利用知识图谱和大型语言模型实现可操作的网络威胁情报
密码学与安全
2024-07-04 v1 人工智能
计算与语言
摘要
网络威胁不断演变。从非结构化网络威胁情报（CTI）数据中提取可操作的见解对于指导网络安全决策至关重要。越来越多的组织如微软、Trend Micro 和 CrowdStrike 正在使用生成式 AI 来促进 CTI 提取。本文解决了利用大型语言模型（LLMs）和知识图谱（KGs）自动化提取可操作 CTI 的挑战。我们探索了应用最先进的开源 LLMs，包括 Llama 2 系列、Mistral 7B Instruct 和 Zephyr 用于从 CTI 文本中提取有意义的三元组。我们的 methodology 评估了诸如提示工程、指导框架和微调等技术，以优化信息提取和结构化。提取的数据然后用于构建 KG，提供了威胁情报的结构化和可查询表示。实验结果表明，我们的方法在提取相关信息方面效果显著，指导和微调的性能优于提示工程。然而，尽管我们的方法在小规模测试中效果良好，但将 LLMs 应用于大规模数据进行 KG 构建和链接预测仍面临持续挑战。
引用
@article{arxiv.2407.02528,
title = {Actionable Cyber Threat Intelligence using Knowledge Graphs and Large Language Models},
author = {Romy Fieblinger and Md Tanvirul Alam and Nidhi Rastogi},
journal= {arXiv preprint arXiv:2407.02528},
year = {2024}
}
备注
6th Workshop on Attackers and Cyber-Crime Operations, 12 pages, 1 figure, 9 tables