利用新颖性分类从Twitter收集网络威胁情报
密码学与安全
2019-09-06 v2 机器学习
机器学习
摘要
保护组织免受网络利用需要关于网络漏洞与攻击（称为威胁）的及时情报。网络威胁情报可从多种来源提取，包括用户实时发布威胁信息的社交媒体平台。从社交媒体站点收集网络威胁情报对安全分析师而言耗时，可能延误对新兴网络威胁的及时响应。我们提出一个利用新颖性检测模型自动从Twitter收集网络威胁情报的框架。我们的模型从公共仓库（如通用漏洞披露（CVE））发布的威胁描述中学习网络威胁情报特征，并将未见的新推文分类为正常或异常于网络威胁情报。我们使用专门构建的、来自50个有影响力的网络安全相关账户在十二个月（2018年）内的推文数据集评估框架。我们的分类器对网络威胁推文分类的F1-score达0.643，优于包括二分类模型在内的若干基线。我们对分类结果的分析表明，Twitter上网络威胁相关推文通常不含有相关威胁的CVE标识符。因此，收集这些推文并将其与相关的CVE标识符关联，对网络安全应用是有价值的。
引用
@article{arxiv.1907.01755,
title = {Gathering Cyber Threat Intelligence from Twitter Using Novelty Classification},
author = {Ba Dung Le and Guanhua Wang and Mehwish Nasim and Ali Babar},
journal= {arXiv preprint arXiv:1907.01755},
year = {2019}
}
备注
ACCEPTED by the 2019 International Conference on Cyberworlds (CW2019)