Mitre ATT&CK
PulseAugur coverage of Mitre ATT&CK — every cluster mentioning Mitre ATT&CK across labs, papers, and developer communities, ranked by signal.
- used by Common Vulnerabilities and Exposures ID 70%
- affiliated with Common Vulnerabilities and Exposures ID 70%
- used by Royal Galician Academy 70%
- used by National Vulnerability Database 70%
- affiliated with MITRE ATLAS 70%
- instance of capecitabine 60%
- uses Royal Galician Academy 60%
- affiliated with National Vulnerability Database 50%
- affiliated with Common Weakness Enumeration 50%
13 天有情绪数据
-
Trust Gateway 管道通过 12 级验证完善安全性
Trust Gateway，此前被错误地标记为防火墙，现在是一个 12 级验证管道，旨在在任何阶段拒绝请求。它包含了提示注入检测规则和参数检查，尽管这些并未被呈现为完整的防御措施，而是一个隔离层。该系统已经过大量使用变异凭证的模糊测试，确保了拒绝而不会崩溃，并且基于属性的测试验证了规范化不变性。未来的更新将包括用于增强安全性的工具输出的执行后过滤和伪影摘要固定。
-
新的AUTOSIGMA系统将网络威胁情报自动化生成为Sigma规则
研究人员开发了AUTOSIGMA，一个旨在将非结构化的网络威胁情报（CTI）转换为可操作的Sigma规则以进行威胁检测的自动化系统。该系统通过整合结构化知识库进行丰富，并利用LLM-as-a-Judge机制进行迭代验证，超越了仅依赖语言模型的方法，从而增强了规则生成能力。评估表明，在规则有效性、相关性、MITRE ATT&CK覆盖率和鲁棒性方面，AUTOSIGMA优于替代解决方案和独立的LLM。
-
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。
-
AI代码生成管道应对安全漏洞
一篇新的研究论文介绍了一个自动化管道，旨在检测和修复由AI开发工具生成的代码中的安全漏洞。该管道处理来自LLM生成提示的代码，使用CodeQL和Bandit等工具进行扫描，并利用LLM来验证和修复发现的问题。对四种Claude模型（Opus 4.8、Sonnet 4.6、Sonnet 5和Haiku 4.5）的评估显示，静态分析器发现的问题显著减少，尽管修复有时会引入新的漏洞。
-
新理论认证自动化安全决策的风险
一篇新论文介绍了一种决策契约理论，用于解决自动化安全决策的风险认证挑战，特别是在基于LLM的入侵检测系统背景下。该理论旨在防止系统仅通过不采取行动而显得风险受限。研究提出了一个误差守恒定律和一个非退化可操作性证书，以确保误差在自动化、人类延迟和语义掩蔽之间得到核算。使用六种不同的LLM在三个入侵检测数据集上进行的实证结果表明，所提出的方法可以在超过90%的配置中实现目标风险水平，同时保持高正确的自动化率。
-
新框架 TTP-R1 增强网络威胁情报分析
研究人员开发了 TTP-R1，一个新颖的两阶段框架，旨在改进从网络威胁情报 (CTI) 文本中提取攻击技术。该框架结合了检索增强监督微调和强化学习，使用可验证的奖励直接监督预测技术集的精度、召回率和格式。TTP-R1 的性能显著优于现有方法，在使用检索增强的情况下，其在子技术级别的 F1 分数比 Claude Sonnet 4.5 提高了 7.4 个百分点，同时运行速度也快得多。
-
AI推荐投毒：“AI总结”按钮可破坏大语言模型记忆
微软发现了一种名为AI推荐投毒的新威胁，看似无害的“AI总结”按钮会永久性地改变大语言模型助手的记忆。通过点击一个特制的链接，用户会无意中指示其AI助手在未来的交互中优先考虑某些网站或信息作为权威。微软Defender研究人员记录的这种技术，已在30多家各行各业的公司中被观察到，其中一些公司甚至开发了生成这些恶意链接的工具，对企业环境中AI驱动的决策完整性构成了重大风险。
-
L1.9 提示注入筛选系统更名，计划发布公共语料库
L1.9 系统，此前被称为防火墙，现更名为提示注入筛选。此更改反映了其作为静态预 admission 过滤器而非运行时执行层的职能。开发者计划发布一个名为 marketnow-l1.9-corpus 的已标记语料库，其中包含已知攻击、良性提示和释义攻击的测试用例，以展示该系统的有效性。他们还承认需要运行时监控和执行来解决工具结果投毒和受损更新等问题，这些问题由 L3 和 L4 系统处理。
-
生成式AI工具AegisShield实现网络威胁建模民主化
研究人员开发了AegisShield，这是一种生成式AI工具，旨在自动化和简化网络威胁建模，特别是对于资源有限的组织。该工具集成了STRIDE框架和MITRE ATT&CK技术，并从公共数据库中提取实时威胁情报。评估表明，AegisShield显著降低了复杂性，产生的威胁与专家生成的威胁相当，并能准确地将威胁映射到MITRE ATT&CK技术，从而实现更早的风险评估并促进安全设计实践。
-
MITRE ATLAS 将代理攻击技术添加到人工智能威胁目录
