ThreatKG：用于自动化开源网络威胁情报收集与管理的AI驱动系统
密码学与安全
2024-11-01 v2 数据库
摘要
开源网络威胁情报（OSCTI）已成为跟上快速变化的威胁态势的必要手段。然而，当前的OSCTI收集与管理解决方案主要关注结构化的失陷指标（IOC）馈源，这些馈源处于低级且相互孤立，仅提供对潜在威胁的狭隘视角。与此同时，公开可用的大量OSCTI报告（如安全文章、威胁报告）的非结构化文本中所包含的广泛且相互关联的知识，在很大程度上仍未被充分探索。为了弥合这一差距，我们提出了ThreatKG，一个用于OSCTI收集与管理的自动化系统。ThreatKG从多个来源高效收集大量OSCTI报告，利用专门的基于AI的技术提取关于各种威胁实体及其关系的高质量知识，并通过整合新的OSCTI数据来构建和持续更新威胁知识图谱。ThreatKG采用模块化与可扩展设计，允许添加组件以适应多样的OSCTI报告结构和知识类型。我们广泛的评估表明，ThreatKG在增强威胁知识收集与管理方面具有实际有效性。
引用
@article{arxiv.2212.10388,
title = {ThreatKG: An AI-Powered System for Automated Open-Source Cyber Threat Intelligence Gathering and Management},
author = {Peng Gao and Xiaoyuan Liu and Edward Choi and Sibo Ma and Xinyu Yang and Dawn Song},
journal= {arXiv preprint arXiv:2212.10388},
year = {2024}
}
备注
Accepted at Workshop on Large AI Systems and Models with Privacy and Safety Analysis (LAMPS), 2024