論文の概要: TagZilla: Automated Owner and Abuse Type Tagging for Indicators of Compromise in Threat Reports

• arxiv url: http://arxiv.org/abs/2608.28124v1
• Date: Fri, 28 Aug 2026 09:37:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.264043
• Title: TagZilla: Automated Owner and Abuse Type Tagging for Indicators of Compromise in Threat Reports
• Title（参考訳）: TagZilla: 脅威レポートにおける妥協の指標としての自動オーナと不正なタギング
• Authors: Gibran Gomez, Juan Caballero,
• Abstract要約: 本稿では,そのテキストを自動的に解析し,記述したIoC(Indicators of Compromise)をタグ付けするプラットフォームであるTagzillaについて述べる。 Tagzillaは、複数のアクターやマルウェアファミリーを記述したレポートでも、IoCをタグ付けできることを示す。
• 参考スコア（独自算出の注目度）: 4.810740477294745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber Threat Intelligence (CTI) reports often describe Indicators of Compromise (IoCs) such as IP addresses, URLs, file hashes, and cryptocurrency wallets involved in cyberattacks. Those IoCs are typically described in the unstructured report's text, or listed at the end of the report with little context, limiting their usefulness. This paper presents TagZilla, a platform that, given a threat report, automatically analyzes its text and tags the IoCs it describes with contextual information about the threat group and malware family that the IoC belongs to and the type of abuse associated with the IoC (e.g., phishing, sextortion, command-and-control). TagZilla provides a novel LLM-based approach to assign owner tags to IoCs using an open-world classification, and assigns 29 abuse type tags to IoCs using a closed-world classification. We evaluate TagZilla on a manually generated ground truth of 100 threat reports containing 1,534 indicators, where it achieves an F1 score of 0.94 for owner tagging and 0.93 for abuse type tagging. Then, we apply TagZilla to tag 765 threat reports, identifying 15,583 IoCs belonging to 637 malware families, 113 threat groups, and 162 other entities. The results show that TagZilla can tag IoCs even in reports describing multiple actors and malware families, enabling the generation of IoC profiles for those entities.
• Abstract（参考訳）: サイバー脅威インテリジェンス(CTI)レポートでは、IPアドレス、URL、ファイルハッシュ、サイバー攻撃に関わる暗号通貨ウォレットなど、IoC(Indicators of Compromise)をしばしば記述している。 これらのIoCは、通常、構造化されていないレポートのテキストで記述されるか、レポートの最後にはほとんどコンテキストがなく、その有用性を制限する。 本稿では、脅威報告を与えられたプラットフォームであるTagZillaについて、脅威グループとIoCが所属するマルウェアファミリーと、IoCに関連する虐待の種類(例えば、フィッシング、性行為、コマンド・アンド・コントロール)に関するコンテキスト情報を用いて、そのテキストとタグを自動解析する。 TagZillaは、オープンワールド分類を使用してIoCに所有者タグを割り当てる新しいLLMベースのアプローチを提供し、クローズドワールド分類を使用して29の虐待タイプのタグをIoCに割り当てる。 筆者らはTagZillaを1,534の指標を含む100件の脅威報告を手動で作成し、所有者タグ付けのF1スコア0.94、虐待型タグ付けの0.93と評価した。 そして、TagZillaを使って765件の脅威レポートをタグ付けし、637のマルウェアファミリーに属する15,583件のIoC、113件の脅威グループ、162件の他のエンティティを特定します。 その結果、TagZillaは複数のアクターやマルウェアファミリーを記述したレポートでもIoCをタグ付けすることができ、それらのエンティティに対するIoCプロファイルの生成を可能にした。

