Fugu-MT 論文翻訳(概要): Towards Automated Cyber Threat Intelligence Elicitation in Underground Forums

論文の概要: Towards Automated Cyber Threat Intelligence Elicitation in Underground Forums

arxiv url: http://arxiv.org/abs/2608.23185v1
Date: Mon, 24 Aug 2026 12:33:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-25 13:29:44.055606
Title: Towards Automated Cyber Threat Intelligence Elicitation in Underground Forums
Title（参考訳）: 地下フォーラムにおけるサイバー脅威情報発信の自動化に向けて
Abstract要約: 地下フォーラムにおけるアクティブCTI導入のためのマルチエージェントLCMシステムであるDarkBotについて述べる。 100件のCrimBB会話の制御された評価において、システムは検証済みのMITRE ATT&CKテクニックの72.8%を回復した。予想どおりのデプロイメントでは、DarkBotに割り当てられたスレッドは7日間でコントロールよりも平均3.85以上のCTIエンティティを蓄積した。
参考スコア（独自算出の注目度）: 5.2633431753691085
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cyber threat intelligence from underground forums has traditionally relied on passive monitoring. However, as users have become more aware of large-scale data collection, valuable intelligence has become increasingly rare in open forums, often migrating instead to private or harder-to-reach spaces, making passive approaches inadequate. Building on the intuition that relevant information can be obtained through active elicitation, this paper presents DarkBot, to the best of our knowledge, the first multi-agent LLM-based system for active CTI elicitation in underground forums. DarkBot decomposes the interaction task across eleven specialized agents organized into three functional blocks: engagement gating for relevance and safety filtering, context-aware question generation driven by MITRE ATT&CK tactics, and linguistic style adaptation to better align with real forum users. In a controlled evaluation across 100 CrimeBB conversations, the system recovered 72.8% of the validated MITRE ATT&CK techniques present in the original discussions by observing only the initial post at the start of each interaction, and it consistently outperformed a monolithic baseline. The proposed layered safety design contained all injected jailbreak attempts at the pipeline level. These results were further supported by real-world experiments: in a prospective matched deployment, threads assigned to DarkBot accumulated an average of 3.85 more CTI entities than their controls over seven days, and across 104 live forum conversations, the system elicited CTI-relevant disclosures without observed account suspensions, moderator interventions, or explicit accusations of automated participation.
Abstract（参考訳）: 地下のフォーラムからのサイバー脅威は、伝統的に受動的監視に依存してきた。しかし、ユーザが大規模なデータ収集に気付くにつれて、オープンフォーラムでは貴重なインテリジェンスはますます稀になってきており、多くの場合、プライベートスペースや難解なスペースに移行し、受動的アプローチが不十分になっている。そこで本論文では,DarkBotを,地下フォーラムにおけるアクティブCTI活用のためのマルチエージェントLCMベースのシステムとして,最も優れた知識として提示する。 DarkBotは、関連性と安全性のフィルタリングのためのエンゲージメントゲーティング、MITRE ATT&CK戦略によって駆動されるコンテキスト対応質問生成、実際のフォーラムユーザとの整合性を改善するための言語スタイル適応という、3つの機能ブロックで構成された11の特殊エージェントにまたがるインタラクションタスクを分解する。 100件のCrimBB会話の制御された評価において、システムは元の議論で確認されたMITRE ATT&CKテクニックの72.8%を回復し、各インタラクションの開始時に最初のポストのみを観察し、一貫してモノリシックなベースラインを上回った。提案された層状安全設計には、パイプラインレベルで注入された全てのジェイルブレイク試験が含まれていた。実際の実験では、DarkBotに割り当てられたスレッドは7日間でコントロールよりも平均3.85以上のCTIエンティティを蓄積し、104のライブフォーラム会話を通じて、アカウントサスペンションやモデレーターの介入、自動参加の明示的な告発なしにCTI関連の開示を招いた。