MITRE 更新了其人工智能系统对抗性威胁态势（ATLAS）知识库，以包含针对自主人工智能代理的特定技术。这些新技术，例如人工智能供应链攻击（AML.T0010）和人工智能代理工具投毒（AML.T0110），记录了针对人工智能系统使用的真实攻击方法。此次更新旨在为防御者和研究人员提供一个通用词汇表，以讨论和应对针对人工智能代理及其供应链的威胁。
-
新 AI 系统 ThreatForest 可自动从代码生成攻击树
研究人员开发了 ThreatForest，一个新颖的多智能体系统，旨在自动化云原生软件开发的威胁建模。该系统分析代码库以生成结构化的攻击树，将攻击步骤映射到 MITRE ATT&CK 和 CAPEC 等框架中的对手策略、技术和过程 (TTP)。ThreatForest 还综合了可操作的缓解措施，并纳入了人工干预验证点。虽然整个系统在生成威胁陈述、攻击树和缓解措施方面显示出有希望的结果，但 TTP 映射的嵌入阶段的准确性仍然是一个瓶颈。
-
新论文使用专家标记数据将 CVE 映射到 MITRE ATT&CK
一项新的研究论文详细介绍了一种方法，该方法使用在 1,207 个专家标记的 CVE 上训练的分类器将通用漏洞和披露 (CVE) 映射到 MITRE ATT&CK 技术。研究发现，使用 LLM 生成的标签进行训练并未提高性能，甚至降低了对罕见技术的覆盖率，结论是人类策划在此任务上优于生成。该研究还包括代码和在漏洞查找网站上的实时演示。
-
TRACE-CTI框架增强了网络威胁情报声明的可审计性
一个名为TRACE-CTI的新框架已被开发出来，以提高自动化系统提取的网络威胁情报（CTI）声明的可审计性和治理能力。该框架保留了证据、来源和验证历史，从而能够更可信地决定CTI报告与MITRE ATT&CK等框架的映射关系。TRACE-CTI将预测聚合为图断言，并将已证实的主张具体化为共识断言，确保只暴露符合策略的主张。对公开CTI语料库的评估表明，增加设置支持会显著提高精度，同时降低召回率，突显了声明验证中的权衡。
-
新分类器将 CVE 映射到 MITRE ATT&CK 技术，LLM 标签显示无益处
研究人员开发了一个可复现的流程，使用自由文本描述将常见漏洞和暴露 (CVE) 映射到 MITRE ATT&CK Enterprise 技术。他们基于专家标注数据构建的自定义训练分类器，其性能显著优于零样本基线。对使用 LLM 辅助标签扩展此数据集的调查显示，此类标签并未提供可靠的改进，甚至可能降低性能，这表明标签质量而非仅仅是数据集大小，是分类器准确性的关键因素。
-
Sakana AI 推出 Fugu-Cyber 用于网络安全任务 · 已追踪 2 个来源
Sakana AI 推出了 Fugu-Cyber，一个专门针对网络安全任务进行调优的编排模型。该模型在 CyberGym 基准测试中取得了 86.9% 的成绩，在 CTI-REALM 基准测试中取得了 72.1% 的成绩，使其成为与 GPT-5.5-Cyber 和 Claude Mythos Preview 等其他专业模型竞争的有力选项。Fugu-Cyber 在 Sakana 的 Fugu orchestrator 中运行，该 orc…
-
开放权重LLM在自动驾驶汽车威胁情报生成方面的评估
研究人员开发了一个新的数据集CAV-STIXGen，用于评估开放权重大型语言模型（LLM）在生成自动驾驶汽车漏洞结构化威胁信息方面的能力。该研究评估了11个LLM，其中单模型配置在结构化数据对象（SDO）和通用弱点枚举（CWE）映射方面取得了较高的F1分数，但MITRE ATT&CK映射难度较大。使用Gemma-4-31B和Codestral-22B的多智能体设置在SDO和SRO生成方面也显示出有希望的结果，表明AI在交通安全领域自动…
-
开发人员在MCP市场遭遇木马后构建了8层防御体系
一位开发人员最近在其模型上下文协议（MCP）市场的一个技能包中发现了一个名为Trojan:Win64/Lazy.PGPK!MTB的Windows木马。该恶意软件通过域名仿冒伪装成一个合法的GitHub仓库，导致下载了一个包含可执行文件和混淆Lua字节码的恶意zip文件。作为回应，该开发人员实施了一个八层防御系统，以更彻底地扫描技能包，包括递归zip提取、二进制和恶意软件检测、针对特定恶意软件家族的YARA等效规则、Web应用程序防火墙…
-
编码代理通过模仿攻击者行为触发安全警报 · 跟踪 1 个来源
Sophos 的一份最新报告强调，像 Claude Code、Cursor 和 OpenAI Codex 这样的编码代理可能会无意中触发端点上的安全警报。这些代理在执行诸如自动化浏览器功能或安装软件等合法任务时，会使用模仿攻击者技术的方法。例如，通过数据保护 API 访问浏览器凭据或使用 certutil.exe 等内置 Windows 二进制文件下载文件，都可能触发安全系统，导致误报。报告强调，防御者需要调整其检测规则，以区分良性代…
-
NetForge RL：发布新的网络防御仿真环境
研究人员推出了 NetForge RL，这是一个新的多智能体仿真环境，旨在网络防御场景中训练强化学习智能体。该环境具有程序化生成的网络、使用自我对抗的自适应对手，以及具有噪声和部分观察的防御者。NetForge RL 支持持续动作和固定形状的观察，将动作映射到 MITRE ATT&CK 框架，并包含五个具有难度设置的预定义场景。
-
新的知识图谱将软件漏洞与攻击行为关联
研究人员开发了一个新的知识图谱 CVE-TTP KG，旨在将软件漏洞与攻击者的策略和技术联系起来。该系统通过连接来自 CVE 和 NVD 等漏洞数据库的信息与 MITRE ATT&CK 框架的行为模式，来改进威胁解读。采用了包括 CySecBERT 在内的基于 Transformer 的模型进行行为识别，在技术和策略方面均取得了较高的 F1 分数。由此产生的 Cyber Threat Knowledge Graph 构建在 Neo4j…