論文の概要: DisCTI: Who Needs to Know Timely? Automated Sector-Aware Cyber Threat Intelligence Dissemination

• arxiv url: http://arxiv.org/abs/2608.27967v1
• Date: Fri, 28 Aug 2026 06:22:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.226791
• Title: DisCTI: Who Needs to Know Timely? Automated Sector-Aware Cyber Threat Intelligence Dissemination
• Title（参考訳）: DisCTI:誰がタイムリーに知っておく必要があるのか?
• Abstract要約: サイバー脅威インテリジェンス(CTI)は、組織が迅速かつ効果的なインシデント対応をマウントするために重要である。 妥当なCTIが適切なタイミングで適切なセクターに配信されると、同一の攻撃を封じ込めたり軽減したりすることができる。
• 参考スコア（独自算出の注目度）: 15.620131939652333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The timely dissemination of cyber threat intelligence (CTI) is critical for organizations to mount swift and effective incident response. When valid CTI is delivered to the right sector at the right time, identical attacks can often be contained or mitigated. However, today's rapidly expanding CTI landscape overwhelms analysts, who must sift through massive and heterogeneous feeds. Existing platforms such as the Malware Information Sharing Platform (MISP) provide sector tagging features (e.g., energy, finance, government), but in practice, these remain largely unmapped (98% of events are left uncategorized). This lack of automated and timely sector mapping severely limits the operational value of shared intelligence, leaving organizations that belong especially to the critical information infrastructure sector exposed. To address this gap, we formulate sector-targeted CTI dissemination as a multilabel classification problem. Leveraging deep field knowledge of CTI structures and sector-specific threat patterns, we construct a novel data set of 872 sector-labelled CTI events from a threat intelligence platform (TIP). We then apply BERT, a transformer-based model, to automate the mapping of CTI events to sectors. Using the structured threat information expression (STIX) format for cross-platform interoperability, our approach achieves a macro-averaged F1-score of 0.89 at a Hamming loss of 0.055 on the custom dataset, i.e. 94.5% of individual sector-label assignments are correct. These results not only demonstrate the feasibility of sector-aware, automated CTI dissemination but also highlight how embedding expert field knowledge into machine learning design fills a crucial gap in the threat intelligence pipeline, enabling faster and context-relevant defensive action.
• Abstract（参考訳）: サイバー脅威インテリジェンス(CTI)のタイムリーな普及は、組織が迅速かつ効果的なインシデント対応をマウントするために重要である。 妥当なCTIが適切なタイミングで適切なセクターに配信されると、同一の攻撃を封じ込めたり軽減したりすることができる。 しかし、今日の急成長するCTIの状況は、巨大で異質なフィードを掘り下げなければならないアナリストを圧倒している。 既存のMulware Information Sharing Platform(MISP)のようなプラットフォームでは、セクタータグ付け機能(エネルギー、金融、政府など)が提供されているが、実際にはこれらはほとんどマップされていない(イベントの98%は未分類のまま)。 この自動化されたタイムリーなセクタマッピングの欠如は、共有インテリジェンスの運用価値を著しく制限します。 このギャップに対処するために、セクターターゲットのCTI普及を多ラベル分類問題として定式化する。 脅威情報プラットフォーム (TIP) から, CTI構造とセクター固有の脅威パターンの深層フィールド知識を活用して, 脅威情報プラットフォーム (TIP) から, セクターが混在するCTIイベントの新たなデータセットを構築した。 次に、変換器ベースのモデルであるBERTを適用して、CTIイベントのセクターへのマッピングを自動化する。 クロスプラットフォーム相互運用性のための構造化脅威情報表現 (STIX) フォーマットを用いて, 個別セクターラベルの割り当ての94.5%が正しい, カスタムデータセット上でのハミング損失0.055において, マクロ平均F1スコア0.89を達成する。 これらの結果は、セクタ対応で自動化されたCTIの普及の可能性を示すだけでなく、マシンラーニング設計に専門家のフィールド知識を組み込むことが、脅威インテリジェンスパイプラインにおける決定的なギャップを埋めることによって、より高速でコンテキストに依存した防御行動を可能にすることを強調している。

