論文の概要: Tweezers: A Framework for Security Event Detection via Event Attribution-centric Tweet Embedding

• arxiv url: http://arxiv.org/abs/2409.08221v1
• Date: Thu, 12 Sep 2024 17:03:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-13 15:35:07.498386
• Title: Tweezers: A Framework for Security Event Detection via Event Attribution-centric Tweet Embedding
• Title（参考訳）: Tweezers: イベント属性中心のつぶやき埋め込みによるセキュリティイベント検出フレームワーク
• Authors: Jian Cui, Hanna Kim, Eugene Jang, Dayeon Yim, Kicheol Kim, Yongjae Lee, Jin-Woo Chung, Seungwon Shin, Xiaojing Liao,
• Abstract要約: 人造ツイートの大量のツイートと固有のノイズは、セキュリティイベントを正確に識別する上で困難を生じさせる。 本稿では、イベントの高精度化とカバレッジを実現するために、新しいイベント属性中心のつぶやき埋め込み手法を提案する。 我々は,TwitterからCTI収集のためのセキュリティイベント検出に適用可能なフレームワークであるTweezersを開発し,実装した。
• 参考スコア（独自算出の注目度）: 38.56778957406207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Twitter is recognized as a crucial platform for the dissemination and gathering of Cyber Threat Intelligence (CTI). Its capability to provide real-time, actionable intelligence makes it an indispensable tool for detecting security events, helping security professionals cope with ever-growing threats. However, the large volume of tweets and inherent noises of human-crafted tweets pose significant challenges in accurately identifying security events. While many studies tried to filter out event-related tweets based on keywords, they are not effective due to their limitation in understanding the semantics of tweets. Another challenge in security event detection from Twitter is the comprehensive coverage of security events. Previous studies emphasized the importance of early detection of security events, but they overlooked the importance of event coverage. To cope with these challenges, in our study, we introduce a novel event attribution-centric tweet embedding method to enable the high precision and coverage of events. Our experiment result shows that the proposed method outperforms existing text and graph-based tweet embedding methods in identifying security events. Leveraging this novel embedding approach, we have developed and implemented a framework, Tweezers, that is applicable to security event detection from Twitter for CTI gathering. This framework has demonstrated its effectiveness, detecting twice as many events compared to established baselines. Additionally, we have showcased two applications, built on Tweezers for the integration and inspection of security events, i.e., security event trend analysis and informative security user identification.
• Abstract（参考訳）: TwitterはCTI(Cyber Threat Intelligence)の普及と収集のための重要なプラットフォームとして認識されている。 リアルタイムで行動可能なインテリジェンスを提供する能力は、セキュリティイベントの検出に必須のツールであり、セキュリティ専門家がますます増加する脅威に対処するのに役立つ。 しかし、大量のツイートと人造ツイートの固有のノイズは、セキュリティイベントを正確に識別する上で重要な課題となっている。 多くの研究は、キーワードに基づいてイベント関連ツイートをフィルタリングしようとしたが、ツイートの意味を理解するのに制限があるため効果がない。 Twitterによるセキュリティイベント検出のもうひとつの課題は、セキュリティイベントの包括的カバレッジだ。 これまでの研究では、セキュリティイベントの早期検出の重要性を強調していたが、イベントカバレッジの重要性を見落としていた。 これらの課題に対処するため,本稿では,イベントの高精度とカバレッジを実現するために,新しいイベント属性中心のつぶやき埋め込み手法を提案する。 実験の結果,提案手法は,既存のテキストやグラフベースのつぶやき埋め込み手法よりも,セキュリティイベントの識別に優れていることがわかった。 この新たな埋め込みアプローチを活用して,TwitterからCTI収集用のセキュリティイベント検出に適用可能なフレームワークであるTweezersを開発し,実装した。 このフレームワークは、確立されたベースラインの2倍のイベントを検出することで、その効果を実証している。 さらに、セキュリティイベントの統合とインスペクション、すなわちセキュリティイベントトレンド分析と情報セキュリティユーザ識別のためのTweezers上に構築された2つのアプリケーションを紹介した。

関連論文リスト

• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction [5.795017262737487]
  本稿では,ストリーミングソーシャルデータの言語的および文脈的表現を活用する新しいフレームワークであるEnrichEventを提案する。 提案するフレームワークは,イベントの時間的変化を示すために,各イベントのクラスタチェーンを生成する。
  論文  参考訳（メタデータ） (2023-07-29T21:37:55Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• On Informative Tweet Identification For Tracking Mass Events [0.0]
  本研究では,対象イベントに関連するツイートを自動的に識別する機械学習手法について検討する。 本稿では,手作り機能と自動学習機能の両方を活用するハイブリッドモデルを提案する。 実世界の出来事の大規模なデータセットに関する実験により、後者のアプローチは前者よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-14T15:10:42Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)
• Embed2Detect: Temporally Clustered Embedded Words for Event Detection in Social Media [1.7205106391379026]
  ワード埋め込みの採用により、Embed2Detectは強力なセマンティック機能をイベント検出に組み込むことができる。 以上の結果から,Embed2Detectは効率的かつ効率的なイベント検出が可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-06-10T15:52:52Z)

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。