甄别可靠网络威胁指标以实现及时网络威胁情报
密码学与安全
2025-08-12 v2
摘要
在当今动态的网络安全格局中，及时且准确的威胁情报对于主动防御至关重要。本研究探索社交媒体平台作为提取可行动危害指标（IoCs）的宝贵资源的潜力。利用卷积神经网络（CNN），我们实现了98.80%的F1分数和99.65%的检测率，从海量社交媒体数据中筛选出关键IoCs，包括IP地址、URL、文件哈希、域名地址和CVE编号。这些指标对于检测潜在威胁和漏洞至关重要，并使用正确性、及时性和重叠度等指标评估其相关性。我们的分析表明，URL是分享最频繁的IoC，其中48.67%代表有效威胁。为进一步调查自动化账户在传播IoCs中的作用，我们应用了若干机器学习模型，其中XGBoost表现最佳，取得了0.814的宏F1分数和0.925的加权F1分数。这些发现凸显了社交媒体作为可行动威胁情报可靠来源日益增长的重要性，为网络安全专业人员保持对新兴威胁的领先提供了宝贵见解。
引用
@article{arxiv.2306.16087,
title = {Discerning Reliable Cyber Threat Indicators for Timely Cyber Threat Intelligence},
author = {Dincy R Arikkat and Vinod P. and Rafidha Rehiman K. A. and Andrea Di Sorbo and Corrado A. Visaggio and Mauro Conti},
journal= {arXiv preprint arXiv:2306.16087},
year = {2025}
}