MultiKG：面向高质量攻击技术知识图谱表示的多源威胁情报聚合
密码学与安全
2024-11-14 v1
摘要
构建攻击技术知识图谱旨在将various类型的攻击知识转化为结构化表示，以实现更有效的攻击程序建模。现有方法通常依赖文本数据，如网络安全威胁情报（CTI）报告，这些报告往往粗糙且非结构化，导致知识图谱不完整且不准确。为此，我们通过纳入审计日志和静态代码分析，拓展攻击知识来源，为构建攻击技术知识图谱提供更细粒度的数据。我们提出MultiKG，一个完全自动化的框架，用于集成多源威胁知识。MultiKG分别处理来自CTI报告、动态日志和静态代码的数据，然后将其合并为统一的攻击知识图谱。通过系统设计和运用大型语言模型（LLM），MultiKG自动化地完成跨这些来源的攻击图的分析、构建和合并，生成细粒度、多源攻击知识图谱。我们实现了MultiKG，并使用1,015个真实攻击技术和9,006条攻击情报条目进行评估。结果表明，MultiKG能够有效地从多样化来源提取攻击知识图谱，并聚合为准确、全面的表示。在案例研究中，我们展示了该方法直接惠及攻击重建和检测等安全任务。
引用
@article{arxiv.2411.08359,
title = {MultiKG: Multi-Source Threat Intelligence Aggregation for High-Quality Knowledge Graph Representation of Attack Techniques},
author = {Jian Wang and Tiantian Zhu and Chunlin Xiong and Yan Chen},
journal= {arXiv preprint arXiv:2411.08359},
year = {2024}
}
备注
21 pages, 15 figures, 8 tables