恶意软件知识图谱生成
密码学与安全
2021-02-11 v1 信息检索
摘要
网络威胁与攻击情报信息以异构来源的非标准格式提供。理解并利用它们进行威胁情报提取需要安全专家的参与。知识图谱能够将异构来源的非结构化信息转换为结构化数据与事实知识的表示，用于若干下游任务，如预测缺失信息与未来威胁趋势。现有大规模知识图谱主要关注实体的一般类别及其间关系。安全领域的开源知识图谱尚不存在。为填补此空白，我们构建了 \textsf{TINKER}——一个威胁情报知识图谱（\textbf{T}hreat \textbf{IN}telligence \textbf{K}nowl\textbf{E}dge g\textbf{R}aph）。\textsf{TINKER} 使用 RDF 三元组生成，这些三元组描述了来自 2006–2021 年发表的 83 篇威胁报告的标记化非结构化自然语言文本中的实体与关系。我们使用开源恶意软件本体定义的类与属性以及手工标注的 RDF 三元组构建了 \textsf{TINKER}。我们还讨论了在创建 \textsf{TINKER} 过程中的持续研究与面临的挑战。
引用
@article{arxiv.2102.05583,
title = {Malware Knowledge Graph Generation},
author = {Sharmishtha Dutta and Nidhi Rastogi and Destin Yee and Chuqiao Gu and Qicheng Ma},
journal= {arXiv preprint arXiv:2102.05583},
year = {2021}
}
备注
5 pages