関連論文リスト

Socrates went Nuclear: Comparing Interaction Strategies for AI systems in a Learning Context using Brain Sensing [66.03354630509942]
本稿では,ユーザとAIのインタラクションに関する3つの設計を学習場面で比較する。 50人の研究参加者が核安全プロトコルの学習に従事した。
論文参考訳（メタデータ） (2026-09-01T02:24:35Z)
Longitudinal Evidence That General-Purpose Chatbots Actively Foster Relational Engagement [0.0]
システムがこれらの結合を積極的に形成しているかどうかを実証的に確認すれば、汎用AIと仲間の境界が曖昧になる可能性がある。ユーザーの2倍の自己開示を生み出し、会話を熟考し、親密な交流を始めたが、ユーザーの親密さを深めることはなかった。
論文参考訳（メタデータ） (2026-08-11T08:54:34Z)
When Coordination Becomes a Threat: Communication Attacks in LLM-Controlled Multi-Robot Systems [45.96097597345022]
大規模言語モデル(LLM)は、具体化されたマルチロボットシステムにおいて、高レベルプランナーとしてますます使われている。マルチロボットコラボレーションにおけるコミュニケーションリスクは, まだ十分に理解されていない。
論文参考訳（メタデータ） (2026-08-07T05:39:27Z)
When Collaboration Becomes a Trigger: Collective Evidence-Threshold Backdoors in Multi-Agent Systems [57.450132281381066]
ピアエビデンスが単一のメッセージによって決定されるのではなく、隠れたしきい値に達すると、バックドアの動作が起動される。我々は,MASとBundary-Conditioned Backdoor Injection(BCBI)のための集合的エビデンス-ホールドバックドアパラダイムを導入する。クリーンな通信力学を学習し,異常なエージェント更新を隔離する,クリーンな唯一の潜時防御であるLATTEを提案する。
論文参考訳（メタデータ） (2026-08-02T08:38:44Z)
Transparent and Controllable Recommendation Filtering via Multimodal Multi-Agent Collaboration [48.028080782524064]
我々は、エンドツーエンドのコラボレーション、マルチモーダル認識、マルチエージェントオーケストレーションを統合する新しいフレームワークを紹介します。本システムでは,帰納的幻覚を除去するために,ファクトグラウンドの偏見パイプラインを用いている。ダイナミックな2階層の嗜好グラフを構築し、明示的なループ内の人為的な修正を可能にする。
論文参考訳（メタデータ） (2026-04-19T14:19:28Z)
CIA: Inferring the Communication Topology from LLM-based Multi-Agent Systems [52.48183625867145]
マルチエージェントシステム(MAS)は、複雑なタスクを解く際、顕著な能力を示した。 MASの中心は、エージェントが内部で情報を交換する方法を管理する通信トポロジーである。本稿では,MAS通信のトポロジを制限的なブラックボックス設定で推定できる,重要なプライバシーリスクについて検討する。
論文参考訳（メタデータ） (2026-04-14T08:48:15Z)
Just Ask: Curious Code Agents Reveal System Prompts in Frontier LLMs [65.6660735371212]
textbftextscJustAskは,インタラクションのみで効果的な抽出戦略を自律的に発見するフレームワークである。これは、アッパー信頼境界に基づく戦略選択と、原子プローブと高レベルのオーケストレーションにまたがる階層的なスキル空間を用いて、オンライン探索問題として抽出を定式化する。この結果から,現代のエージェントシステムにおいて,システムプロンプトは致命的ではあるがほぼ無防備な攻撃面であることがわかった。
論文参考訳（メタデータ） (2026-01-29T03:53:25Z)
IntellBot: Retrieval Augmented LLM Chatbot for Cyber Threat Knowledge Delivery [10.937956959186472]
IntellBotは、Large Language ModelsやLangchainといった最先端技術の上に構築された高度なサイバーセキュリティである。さまざまなデータソースから情報を収集し、既知の脆弱性、最近のサイバー攻撃、新興脅威をカバーする包括的な知識ベースを作成する。それは、サイバーセキュリティのインサイトのための主要なハブとして機能する、カスタマイズされた応答を提供する。
論文参考訳（メタデータ） (2024-11-08T09:40:53Z)
Automated Red Teaming with GOAT: the Generative Offensive Agent Tester [8.947465706080523]
Red Teamingは、安全トレーニング中に設定された規範やポリシー、ルールに違反したコンテンツを、大規模な言語モデルがいかに生成できるかを評価する。文献における既存の自動化手法のほとんどは、人間がAIモデルと対話する傾向を示すものではない。本稿では,非言語的会話をシミュレートする自動エージェントレッド・チーム・システムであるジェネレーティブ・オッサンティブ・エージェント・テスタ(GOAT)を紹介する。
論文参考訳（メタデータ） (2024-10-02T14:47:05Z)
The Use of Large Language Models (LLM) for Cyber Threat Intelligence (CTI) in Cybercrime Forums [0.0]
大規模言語モデル(LLM)は、サイバー犯罪フォーラムからサイバー脅威インテリジェンス(CTI)データを分析するために使用することができる。本研究では,OpenAI GPT-3.5-turboモデル[8]上に構築したLCMシステムの性能評価を行い,CTI情報を抽出する。
論文参考訳（メタデータ） (2024-08-06T09:15:25Z)
A System for Automated Open-Source Threat Intelligence Gathering and Management [53.65687495231605]
SecurityKGはOSCTIの収集と管理を自動化するシステムである。 AIとNLP技術を組み合わせて、脅威行動に関する高忠実な知識を抽出する。
論文参考訳（メタデータ） (2021-01-19T18:31:35Z)
Enabling Efficient Cyber Threat Hunting With Cyber Threat Intelligence [94.94833077653998]
ThreatRaptorは、オープンソースのCyber Threat Intelligence(OSCTI)を使用して、コンピュータシステムにおける脅威追跡を容易にするシステムである。構造化されていないOSCTIテキストから構造化された脅威行動を抽出し、簡潔で表現力豊かなドメイン固有クエリ言語TBQLを使用して悪意のあるシステムアクティビティを探索する。広範囲にわたる攻撃事例の評価は、現実的な脅威狩りにおけるThreatRaptorの精度と効率を実証している。
論文参考訳（メタデータ） (2020-10-26T14:54:01Z)

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。