面向安全文本中自动化对抗技术标注的语义排序方法
密码学与安全
2024-03-27 v1
摘要
我们引入一种从威胁情报文本中提取结构化威胁行为的新方法。该方法基于一个多阶段排序架构，能够联合优化效率与效果。因此，我们认为，考虑到对手技术数量庞大以及安全分析师所创建的威胁情报体量巨大，这一问题表述更贴合该任务的真实世界特性。我们的研究结果表明，所提出的系统在该任务上达到了最先进的性能水平。结果显示，在识别193项顶级技术中的相关技术时，我们的方法取得了81%的Top-3召回率。我们的测试还表明，在零样本设定下测试时，我们的系统性能显著优于广泛使用的大语言模型（+40%）。
引用
@article{arxiv.2403.17068,
title = {Semantic Ranking for Automated Adversarial Technique Annotation in Security Text},
author = {Udesh Kumarasinghe and Ahmed Lekssays and Husrev Taha Sencar and Sabri Boughorbel and Charitha Elvitigala and Preslav Nakov},
journal= {arXiv preprint arXiv:2403.17068},
year = {2024}
}