論文の概要: TTPrint: Evidence-Grounded TTP Extraction via Diverge-then-Converge Verification

• arxiv url: http://arxiv.org/abs/2605.25836v1
• Date: Mon, 25 May 2026 13:31:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.141742
• Title: TTPrint: Evidence-Grounded TTP Extraction via Diverge-then-Converge Verification
• Title（参考訳）: TTPrint: Diverge-then-Converge 検証によるTTP抽出の証拠化
• Authors: Yutong Cheng, Changze Li, Raihan Sultan Pasha Basuki, Qian Cui, Wei Ding, Peng Gao,
• Abstract要約: サイバー脅威インテリジェンス(CTI)レポートからMITRE ATT&CKテクニックを抽出することは、オープンセットのマルチラベル問題である。 既存の手法は様々な攻撃記述にまたがって一般化性に欠ける。 我々は、人間のアナリストの働きにインスパイアされた分散収束設計を通じて、この課題に対処するTPrintを提案する。
• 参考スコア（独自算出の注目度）: 12.412754988937644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Extracting MITRE ATT&CK techniques from cyber threat intelligence (CTI) reports is an open-set, multi-label problem requiring both high recall (not missing techniques) and high precision (not hallucinating unsupported ones). Existing methods--rule-based, supervised, and LLM-based--struggle to achieve both: rule-based and supervised approaches lack generalizability across diverse attack descriptions, while LLM-based approaches that couple candidate generation and validation within a single inference step suffer from limited recall and precision simultaneously. We propose TTPrint, which addresses this challenge through a diverge-then-converge design inspired by how human analysts work: first extracting broadly, then verifying rigorously. In the divergent phase, reports are decomposed into atomic behaviors and candidate techniques are proposed broadly. A deterministic span localization stage then anchors each candidate to a specific evidence window in the source text. A convergent verification stage retains only candidates supported by both the localized evidence and the authoritative MITRE definition. We contribute two evaluation resources--a cleaned TRAM benchmark (TRAM-Clean) and a new annotated dataset (TTPrint-Bench)--to address known annotation noise in existing benchmarks and elevate the task to document-level TTP extraction. On TRAM-Clean and TTPrint-Bench, TTPrint achieves 76.48% and 87.39% macro-F1 respectively, outperforming the leading baseline by 63.5% and 29.4%. A multi-backbone analysis across six LLMs and a threshold sensitivity study further demonstrate generalizability across model choices and provide practical guidance for parameter selection.
• Abstract（参考訳）: サイバー脅威インテリジェンス(CTI)レポートからMITRE ATT&CKテクニックを抽出することは、高いリコール(テクニックの欠如)と高い精度(幻覚的でないもの)の両方を必要とする、オープンセットのマルチラベル問題である。 ルールベース、教師あり、LLMベースの両方を達成するための既存の方法:ルールベースと教師ありのアプローチは、様々なアタック記述にまたがる一般化性に欠ける一方、単一の推論ステップ内で候補生成と検証を結合するLLMベースのアプローチは、リコールと精度の制限に悩まされている。 TTPrintは、人間のアナリストの働きにインスパイアされた多角的収束設計により、この問題に対処し、まず広範囲に抽出し、次に厳密に検証する。 発散段階では、報告は原子の挙動に分解され、候補技術が広く提案される。 決定論的スパンローカライゼーションステージは、ソーステキスト内の特定のエビデンスウィンドウに各候補をアンカーする。 収束検証段階は、局所的な証拠と権威的なMITRE定義の両方によって支持される候補のみを保持する。 TRAMベンチマーク(TRAM-Clean)とTTPrint-Benchデータセット(TTPrint-Bench)という,既存のベンチマークにおける既知のアノテーションノイズに対処し,タスクを文書レベルのTP抽出に高めるための2つの評価リソースを提供する。 TRAM-Clean と TTPrint-Bench では、TTPrint はそれぞれ76.48% と87.39% のマクロF1を達成し、主要なベースラインを63.5% と29.4% で上回っている。 6つのLDMにわたるマルチバックボーン解析としきい値感度の研究により、モデル選択における一般化可能性をさらに証明し、パラメータ選択のための実用的なガイダンスを提供する。

