本文介绍了如何利用深度学习技术，提出了一种可用于控制黑暗网络非法活动的搜索引擎，该系统能够检测和提取与黑暗网络中违法活动有关的图像。作者创建了一个名为 darkoob 的全面数据集，并在测试数据集上实现了 94% 的准确性，这项技术有望缓解非法活动带来的各种社会、经济和政治挑战，是联网和社区安全领域的重要技术进步。

May, 2023

本文分析了可通过 Tor 访问到的一组网站即 “暗网” 中的拓扑结构和内容。作者使用监督式机器学习的方法对内容进行分类，研究发现显示的暗网内容中大约有一半属于合法活动，而不合法内容主要分布在欺诈网站、销售假冒产品和毒品市场上。

Nov, 2018

本研究介绍了一个名为 CoDA 的数据集，该数据集包含了一万个文档，旨在帮助进行基于文本的暗网研究。通过利用 CoDA 数据集，本研究对暗网进行了全面的语言分析，比较了暗网与表层网络之间的差异，并评估了不同方法的暗网文本分类性能。最后，本研究还将 CoDA 与现有数据集进行比较，以评估它们在各种应用场景中的适应性。

Apr, 2022

本文研究了 80 个 d2web 论坛上发布的信息，并使用 LDA 识别了讨论主题，使用非参数 HMM 模型跨论坛模拟了主题演变，并检查了动态模式，以识别类似模式的论坛，揭示了这个丰富多样的数据中隐藏的相似性和异常事件。

Mar, 2019

本研究旨在构建一个针对网络犯罪的基准测试集 VeriDark，并对三个大规模数据集和一个用户行为数据集进行竞争性 NLP 基线评估及预测分析，以解决现有基于文学文本的作者识别方法无法适用于网络犯罪，且当前缺乏合适数据集和实验设计的问题。

Jul, 2022

本文总结了 NLP 与法律领域的现状并关注最近的技术和实质性发展。通过构建并分析过去十年发表的超过六百篇与 NLP & 法律相关的论文，我们发现了一些主要趋势，并且我们相信这些趋势对于该领域的未来发展具有积极意义，但是仍有许多问题需要解决。

Feb, 2023

该论文探讨了针对网络安全法律文件的词性标注方法，使用 SpaCy 和 ClausIE 等工具对欧盟法律文书进行分析并得出结论，提出了一种自动化方法，并得出了第一个针对 NIS 2 指令的结构化解释。

Jun, 2023

本文讨论自然语言处理技术在法律领域的应用，重点关注学术自由、法律伦理规范的多样性以及道德主义对这些技术的研究可能带来的威胁，并提出了一些具体建议。

May, 2021

提供了一种基于 NLP 的方法 VendorLink，通过模式识别可以在 Darknet 找到并验证多个供应商帐户，帮助执法机构更好地识别潜在的非法市场和供应商。

May, 2023

本文介绍了我们在 2021 AMoC 黑客马拉松中的任务，我们的主要贡献是通过语义和时间特征的联合可视化，通过新颖性、短暂性和共鸣等方面对暗网犯罪数据进行分析，了解暗网社区的整体话语影响。

Feb, 2022