现今的互联网技术正在快速的发展中,与此同时网络安全数据也日益呈现出海量化的特点。通过对网络安全数据的收集,网络安全专家们能够对网络空间安全态势做出精准的判断。但是现今的网络安全数据呈现出的是海量化、碎片化和多语义化等特征,影响了网络安全专家对网络安全态势的精准判断。本文针对网络安全数据的特点,提出了一种网络安全领域的实体链接算法模型,从而能够有效的辅助网络安全专家对网络安全态势做出精准判断。本文具体的研究工作和贡献主要包括以下的几个方面:第一,本文构建了网络安全领域的安全知识库和安全词典。在基于人工构建的安全知识库基础上,本文通过运用Python爬虫技术对百科知识库、国家安全漏洞库和网络安全漏洞数据集等安全数据进行爬取,并利用数据库管理系统Orient DB对数据进行存储和管理,构建了一个可视化的安全知识库。在基于安全知识库的基础上,利用爬虫技术对安全实体的中英文名称、别名和缩写等进行爬虫和存储,构建了网络安全词典。第二,运用构建安全实体查询引用表的方法,来对实体链接系统的安全候选实体进行生成。本方法在构建好的安全知识库基础上,通过设置适当的安全实体数量阈值和安全实体相似度阈值,从而能够快速和准确的构建安全实体查询引用表。第三,本文为了更好的在网络安全领域中完成实体链接任务。本文提出了一种基于联合嵌入的网络安全实体消歧模型,该模型针对网络安全数据的特点。首先运用构建好的安全语料库对Word2vec模型进行预训练,接着通过将字向量、词向量和位置向量进行联合嵌入并引入了深度学习模型和自注意力机制,从而更好的强化了文本的安全语义特征。第四,本文对实体链接系统设计了相应的对比实验,并采用了业界常用的评价指标。通过与不同模型进行对比实验,表明了本文所提出的JE-CNN-Bi LSTM-SA模型在网络安全领域相较于其它模型具有更好的效果。