基于中间态的网络安全机器翻译模型.pdfVIP

第47卷第1期华北理工大学学报（自然科学版）Vol.47No.1

2025年1月JournalofNorthChinaUniversityofScienceandTechnology(NaturalScienceEdition)Jan.2025

文章编号：2095-2716(2025)01-0043-10

基于中间态的网络安全机器翻译模型

韩睿1，于复兴12，董海琳²，韩阳4

（1.华北理工大学人工智能学院，河北唐山063210；2.河北省工业智能感知重点实验室，河北唐山063210；3.华北理

工大学外国语学院，河北唐山063210；4．华北理工大学理学院，河北唐山063210）

关键词：网络安全；机器翻译；依存分析；Transformer模型

摘要：针对网络安全领域的中译英机器翻译存在大量专业术语，数据规模小以及不同语言的

句法结构存在差异等问题，提出了一种基于中间态的网络安全机器翻译模型。通过研究中英句

法结构上的差异，制定将中文转换为中间态的规则。结合BERT与SpaCy生成包含语义嵌入的

中间态词向量，利用BERT捕捉句子的上下文语义信息，通过SpaCy解析依存关系，将两者整

合为高维特征向量。实验结果表明，所提出的翻译模型在低资源网络安全双语数据集BLEU值

达到了28.2，提升了1.0个BLEU值，WMT18公开中英双语数据集BLEU值达到了21.1，提升

了0.9个BLEU值。可见通过中间态以及捕捉上下文语义信息和句法结构信息，模型能够更准

确地处理专业术语、复杂句法等问题。

中图分类号：TP3911文献标识码：A

引言

当今时代信息化快速发展，网络的应用更加广泛，使得网络安全变得至关重要。网络安全是支撑数字经

济，保护国家安全以及社会稳定的关键环节。在网络安全领域中，英语的使用频率极高，以及术语的高度专业

化，这对翻译的准确性有着很高的要求。人工翻译虽然精确，但耗时费力，网络安全事件响应需要接近实时的

操作。因此，机器翻译成为解决英语译文问题的一个有效途径。机器翻译技术由传统的统计机器翻译，规则

机器翻译发展到现在的神经机器翻译，模型翻译性能不断提高。其中主流的机器翻译架构为Transformer，

Transformer基于自注意力机制，能够同时处理输入序列中的所有词汇，大大的提高了翻译性能。

然而，尽管机器翻译取得了显著进展，仍然面临许多挑战。例如，翻译结果可能存在语法不通顺、断句错误、

表达生硬等问题2]。造成这些问题的主要原因在于汉语与英语在表达逻辑上的差异，以及机器翻译技术尚未完

全具备全面考虑这些差异的能力。对于网络安全这种专业性强、术语复杂的领域，直接翻译有时会导致出现结

构混乱的句子。机器翻译在处理网络安全领域的内容时，常常会出现语义模糊、术语使用不当等问题，其准确

性和语言流畅度都会受到影响。网络安全双语语料非常稀缺，使得训练高性能的机器翻译模型变得更加困难。

基于此，提升机器翻译在网络安全领域的表现，不仅需要增强对专业术语和语料的处理能力，还需要深人

理解汉英两种语言在表达逻辑和语法结构上的根本差异。网络安全领域平行语料稀缺，使得训练机器翻译模型

更加困难。预训练模型BERT[3.4在处理低资源语言和数据稀疏问题上，通过利用预训练和微调策略以及强大

的模型容量和语言理解能力，能够显著提高低资源的机器翻译性能。

针对上述问题，结合汉语表达和英语表达之间的逻辑差异性，完善机器翻译的逻辑分析，本文提出中间态

概念。首先对中文语句进行句法分析，通过SpaCy[5.6]识别句子的成分和结构，根据中文的句法结构将其转换

收稿日期：2024-07-23

基金项目：教育部产学研协同育人项目（221006043084307）：华北理工大学网络安全硕士专业英语的机器翻译科学应用改革项目。

第一作者：韩睿，硕士研究生，研究方向：机器翻译。E-mail:HanR@.

通讯作者：于复兴，硕士，副教授。研究方向：大数据处理，图形图像处理。E-mail：yfx626@126.com.

D0I:10.3969/jjssn.2095-2716.2025.01.006

44