論文の概要: Information Prediction using Knowledge Graphs for Contextual Malware Threat Intelligence

• arxiv url: http://arxiv.org/abs/2102.05571v1
• Date: Wed, 10 Feb 2021 17:08:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-11 14:41:08.095689
• Title: Information Prediction using Knowledge Graphs for Contextual Malware Threat Intelligence
• Title（参考訳）: コンテキストマルウェア脅威インテリジェンスのための知識グラフを用いた情報予測
• Authors: Nidhi Rastogi, Sharmishtha Dutta, Ryan Christian, Mohammad Zaki, Alex Gittens, Charu Aggarwal
• Abstract要約: 本稿では、MalKGと呼ばれるマルウェア知識グラフを生成するためのエンドツーエンドアプローチを提案する。 MalKGは、マルウェア脅威インテリジェンスのための最初のオープンソースの自動知識グラフである。 MT3Kと呼ばれる知識グラフは、5,741個のユニークな実体と22個の関係から3,027個のトリプルを生成する。
• 参考スコア（独自算出の注目度）: 5.757836174655293
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large amounts of threat intelligence information about mal-ware attacks are available in disparate, typically unstructured, formats. Knowledge graphs can capture this information and its context using RDF triples represented by entities and relations. Sparse or inaccurate threat information, however, leads to challenges such as incomplete or erroneous triples. Named entity recognition (NER) and relation extraction (RE) models used to populate the knowledge graph cannot fully guaran-tee accurate information retrieval, further exacerbating this problem. This paper proposes an end-to-end approach to generate a Malware Knowledge Graph called MalKG, the first open-source automated knowledge graph for malware threat intelligence. MalKG dataset called MT40K1 contains approximately 40,000 triples generated from 27,354 unique entities and 34 relations. We demonstrate the application of MalKGin predicting missing malware threat intelligence information in the knowledge graph. For ground truth, we manually curate a knowledge graph called MT3K, with 3,027 triples generated from 5,741 unique entities and 22 relations. For entity prediction via a state-of-the-art entity prediction model(TuckER), our approach achieves 80.4 for the hits@10 metric (predicts the top 10 options for missing entities in the knowledge graph), and 0.75 for the MRR (mean reciprocal rank). We also propose a framework to automate the extraction of thousands of entities and relations into RDF triples, both manually and automatically, at the sentence level from1,100 malware threat intelligence reports and from the com-mon vulnerabilities and exposures (CVE) database.
• Abstract（参考訳）: マルウェア攻撃に関する大量の脅威インテリジェンス情報は、異なる、典型的には構造化されていないフォーマットで利用できます。 知識グラフは、エンティティとリレーションで表現されたrdfトリプルを使用して、この情報とそのコンテキストをキャプチャできる。 しかし、スパースまたは不正確な脅威情報は、不完全または誤ったトリプルなどの課題につながります。 名前付きエンティティ認識(NER)と知識グラフを投入するために使用される関係抽出(RE)モデルは、完全にグアランティーの正確な情報検索ができず、この問題をさらに悪化させる。 本稿では,マルウェアの脅威知能に対する最初のオープンソース自動知識グラフであるMalKGという,マルウェア知識グラフをエンドツーエンドで生成する手法を提案する。 MT40K1と呼ばれるMalKGデータセットには、27,354のユニークなエンティティと34の関係から生成された約40,000のトリプルが含まれています。 知識グラフでマルウェアの脅威情報欠落を予測するMalKGinの適用を実証します。 MT3Kと呼ばれる知識グラフは、5,741個のユニークな実体と22個の関係から3,027個のトリプルを生成する。 最先端のエンティティ予測モデル(TuckER)によるエンティティ予測では、hips@10メトリック(知識グラフの不足エンティティの上位10オプションを予測)の80.4、MRR(平均相互ランク)の0.75を達成しています。 また,1,100件のマルウェア脅威情報報告およびcom-mon vulnerabilities and exposures(cve)データベースからの文レベルで,手作業と自動でrdfトリプルへの数千のエンティティとリレーションの抽出を自動化するフレームワークを提案する。

