基于噪声对比估计的匹配框架用于低资源安全攻击模式识别
机器学习
2025-07-28 v4 人工智能
计算与语言
密码学与安全
摘要
战术、技术和程序（TTPs）在网络安全领域代表了复杂的攻击模式，在文本知识库中有百科全书式的描述。在网络安全文本中识别 TTPs（通常称为 TTP 映射）是一项重要且具有挑战性的任务。传统的学习方法通常将该问题视为经典的多类或多标签分类问题。由于类别（即 TTPs）数量庞大、标签分布不可避免地倾斜以及标签空间复杂的层次结构，这种设置阻碍了模型的学习能力。我们在一种新的学习范式中表述该问题，其中将文本分配给 TTP 标签由两者之间的直接语义相似度决定，从而降低了仅在庞大标签空间上竞争的复杂性。为此，我们提出了一种神经匹配架构，具有有效的基于采样的学习比较机制，在资源受限的情况下促进了匹配模型的学习过程。
引用
@article{arxiv.2401.10337,
title = {Noise Contrastive Estimation-based Matching Framework for Low-Resource Security Attack Pattern Recognition},
author = {Tu Nguyen and Nedim Šrndić and Alexander Neth},
journal= {arXiv preprint arXiv:2401.10337},
year = {2025}
}
备注
accepted at EACL 2024, in ARR October 2023