原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
电子信息科技风２０２５年８月
ＤＯＩ:１０.１９３９２/ｊ.ｃｎｋｉ.１６７１￣７３４１.２０２５２４０２３
融合预训练语言模型
与知识嵌入的威胁告警智能语义分析框架
张哲宁夏昂石进
国家电网有限公司信息通信分公司北京１０００００
摘要:本文设计并开发了一个基于Ｊ２ＥＥ的电网省地一体化安全事件风险预警分析系统ꎬ旨在提高电网运行的安
全性和可靠性ꎮ随着技术发展和电网智能化ꎬ电网面临的网络攻击越来越严重ꎬ本文的研究对电网安全问题具有一定的
实际价值ꎮ另外ꎬ国内外对电网安全问题的研究已取得一定成果ꎬ但本文在风险预警分析系统设计上通过融合预训练语
言模型ꎬ结合知识嵌入的威胁告警智能语义分析ꎬ将人工智能更好地应用于电网安全一体化防御体系中ꎬ结合省级电网公
司的有效验证数据ꎬ对电力行业的威胁分析和告警具有重要价值ꎮ
关键词:预训练语言模型ꎻ知识嵌入ꎻ威胁告警ꎻ语义分析
１概述ＬａｎｇｕａｇｅＭｏｄｅｌｓꎬＥＬＭｏ)首次提出了基于长短期记忆网络
随着信息技术的飞速发展ꎬ网络安全问题日益严峻ꎬ(ＬｏｎｇＳｈｏｒｔ￣ＴｅｒｍＭｅｍｏｒｙꎬＬＳＴＭ)的双向语言模型ꎬ能够捕
需要对威胁告警信息进行准确理解和分析ꎬ解决当前行业捉词语在不同上下文中的动态表示ꎬ随后ＧＰＴ系列模型采
内对威胁告警的语义分析仍存在的诸多不足ꎬ传统方法在用Ｔｒａｎｓｆｏｒｍｅｒ架构的解码器部分ꎬ通过自回归的方式预测
依赖于传统专家经验和统计关联规则的基础之上ꎬ增加人下一个词ꎬ实现了对语言生成能力的有效建模ꎮ而ＢＥＲＴ
工智能的数据训练形成的智能规则匹配能力ꎬ难以应对复采用Ｔｒａｎｓｆｏｒｍｅｒ的编码器部分ꎬ通过掩码语言模型(Ｍａｓｋｅｄ
杂多变的网络环境及海量告警数据ꎮ而预训练语言模型ＬａｎｇｕａｇｅＭｏｄｅｌꎬＭＬＭ)和下一句预测(ＮｅｘｔＳｅｎｔｅｎｃｅＰｒｅｄｉｃ￣
与知识嵌入技术的兴起ꎬ为威胁告警信息的深入理解提供ｔｉｏｎꎬＮＳＰ)任务ꎬ学习深层的语言知识和上下文关系ꎬ为各类
了新途径ꎬ形成符合行业业务模型的精准化告警和智能分ＮＬＰ任务提供了强大的预训练模型ꎮ
析能力ꎮ本文将深入探索这两项技术的融合应用ꎬ旨在弥２.２ＰＬＭｓ的创新与应用
补行业在威胁告警语义分析方面的缺失ꎬ推动网络安全防目前常用的模型算法任务包括掩码语言模型(ＭＬＭ)
护的智能化与精准化的提升ꎮ和序列到序列(Ｓｅｑ２Ｓｅｑ)学习ꎮＭＬＭ任务通过采用原始
２预训练语言模型概述数据并生成随机掩码输入文本中的部分单词ꎬ模型根据上
预训练语言模型(ＰｒｅｔｒａｉｎｅｄＬａｎｇｕａｇｅＭｏｄｅｌｓꎬＰＬＭｓ)下文预测这些被掩码的内容ꎬ从而训练语言的内在规律和
是近年来自然语言处理(ＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇꎬＮＬＰ)上下文关系ꎬ同时结合Ｓｅｑ２Ｓｅｑ任务中的模型根据提供的
领域的核心驱动力ꎬ通过在大规模、多样化的无监督语料给定输入序列生成目标序列ꎬ如机器翻译、文本摘要等ꎬ形
库上预先训练ꎬ捕捉丰富的语言结构、语义关系和上下文成复杂语义识别和算法预测结果的能力ꎮ通过电力行业
信息等多维信息ꎬ为各类下游任务提供了强大的特征表示基础数据输入捕捉人工语言的多种特性融合ꎬ形成符合结
(规则算法)ꎬ极大推动ＮＬＰ技术发展和具象应用落地ꎮ果预测的自动化处理结果作为输出ꎬ完成行业数据训练、
２.１ＰＬＭｓ的发展语言模型的预测、结果自循环更新的模型应用ꎮ
ＰＬＭｓ的起源可追溯至词嵌入技术ꎬ如Ｗｏｒｄ２Ｖｅｃ和
文档评论（0）