関連論文リスト

• MultiKG: Multi-Source Threat Intelligence Aggregation for High-Quality Knowledge Graph Representation of Attack Techniques [7.4166591335540595]
  複数の脅威知識ソースを統合する完全自動化フレームワークであるMultiKGを提案する。 我々はMultiKGを実装し,CTIレポートから1015個の実攻撃手法と9,006個の攻撃インテリジェンスエントリを用いて評価した。 その結果,MultiKGは多様な情報源から攻撃知識グラフを効果的に抽出し,それらを正確な包括的表現に集約することがわかった。
  論文  参考訳（メタデータ） (2024-11-13T06:15:48Z)
• KGV: Integrating Large Language Models with Knowledge Graphs for Cyber Threat Intelligence Credibility Assessment [38.312774244521]
  本稿では,CTI(Cyber Threat Intelligence)品質評価フレームワークの知識グラフに基づく検証手法を提案する。 提案手法では,検証対象のOSCTIキークレームを自動的に抽出するLarge Language Models (LLM)を導入している。 研究分野のギャップを埋めるために、異種情報源からの脅威情報評価のための最初のデータセットを作成し、公開しました。
  論文  参考訳（メタデータ） (2024-08-15T11:32:46Z)
• KERMIT: Knowledge Graph Completion of Enhanced Relation Modeling with Inverse Transformation [19.31783654838732]
  大規模言語モデルを用いてコヒーレントな記述を生成し,クエリと回答のセマンティックなギャップを埋める。 また、逆関係を利用して対称グラフを作成し、KGCのための強化トレーニングサンプルを提供する。 提案手法は,WN18RRではHit@1が4.2%,FB15k-237ではHit@3が3.4%向上し,優れた性能を示した。
  論文  参考訳（メタデータ） (2023-09-26T09:03:25Z)
• Normalizing Flow-based Neural Process for Few-Shot Knowledge Graph Completion [69.55700751102376]
  FKGC (Few-shot Knowledge Graph completion) は、失明した事実を、無意味な関連のある事実で予測することを目的としている。 既存のFKGC手法はメートル法学習やメタラーニングに基づいており、しばしば分布外や過度に適合する問題に悩まされる。 本稿では,数ショット知識グラフ補完(NP-FKGC)のためのフローベースニューラルプロセスの正規化を提案する。
  論文  参考訳（メタデータ） (2023-04-17T11:42:28Z)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• Ontology-driven Knowledge Graph for Android Malware [1.4856472820492366]
  MalONT2.0は、研究者がアンドロイドマルウェア攻撃のセマンティックおよび統語的特徴を収集するクラスと関係を広範囲にキャプチャすることを可能にする。 インターネット上で共有され、構造化されていないテキスト形式で書かれたアンドロイド脅威インテリジェンスに関するCTIのレポートから、Mのマルウェアの特徴が抽出されている。 マルウェアの特徴を捉えた情報の最小単位は、頭と尾のエンティティからなるトリプルとして記述され、それぞれが関係に結び付けられている。
  論文  参考訳（メタデータ） (2021-09-03T14:12:07Z)
• Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
  知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。 既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。 本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:21:36Z)
• Type-augmented Relation Prediction in Knowledge Graphs [65.88395564516115]
  本稿では,タイプ情報とインスタンスレベルの情報の両方を関係予測に適用するタイプ拡張関係予測(TaRP)手法を提案する。 提案手法は,4つのベンチマークデータセット上での最先端手法よりも高い性能を実現する。
  論文  参考訳（メタデータ） (2020-09-16T21:14:18Z)
• MALOnt: An Ontology for Malware Threat Intelligence [19.57441168490977]
  マルウェアの脅威情報により、マルウェア、脅威アクター、およびそれらの戦術に関する詳細な情報が明らかにされる。 MALOntは構造化された情報抽出と知識グラフ生成を可能にする。
  論文  参考訳（メタデータ） (2020-06-20T00:25:07Z)
• Stealing Links from Graph Neural Networks [72.85344230133248]
  最近、ニューラルネットワークはグラフニューラルネットワーク(GNN)として知られるグラフデータに拡張された。 優れたパフォーマンスのため、GNNは医療分析、レコメンダシステム、不正検出など多くのアプリケーションを持っている。 グラフ上でトレーニングされたGNNモデルの出力からグラフを盗む最初の攻撃を提案する。
  論文  参考訳（メタデータ） (2020-05-05T13:22:35Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。