関連論文リスト

• STINER: Automated Extraction of Strategic Cyber Threat Intelligence from X [0.09250499188057121]
  ソーシャルメディアストリームから戦略的インテリジェンスを抽出するための分類学および専門家注釈コーパスであるSTINERを紹介する。 現実世界のアラート2,100件の高品質でエキスパートアノテートされたデータセットを構築します。 ベンダーの脅威ランドスケープレポートの振り返りに先立って,STINERがSafePayランサムウェアキャンペーンの早期シグナルを発生させる方法を示す。
  論文  参考訳（メタデータ） (2026-08-14T15:59:56Z)
• The CTI Echo Chamber: Fragmentation, Overlap, and Vendor Specificity in Twenty Years of Cyber Threat Reporting [16.828626805387177]
  オープンソースのCyber Threat Intelligence(CTI)が大量にあるにも関わらず、我々の長期的な脅威であるアクターと被害者のダイナミクスに対する理解はいまだに断片的だ。 我々は20年間にわたるオープンソースのCTIレポートを大規模に自動分析した。
  論文  参考訳（メタデータ） (2026-02-19T15:25:09Z)
• CTIArena: Benchmarking LLM Knowledge and Reasoning Across Heterogeneous Cyber Threat Intelligence [48.63397742510097]
  サイバー脅威インテリジェンス(CTI)は現代のサイバーセキュリティの中心であり、進化する脅威を検出し緩和するための重要な洞察を提供する。 大規模言語モデル(LLM)の自然言語理解と推論能力により、CTIに適用することへの関心が高まっている。 異種マルチソースCTI上でLLM性能を評価するための最初のベンチマークであるCTIArenaを提案する。
  論文  参考訳（メタデータ） (2025-10-13T22:10:17Z)
• CTI Dataset Construction from Telegram [2.3600025563528395]
  サイバー脅威インテリジェンス(CTI)は、組織がサイバー脅威を予測し、検出し、進化させることを可能にする。 近年、Telegramは貴重なCTIソースとして有名になり、タイムリーで多様な脅威関連情報を提供している。 本稿では,Telegramから脅威関連コンテンツを体系的に収集・フィルタリングするエンドツーエンドの自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-09-25T09:27:10Z)
• Application of Machine Learning Techniques for Secure Traffic in NoC-based Manycores [44.99833362998488]
  本論文は,NoCベースのマルチコアシステムにおけるDoS攻撃を検出するために,機械学習と時系列を用いたIDS手法を探索する。 マルチコアNoCからトラフィックデータを抽出し,抽出したデータから学習手法を実行する必要がある。 開発されたプラットフォームは、低レベルのプラットフォームでデータを検証します。
  論文  参考訳（メタデータ） (2025-01-21T10:58:09Z)
• Towards a scalable AI-driven framework for data-independent Cyber Threat Intelligence Information Extraction [0.0]
  本稿では、効率的なCTI情報抽出のために設計されたスケーラブルなAIベースのフレームワークである0-CTIを紹介する。 提案システムは、CTIレポートの完全なテキストシーケンスを処理し、名前付きエンティティとその関係のサイバーオントロジーを抽出する。 私たちの貢献は、教師付き学習とゼロショット学習の両方をサポートするCTI情報抽出のための最初のモジュラーフレームワークである0-CTIの開発です。
  論文  参考訳（メタデータ） (2025-01-08T12:35:17Z)
• CTINexus: Automatic Cyber Threat Intelligence Knowledge Graph Construction Using Large Language Models [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI知識抽出法は柔軟性と一般化性に欠ける。 我々は,データ効率の高いCTI知識抽出と高品質サイバーセキュリティ知識グラフ(CSKG)構築のための新しいフレームワークであるCTINexusを提案する。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• CVE-driven Attack Technique Prediction with Semantic Information Extraction and a Domain-specific Language Model [2.1756081703276]
  本稿では、CVE記述を分析し、CVEによるTTP攻撃を推測する革新的な技術を用いて、TTP予測ツールを提案する。 TTPpredictorは、ラベル付きデータとCVEとTP記述のセマンティックな相違によって引き起こされる課題を克服する。 本報告では,CVE分類の95%から98%からATT&CK技術まで,約98%,F1スコアの精度でTTP予測器の有効性を実証した経験的評価を行った。
  論文  参考訳（メタデータ） (2023-09-06T06:53:45Z)
• ThreatKG: An AI-Powered System for Automated Open-Source Cyber Threat Intelligence Gathering and Management [65.0114141380651]
  ThreatKGはOSCTIの収集と管理のための自動化システムである。 複数のソースから多数のOSCTIレポートを効率的に収集する。 さまざまな脅威エンティティに関する高品質な知識を抽出するために、AIベースの専門技術を使用する。
  論文  参考訳（メタデータ） (2022-12-20T16:13:59Z)
• Towards Automated Classification of Attackers' TTPs by combining NLP with ML Techniques [77.34726150561087]
  我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。 本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-18T09:59:21Z)
• 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)

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。