一种鲁棒的网络安全主题分类工具
A Robust Cybersecurity Topic Classification Tool
AI总结：
本文利用Reddit、Stackexchange和Arxiv的用户标签训练21个机器学习模型，并通过多数投票构建网络安全主题分类工具，在降低误报和漏报率的同时保持对数十万文档的可扩展性。
摘要：
在本研究中，我们使用来自三个互联网文本来源（Reddit、Stackexchange、Arxiv）的用户定义标签，训练21种不同的机器学习模型，用于在自然文本中检测网络安全讨论的主题分类任务。我们在交叉验证实验中分析了这21个模型中每个模型的假阳性率和假阴性率。随后，我们提出了一种网络安全主题分类（CTC）工具，该工具以21个训练好的机器学习模型的多数投票作为检测网络安全相关文本的决策机制。我们还表明，CTC工具的多数投票机制平均提供了比任何单个21个模型更低的假阴性率和假阳性率。我们证明，CTC工具可扩展到数十万份文档，墙钟时间在数小时量级。
英文摘要：
In this research, we use user defined labels from three internet text sources (Reddit, Stackexchange, Arxiv) to train 21 different machine learning models for the topic classification task of detecting cybersecurity discussions in natural text. We analyze the false positive and false negative rates of each of the 21 model's in a cross validation experiment. Then we present a Cybersecurity Topic Classification (CTC) tool, which takes the majority vote of the 21 trained machine learning models as the decision mechanism for detecting cybersecurity related text. We also show that the majority vote mechanism of the CTC tool provides lower false negative and false positive rates on average than any of the 21 individual models. We show that the CTC tool is scalable to the hundreds of thousands of documents with a wall clock time on the order of hours.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