関連論文リスト

• A Multi-Agent Approach for Claim Verification from Tabular Data Documents [18.378832846091594]
  本稿では,Planner,Executor,Verifierの3つの特殊エージェントからなる,Clarim Validation(MACE)のためのマルチエージェントフレームワークを提案する。 MACEは解釈可能な検証トレースを生成し、Plannerは明確な推論戦略を生成し、Executorは詳細な計算ステップを提供し、Verifierはロジックを検証する。
  論文  参考訳（メタデータ） (2026-04-19T03:13:41Z)
• DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
  本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。 ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
  論文  参考訳（メタデータ） (2026-04-14T14:39:26Z)
• LLM-based Schema-Guided Extraction and Validation of Missing-Person Intelligence from Heterogeneous Data Sources [0.7734726150561088]
  行方不明者や子どもの安全に関する調査は、構造化フォーム、掲示板スタイルのポスター、物語ウェブプロファイルなど、異種ケース文書に依存している。 レイアウト、用語、データ品質の変化は、急激なトリアージ、大規模分析、探索計画を妨げる。 本稿では、AIによる解析および正規化パイプラインであるGuardian Packを紹介し、マルチソース調査文書を統一されたスキーマ準拠の表現に変換する。
  論文  参考訳（メタデータ） (2026-04-08T01:35:56Z)
• DecepGPT: Schema-Driven Deception Detection with Multicultural Datasets and Robust Multimodal Learning [64.33887406863899]
  マルチモーダル偽装検出は、法医学とセキュリティのための聴覚的手がかりを解析することにより、偽装行動を特定することを目的としている。 既存のベンチマークでは、中間的な推論手段を使わずにバイナリラベルのみを提供する。 構造的キューレベルの記述と推論チェーンを用いた推論データセットを構築した。 1695年のサンプルでは、非実験的偽装検出データセットとしては最大である。
  論文  参考訳（メタデータ） (2026-03-25T04:06:36Z)
• CoT-Saliency: Unified Chain-of-Thought Reasoning for Heterogeneous Saliency Tasks [96.64597365827046]
  本稿では,3つの運用上不均一なサリエンシタスクを共同で処理する,最初の統合フレームワークを提案する。 タスクの不均一性を橋渡しする視覚言語モデル(VLM)において、チェーン・オブ・ソート(CoT)推論プロセスを導入する。 我々は,全タスクにまたがる特別なSOTA手法と強力なクローズドソースVLMの整合性を示す。
  論文  参考訳（メタデータ） (2025-11-01T04:37:01Z)
• SPARE: Single-Pass Annotation with Reference-Guided Evaluation for Automatic Process Supervision and Reward Modelling [58.05959902776133]
  私たちはSingle-Passを紹介します。 Reference-Guided Evaluation (SPARE)は、効率的なステップごとのアノテーションを可能にする新しい構造化フレームワークである。 数学的推論(GSM8K, MATH)、マルチホップ質問応答(MuSiQue-Ans)、空間推論(SpaRP)にまたがる4つの多様なデータセットにおけるSPAREの有効性を実証する。 ProcessBenchでは、SPAREがデータ効率のよいアウト・オブ・ディストリビューションの一般化を実証し、トレーニングサンプルの$sim$16%しか使用していない。
  論文  参考訳（メタデータ） (2025-06-18T14:37:59Z)
• Document-Level Tabular Numerical Cross-Checking: A Coarse-to-Fine Approach [27.581678327762003]
  情報開示文書の表間の数値的な一貫性は 正確性を確保し 信頼性を維持し 評判と経済のリスクを維持するために 不可欠です 本稿では,これら課題に対処する新しいフレームワークであるCoFiTCheckを紹介する。 CoFiTCheckは、実用効率を維持しながら、従来の方法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2025-06-16T10:17:21Z)
• SUTA-LM: Bridging Test-Time Adaptation and Language Model Rescoring for Robust ASR [58.31068047426522]
  テスト時間適応(TTA)は、推論中にモデルを調整することで緩和することを目的としている。 最近の研究は、ビーム探索再構成や生成誤り訂正といった手法を用いて、TTAと外部言語モデルの組み合わせについて検討している。 本稿では,SUTAの簡易かつ効果的な拡張であるSUTA-LMを提案する。 18種類のASRデータセットの実験により、SUTA-LMは幅広い領域で堅牢な結果が得られることが示された。
  論文  参考訳（メタデータ） (2025-06-10T02:50:20Z)
• Chain of Evidences and Evidence to Generate: Prompting for Context Grounded and Retrieval Augmented Reasoning [3.117335706912261]
  チェイン・オブ・エビデンス(CoE)とエビデンス・トゥ・ジェネレーション(E2G)は2つのユニークな戦略に基づいて構築されている。 根拠のない推論の主張の代わりに、我々の革新的なアプローチは「意思決定の証拠」の力を利用する。 我々のフレームワークは、様々な知識集約的推論および生成タスクにおいて、常に顕著な結果を達成する。
  論文  参考訳（メタデータ） (2024-01-11T09:49:15Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)

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。