cyber threat intelligence
PulseAugur coverage of cyber threat intelligence — every cluster mentioning cyber threat intelligence across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的LLM框架BEACON构建网络威胁情报知识图谱
研究人员开发了BEACON，一个使用LLM从网络威胁情报（CTI）报告构建知识图谱的新框架。该方法将提取的信息锚定到MITRE ATT&CK的标准化攻击行为，从而能够整合来自不同来源的数据，即使这些来源对相同威胁使用不同的命名约定。BEACON的两个阶段过程，包括一个提议-验证范式和一个分层对齐策略，旨在减少LLM的误分类和幻觉。为了评估BEACON，创建了两个新数据集，该框架在性能上优于现有方法。
-
新系统按部门自动化网络威胁情报传播
研究人员开发了DisCTI，一个旨在通过准确将其映射到特定部门来自动化网络威胁情报（CTI）传播的新系统。这解决了CTI过载以及MISP等平台现有部门标记功能利用不足的关键问题。通过将问题构建为多标签分类任务并利用BERT Transformer模型，DisCTI可以自动将CTI事件分配给相关部门，从而获得高F1分数，并显著提高威胁情报的运营价值。
-
新的CTIFoundry语料库脚手架提升LLM代理的网络威胁情报能力
研究人员推出CTIFoundry，一个旨在增强LLM代理在网络威胁情报（CTI）方面能力的新语料库脚手架。该系统通过从CVE、CWE、CAPEC和ATT&CK等权威知识库创建本体图谱，并使用规范实体索引威胁报告来构建CTI数据。CTIFoundry通过专门的工具和技能为代理提供结构化信息访问，从而提高调查的准确性和效率。
-
GraphRAG 通过知识图谱检索增强网络威胁情报
一篇新的研究论文介绍 GraphRAG，一个面向知识图谱的检索系统，旨在改进网络威胁情报（CTI）的实战化。与侧重于易于更改的指标（如 IP 地址和文件哈希）的传统 Naive RAG 系统不同，GraphRAG 利用知识图谱生成更具韧性以应对攻击者修改的检测计划。一个案例研究表明，即使在关键指标被轮换后，GraphRAG 仍保持了高检测率，其在持久性和有效性方面显著优于 Naive RAG。
-
启动全球AI红队测试计划以增强安全性
Red Packet Security 倡导通过全球协作的AI红队测试方法来加强AI安全。该倡议被称为“公益红队测试”，旨在促进全球研究人员和组织之间的合作。此举旨在在潜在风险被利用之前，主动识别和减轻与先进AI系统相关的潜在风险。
-
New framework automates attack chain extraction from cyber threat intelligence
研究人员开发了一个自动化框架，用于从网络威胁情报（CTI）报告中提取可操作的攻击链。该系统使用先决条件、行为和后置条件来建模每个攻击步骤，从而实现状态匹配和可达性分析。该框架利用大型语言模型和类 Datalog 规则，将非结构化的 CTI 叙述处理成适合自动推理的格式，实现了比现有方法更高的覆盖率和一致性。
-
随着由 AI 驱动的违规事件激增，高管们要求按顺序构建 CTI 功能
构建强大的网络威胁情报 (CTI) 功能需要高管的认同和对其战略价值的清晰理解，而不是将其视为单纯的安全运营中心附属。最近的调查表明，高管在情报需求方面的参与度显著提高，而资金不足是 CTI 团队面临的首要障碍。有效整合 AI、拥有强大治理和人类监督的组织，更能降低数据泄露成本，而缺乏这些支撑的组织将面临更高的费用和来自影子 AI 及 AI 增强攻击的风险。
-
新的SMETA-ZSL方法推进了零样本网络安全威胁分类
