面向网络威胁情报源的威胁情报事件抽取概念模型
密码学与安全
2025-06-05 v1
摘要
为应对不断升级的网络威胁，网络威胁情报（CTI）数据收集的效率对于确保稳健的网络安全已变得至关重要。然而，现有工作在预处理大量多语言威胁数据时面临重大挑战，导致实时威胁分析效率低下。本文对当前旨在提高 CTI 数据收集效率的技术进行了系统综述。此外，本文提出了一个概念模型，以进一步提升威胁情报源的有效性。遵循 PRISMA 指南，该综述审查了 Scopus 数据库中的相关研究，强调了人工智能（AI）和机器学习模型在优化 CTI 数据预处理中的关键作用。研究结果强调了 AI 驱动的方法，特别是监督学习和无监督学习，在显著提高威胁检测和事件抽取的准确性，从而加强网络安全方面的重要性。此外，本研究识别了现有研究中的空白，并引入了集成 XLM-RoBERTa、BiGRU 和 CRF 的 XBC 概念模型，专门用于填补这一空白。本文通过对当前 CTI 数据收集技术的详细分析，并为增强未来威胁情报能力引入一个创新的概念模型，为该领域做出了概念性贡献。
引用
@article{arxiv.2506.03551,
title = {A Threat Intelligence Event Extraction Conceptual Model for Cyber Threat Intelligence Feeds},
author = {Jamal H. Al-Yasiri and Mohamad Fadli Bin Zolkipli and Nik Fatinah N Mohd Farid and Mohammed Alsamman and Zainab Ali Mohammed},
journal= {arXiv preprint arXiv:2506.03551},
year = {2025}
}
备注
IEEE conference paper