面向实际安全运营的无对齐数据层次化多模态威胁情报融合框架
密码学与安全
2025-10-21 v1
摘要
多模态威胁检测面临一个根本性挑战，即安全工具孤立运行，导致网络、邮件和系统数据形成没有自然对齐或相关性的流。我们提出层次化多模态威胁情报融合（Hierarchical Multi-Modal Threat Intelligence Fusion, HM-TIF），该框架明确面向这种现实场景——即自然对齐的多模态攻击数据不存在。与先前工作假设或创建人工对齐不同，我们发展了原则方法，用于关联独立的安全数据流，同时保持操作有效性。我们的体系结构采用具有动态加权的层次化交叉注意力，适应数据可用性和威胁情境，结合一种新颖的时序关联协议，以保持统计独立性。在UNSW-NB15、CSE-CIC-IDS2018和CICBell-DNS2021数据集上的评估表明，HM-TIF在没有真正多模态训练数据的情况下实现了88.7%的准确率，并实现了32%的关键性假阳性率降低。该框架在模态缺失时保持鲁健，立即可部署于实际安全运营中，其中数据流经常存在间隙。我们的贡献包括：（i）首个明确面向非对齐数据的多模态安全框架，（ii）一种避免常见数据泄露陷阱的时序关联协议，（iii）即使没有完美对齐，多模态融合也提供操作性益处的实证验证，（iv）面向数据源异构且非协调的安全团队的实际部署指南。
引用
@article{arxiv.2510.15953,
title = {Hierarchical Multi-Modal Threat Intelligence Fusion Without Aligned Data: A Practical Framework for Real-World Security Operations},
author = {Sisir Doppalapudi},
journal= {arXiv preprint arXiv:2510.15953},
year = {2025}
}