研究人员开发了SMETA-ZSL，一种用于网络安全零样本威胁分类的新方法。该方法通过对比微调语义原型和利用知识蒸馏进行行为特征对齐的片段式元学习来解决语义重叠和类别不平衡等挑战。SMETA-ZSL在七个基准测试中表现出色，在严格的归纳设置下，平均性能比以前的方法高出10.8个百分点。
-
新的MCP服务器增强了MISP星系知识库的搜索功能
一个新的、小型的模型上下文协议（MCP）服务器已被开发出来，用于方便地搜索MISP星系知识库。这个开源工具专为网络威胁情报应用而设计，特别是利用MISP平台。
-
TACTIC-KG框架利用小型代理团队构建网络威胁情报知识图谱
研究人员开发了TACTIC-KG，一个旨在从非结构化网络威胁情报报告中构建网络安全知识图谱的新框架。与之前使用单一大型语言模型的方法不同，TACTIC-KG采用了一组专门的、轻量级的LLM代理来执行提取、类型化、验证和策展等任务。据报道，这种模块化方法与大型单一模型系统相比，提高了稳定性、召回率和图谱一致性，同时降低了成本并提高了性能。
-
FALCON框架从网络威胁情报自动化生成IDS规则
研究人员开发了FALCON，这是一个代理框架，旨在从网络威胁情报（CTI）中自动化创建和验证入侵检测系统（IDS）规则。该系统解决了手动编写规则过程中存在的瓶颈，这些瓶颈通常由于CTI和规则格式之间的表示差异而受到阻碍，导致规则膨胀和自动化验证困难。FALCON利用一种新颖的语义评分器来量化CTI与规则之间的一致性，从而能够更好地检索和验证生成的规则。在网络（Snort）和主机（YARA）平台上进行测试，FALCON的平均相关性为0.…
-
开源大语言模型在复杂网络威胁情报分类方面表现不佳
一篇新的研究论文评估了七个开源大语言模型（LLMs）在对复杂网络威胁情报（CTI）报告进行分类方面的性能。该研究构建了一个包含2,076个人工标注句子的数据集，这些句子映射到114种MITRE ATT&CK技术。表现最佳的LLM取得了0.22的微平均F1分数，表明当前的开源LLMs尚不足以满足生产级别的ATT&CK分类需求。研究发现LLM参数大小与性能之间存在正相关，但提示策略和温度设置并未带来显著的提升。
-
新基准测试 LLM 在网络威胁情报方面的能力
研究人员推出了 CTIConnect，这是一个旨在评估检索增强大型语言模型 (LLM) 在网络威胁情报 (CTI) 任务中的新基准。该基准整合了各种 CTI 数据源，包括结构化数据库和非结构化报告，以创建真实的测试环境。对十个最先进的 LLM 进行的实验表明，在不同任务类型上的性能差异很大，这凸显了需要专门的检索策略，而不是通用的改进。
-
新论文详细介绍了LLM在网络威胁情报中的漏洞
一篇新的研究论文探讨了大型语言模型（LLM）应用于网络威胁情报（CTI）时的漏洞。该研究在CTI工作流程中识别出LLM的三个特定认知缺陷：元数据产生的虚假关联、冲突来源产生的矛盾知识以及对新威胁的泛化能力有限。研究人员开发了一个“人在回路”框架来标记这些缺陷，并证明有针对性的防御措施可以显著降低错误率，为构建更具韧性的CTI代理提供了途径。
-
BSides Bratislava 2026 会议演讲现已上线
BSides Bratislava 2026 网络安全会议的演讲现已公开提供。这些演讲涵盖了人工智能、DORA 和威胁情报等一系列主题。组织者感谢所有演讲者分享他们的专业知识。
-
OntoLogX 利用 LLM 从网络安全日志中提取可操作的威胁情报
研究人员开发了 OntoLogX，这是一个旨在从原始网络安全日志中提取网络威胁情报 (CTI) 的 AI 代理。该系统利用大型语言模型 (LLM) 结合轻量级日志本体和检索增强生成 (RAG)，将非结构化日志数据转换为结构化知识图谱 (KG)。OntoLogX 还预测 MITRE ATT&CK 战术，将低级日志证据与更高级别的对手目标联系起来，并在基准和真实数据集上展示了强大的 KG 生成能力和对手活动的准确映射。