論文の概要: TITAN: Graph-Executable Reasoning for Cyber Threat Intelligence
- arxiv url: http://arxiv.org/abs/2510.14670v1
- Date: Thu, 16 Oct 2025 13:27:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-17 21:15:14.874017
- Title: TITAN: Graph-Executable Reasoning for Cyber Threat Intelligence
- Title（参考訳）: TITAN: サイバー脅威インテリジェンスのためのグラフ実行可能な推論
- Authors: Marco Simoni, Aleksandar Fontana, Andrea Saracino, Paolo Mori,
- Abstract要約: TITAN(Threat Intelligence Through Automated Navigation)は、自然言語のサイバー脅威クエリと構造化知識グラフ上の実行可能な推論を接続するフレームワークである。
テキストから論理的関係連鎖を予測するパスプランナーモデルと、TITANオントロジーを横切るグラフエグゼキュータを統合して、事実の回答を取得し、証拠を支持する。
- 参考スコア（独自算出の注目度）: 39.96014423913743
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: TITAN (Threat Intelligence Through Automated Navigation) is a framework that connects natural-language cyber threat queries with executable reasoning over a structured knowledge graph. It integrates a path planner model, which predicts logical relation chains from text, and a graph executor that traverses the TITAN Ontology to retrieve factual answers and supporting evidence. Unlike traditional retrieval systems, TITAN operates on a typed, bidirectional graph derived from MITRE, allowing reasoning to move clearly and reversibly between threats, behaviors, and defenses. To support training and evaluation, we introduce the TITAN Dataset, a corpus of 88209 examples (Train: 74258; Test: 13951) pairing natural language questions with executable reasoning paths and step by step Chain of Thought explanations. Empirical evaluations show that TITAN enables models to generate syntactically valid and semantically coherent reasoning paths that can be deterministically executed on the underlying graph.
- Abstract（参考訳）: TITAN(Threat Intelligence Through Automated Navigation)は、自然言語のサイバー脅威クエリと構造化知識グラフ上の実行可能な推論を結びつけるフレームワークである。
テキストから論理的関係連鎖を予測するパスプランナーモデルと、TITANオントロジーを横切るグラフエグゼキュータを統合して、事実の回答を取得し、証拠を支持する。
従来の検索システムとは異なり、TITANはMITREから派生したタイプ付き双方向グラフ上で動作し、脅威、行動、防御の間で推論が明確かつ可逆的に移動できるようにする。
学習と評価を支援するため,TITAN Dataset(Train: 74258; Test: 13951)のコーパス)を紹介した。
実験的な評価により、TITANは、基礎となるグラフ上で決定的に実行できる構文的に妥当でセマンティックな推論パスをモデルが生成できることを示している。
関連論文リスト
- Path-of-Thoughts: Extracting and Following Paths for Robust Relational Reasoning with Large Language Models [62.12031550252253]
本稿では,関係推論に対処するための新しいフレームワークであるPath-of-Thoughts(PoT)を提案する。
PoTは、問題コンテキスト内の重要なエンティティ、関係、属性を識別するタスクに依存しないグラフを効率的に抽出する。
PoTは、提案された質問に対応するグラフ内の関連する推論連鎖を特定し、潜在的な答えの推論を容易にする。
論文 参考訳（メタデータ） (2024-12-23T20:27:12Z) - Beyond Chain-of-Thought, Effective Graph-of-Thought Reasoning in Language Models [74.40196814292426]
本稿では,人間の思考過程をチェーンとしてだけでなく,グラフとしてモデル化するグラフ・オブ・ソート(GoT)推論を提案する。
GoTは人間の思考の連続しない性質を捉え、思考プロセスのより現実的なモデリングを可能にします。
テキストのみの推論タスクとマルチモーダル推論タスクでGoTの性能を評価する。
論文 参考訳（メタデータ） (2023-05-26T02:15:09Z) - Logiformer: A Two-Branch Graph Transformer Network for Interpretable
Logical Reasoning [10.716971124214332]
テキストの論理的推論に2分岐グラフ変換器ネットワークを利用するエンドツーエンドモデルLogiformerを提案する。
テキストを2つの論理単位に分割し,それぞれ論理グラフと構文グラフを構築する。
推論プロセスは、人間の認知と整合した論理単位を用いることで解釈可能性を提供する。
論文 参考訳（メタデータ） (2022-05-02T08:34:59Z) - MERIt: Meta-Path Guided Contrastive Learning for Logical Reasoning [63.50909998372667]
テキストの論理的ReasonIngに対して,Metaパスを用いたコントラスト学習手法であるMERItを提案する。
2つの新しい戦略が我々の手法の必須要素である。
論文 参考訳（メタデータ） (2022-03-01T11:13:00Z) - Graph Collaborative Reasoning [18.45161138837384]
グラフ協調推論(GCR)は、論理的推論の観点からグラフ上の関係推論に隣接リンク情報を使用することができる。
そこで我々は,グラフ構造を論理式に変換する簡単な手法を提案し,リンク予測タスクをニューラルネットワーク推論問題に変換する。
本研究の有効性を示すため,一般的なベンチマークデータセットに基づくリンク予測やレコメンデーションなどのグラフ関連タスクの実験を行った。
論文 参考訳（メタデータ） (2021-12-27T14:27:58Z) - DAGN: Discourse-Aware Graph Network for Logical Reasoning [83.8041050565304]
本論文では,テキストの対話構造に依存した対話型グラフネットワーク (DAGN) を提案する。
本モデルは,基本談話単位(EDU)と談話関係を持つグラフとして談話情報を符号化し,下流QAタスクのためのグラフネットワークを介して談話認識特徴を学習する。
論文 参考訳（メタデータ） (2021-03-26T09:41:56Z) - A Graph Reasoning Network for Multi-turn Response Selection via
Customized Pre-training [11.532734330690584]
本稿では,この問題に対処するグラフ推論ネットワーク(GRN)を提案する。
GRNはまずALBERTに基づく事前トレーニングを行います。
次に、シーケンス推論とグラフ推論構造を備えた統合ネットワーク上でモデルを微調整する。
論文 参考訳（メタデータ） (2020-12-21T03:38:29Z) - Graph Backdoor [53.70971502299977]
GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。
GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。
トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
論文 参考訳（メタデータ） (2020-06-21T19:45:30Z)
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。