EventHunter：来自黑客论坛讨论的动态安全事件聚类与排序

黑客论坛提供了新兴网络安全威胁的关键早期警示信号，但从其非结构化和噪声较大的内容中提取可操作情报仍是一个重大挑战。本文提出一种无监督框架，自动检测、聚类和优先级排序跨域黑客论坛帖子中讨论的安全事件。我们的做法利用基于Transformer的嵌入，通过对比学习进行微调，将相关讨论分组到 distinct 安全事件聚类中，识别零日披露或恶意软件发布等事件，而无需依赖预定义的关键词。该框架包含每日排序机制，通过反映时效性、来源可信度、信息完整性和相关性的可量化指标来优先级排序所识别的事件。针对真实世界的黑客论坛数据进行的实验评估表明，我们的方法有效地减少了噪声并暴露了高优先级威胁，使安全分析师能够采取主动应对措施。通过将分散的黑客论坛讨论转化为结构化、可操作的情报，本工作解决了自动化威胁检测和分析中的根本挑战。