関連論文リスト

• BEACON: Behavior-Anchored Cross-Source Knowledge Graph Construction for Cyber Threat Intelligence [12.412754988937644]
  サイバー脅威インテリジェンス(サイバー脅威インテリジェンス、CTI)は、現代のサイバー防衛の基礎となっている。 BEACONは、クロスソースなCTI知識グラフ構築のためのフレームワークである。 我々は34の情報源から2つの人間注釈付きデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-08-28T14:49:46Z)
• ADeptS-Bench: Measuring the Trustworthiness of Computer Use Agents Across Devices [48.36933831982682]
  我々はADEPTS機能フレームワークを基盤とした信頼性ベンチマークであるADeptS-Benchを紹介する。 Safetyストリームは、視覚インターフェースに埋め込まれた脅威を伴うペアの良心/悪意のあるタスクを提供する。 曖昧さストリームは、意図が曖昧である場合、エージェントが明確化を求めるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-08-25T23:21:57Z)
• CVE-TTP KG: Knowledge Graph Linking Software Vulnerabilities to Attack Behaviors [3.4943147506551555]
  この作業は、脆弱性とMITRE ATT&CKフレームワークの振る舞いパターンを結びつけることでギャップを埋める。 CySecBERTのマクロF1スコアは87.71%(技術)と96.16%(戦術)である。 これらのアウトプットはNeo4jベースのCyber Threat Knowledge Graphに統合され、脆弱性の構造化された可視化を可能にする。
  論文  参考訳（メタデータ） (2026-06-30T12:14:22Z)
• Plant, Persist, Trigger: Sleeper Attack on Large Language Model Agents [64.80318459073526]
  敵のコンテンツは、同一のエージェントによって提供される相互作用にまたがって持続できることを示し、そのような脅威を検知し緩和することを困難にしている。 具体的には、敵対的コンテンツはエージェント状態に留まり、相互作用をまたいだ休眠状態に留まり、その後、良心的なユーザクエリによって活性化される。 我々は、このタイプの安全脅威をスリーパー攻撃として形式化し、評価するために、現実世界の有害な結果6つ、攻撃戦略3つ、エージェント状態の目標3つをカバーする1,896件のベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-27T09:25:37Z)
• ShieldNet: Network-Level Guardrails against Emerging Supply-Chain Injections in Agentic Systems [56.613157564882925]
  悪意のある行動は、一見良心的なツールに埋め込まれ、エージェントの実行を静かにハイジャックしたり、機密データをリークしたり、無許可のアクションをトリガーしたりする。 影響は拡大しているが、このような脅威を評価するための包括的なベンチマークは今のところ存在しない。 実ネットワークの相互作用を観測してサプライチェーン中毒を検出するネットワークレベルのガードレールフレームワークであるShieldNetを提案する。
  論文  参考訳（メタデータ） (2026-04-06T05:15:00Z)
• The Tag is the Signal: URL-Agnostic Credibility Scoring for Messages on Telegram [1.7231375714818624]
  本稿では,Telegram上での短絡メッセージのためのTAG2CREDパイプラインを提案する。 私たちのモデルは、テキストに割り当てられたタグに基づいて、各ポストを直接スコアします。 結果:TAG2CREDモデルのROC-AUCは0.871に達し,マクロF1値は0.787,ブライアスコアは0.167であった。
  論文  参考訳（メタデータ） (2026-01-19T18:47:36Z)
• Sorting Out the Bad Seeds: Automatic Classification of Cryptocurrency Abuse Reports [8.41409027960168]
  本稿では,暗号通貨不正報告を自動的に分類する新しい手法を提案する。 まず、頻繁に報告される虐待の19の分類を作成した。 次に、大きな言語モデル(LLM)を使用して、テキストを解釈し、分類学で乱用タイプを割り当てます。
  論文  参考訳（メタデータ） (2024-10-28T13:58:04Z)
• Unveiling Social Media Comments with a Novel Named Entity Recognition System for Identity Groups [2.5849042763002426]
  我々はアイデンティティグループのための名前付きエンティティ認識(NER)システムを開発した。 我々のツールは、文が攻撃を含むかどうかを検知するだけでなく、上記のグループに対応する文トークンもタグ付けする。 ソーシャルメディアに関するケーススタディで,Facebookのコメントを注釈付けし,IDグループに言及するニュースに関連するコメントと比較し,ツールの有用性を検証した。
  論文  参考訳（メタデータ） (2024-05-13T19:33:18Z)
• PRAT: PRofiling Adversarial aTtacks [52.693011665938734]
  PRofiling Adversarial aTacks (PRAT) の新たな問題点について紹介する。 敵対的な例として、PRATの目的は、それを生成するのに使用される攻撃を特定することである。 AIDを用いてPRATの目的のための新しいフレームワークを考案する。
  論文  参考訳（メタデータ） (2023-09-20T07:42:51Z)
• Description-Enhanced Label Embedding Contrastive Learning for Text Classification [65.01077813330559]
  モデル学習プロセスにおける自己監督型学習(SSL)と新しい自己監督型関係関係(R2)分類タスクの設計 テキスト分類とR2分類を最適化対象として扱うテキスト分類のための関係学習ネットワーク(R2-Net)の関係について検討する。 ラベルセマンティックラーニングのためのマルチアスペクト記述を得るためのWordNetからの外部知識。
  論文  参考訳（メタデータ） (2023-06-15T02:19:34Z)
• SciAnnotate: A Tool for Integrating Weak Labeling Sources for Sequence Labeling [55.71459234749639]
  SciAnnotateはSciAnnotateという名前のテキストアノテーションのためのウェブベースのツールで、科学的なアノテーションツールを指す。 我々のツールは、弱いラベルを作成するために複数のユーザフレンドリーなインターフェースを提供する。 本研究では,Bertifying Conditional Hidden Markov Modelを用いて,ツールが生成する弱いラベルを識別する手法を提案する。
  論文  参考訳（メタデータ） (2022-08-07T19:18:13Z)

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。