La investigación sobre el reconocimiento de entidades nombradas (NER) y la generación de comandos en la línea de comandos para herramientas de evaluación de seguridad de redes es relativamente escasa, y hasta ahora no se han desarrollado modelos maduros para el reconocimiento o generación. Por lo tanto, en este estudio, el objetivo es construir un corpus especializado para herramientas de evaluación de seguridad de redes mediante la combinación de grafos de conocimiento y entropía de la información para la anotación automática de entidades. Además, se propone un enfoque NER novedoso basado en el modelo KG-BERT-BiLSTM-CRF. En comparación con el modelo tradicional BERT-BiLSTM, el modelo KG-BERT-BiLSTM-CRF demuestra un rendimiento superior cuando se aplica al corpus especializado de herramientas de evaluación de seguridad de redes. El componente de red de atención gráfica (GAT) extrae de manera efectiva contenido secuencial relevante de conjuntos de datos en el dominio de evaluación de seguridad de redes. La capa de fusión luego concatena las secuencias de características de las capas GAT y BiLSTM, mejorando el proceso de entrenamiento. Tras una ejecución exitosa de NER, en este estudio, las entidades identificadas se asignan a datos de comandos preestablecidos para herramientas de evaluación de seguridad de redes, logrando una conversión automática de contenido textual a comandos de evaluación. Este proceso no solo mejora la eficiencia y precisión de la generación de comandos, sino que también proporciona un valor práctico para el desarrollo y la optimización de herramientas de evaluación de seguridad de redes. Este enfoque permite la generación automática más precisa de comandos de evaluación adaptados a amenazas de seguridad específicas, mejorando así la oportunidad y efectividad de las defensas cibernéticas.