实体，其精确率、召回率和 F 1 值分别为 0.929 6、0.873 3 和 0.900 6，均优于现有模型。此外，所提方法 能在少量样本标注的情况下自动抽取高级可持续威胁知识，通过实体对齐能生成常见 APT 组织的结构化特征画 像，从而为后续 APT 攻击知识图谱构建和攻击溯源提供支撑。 关键词：高级可持续威胁；威胁情报抽取；实体识别；实体对齐；深度学习 中图分类号：TP309 文献标志码：A DOI: 10.11959/j.issn.1000−436x.2022116 Research on entity recognition and alignment of APT attack based on Bert and BiLSTM-CRF YANG Xiuzhang1,2, PENG Guojun1,2, LI Zichuan1,2, LYU Yangqi1,2, LIU Side1,2, LI Chenguang1,2 1. Key Laboratory of Aerospace Information Security and Trusted Computing of Ministry of Education, Wuhan University, Wuhan 430072, China 2. School of Cyber Science and Engineering, Wuhan University, Wuhan 430072, China Abstract: Aiming at the problems that APT (advanced persistent threat) analysis reports have not been fully utilized, and there is a lack of automation methods to generate structured knowledge and construct feature portraits of t