論文の概要: BEACON: Behavior-Anchored Cross-Source Knowledge Graph Construction for Cyber Threat Intelligence

• arxiv url: http://arxiv.org/abs/2608.28394v1
• Date: Fri, 28 Aug 2026 14:49:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.368463
• Title: BEACON: Behavior-Anchored Cross-Source Knowledge Graph Construction for Cyber Threat Intelligence
• Title（参考訳）: BEACON: サイバー脅威インテリジェンスのための行動記述型クロスソース知識グラフ構築
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.412754988937644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber threat intelligence (CTI) is foundational to modern cyber defense, yet much of it resides in unstructured reports whose volume and heterogeneity far exceed manual analysis, motivating research on automatically constructing knowledge graphs from CTI reports. However, existing approaches mainly extract partial information within a single report, leaving the cross-source setting unexplored, where the same threat is given unrelated names. Our key insight is that attack behaviors, once mapped to MITRE ATT&CK (a standardized catalog of attack techniques), can anchor the rest of a report. Attack behaviors are the adversarial actions a report describes, while contextual entities (e.g., threat actors, campaigns, and affected products) and Indicators of Compromise (IoCs; e.g., IP addresses) are their participants and traces. Attaching them to these anchors places every per-report graph in one canonical space. We realize this insight in BEACON, an LLM-driven framework for cross-source CTI knowledge graph construction. Its first stage extracts each report into a graph under a propose-then-verify paradigm, grounding candidates in report evidence and official ATT&CK definitions, to suppress LLM misclassification and hallucination. Its second stage merges these graphs with a hierarchical alignment strategy that applies signals in decreasing order of determinism, from character-level and semantic similarity to overlapping technique neighborhoods, iterating as merges pool neighborhoods. No existing benchmark links entities to technique anchors or provides cross-source alignment ground truth. We therefore construct and release two human-annotated datasets from 34 sources: to our knowledge the largest for report-level CTI extraction (8,395 elements) and the first for cross-source consolidation (3,487). On them, BEACON outperforms all baselines by at least 23% and 9%, respectively.
• Abstract（参考訳）: 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が、そのほとんどが、手作業による分析よりも容積と不均一性がはるかに多い非構造化レポートに残っており、CTIレポートから知識グラフを自動構築する研究を動機付けている。 しかし、既存のアプローチでは、主に1つのレポート内で部分的な情報を抽出し、同じ脅威に無関係な名前が与えられるようなクロスソース設定を未探索のまま残している。 私たちの重要な洞察は、一度MITRE ATT&CK(標準的な攻撃テクニックのカタログ)にマッピングされた攻撃行動が、レポートの残りをアンロックできるということです。 攻撃行動は、レポートが記述する敵行為であり、コンテキスト的実体(例えば、脅威俳優、キャンペーン、影響を受ける製品)と妥協の指標(IoCs、IPアドレスなど)は、その参加者とトレースである。 これらのアンカーにそれらをアタッチすると、1つの標準空間にすべてのレポートグラフが配置される。 我々はこの知見を,オープンソースCTI知識グラフ構築のためのLLM駆動フレームワークBEACONで実現した。 その第1段階は、各レポートを提案検証パラダイムの下でグラフに抽出し、レポートエビデンスと公式のATT&CK定義の候補を根拠に、LSMの誤分類と幻覚を抑制する。 その第2段階は、これらのグラフと階層的なアライメント戦略を融合させ、決定性の順序を減少させる信号を適用する。 既存のベンチマークでは、エンティティをテクニックアンカーにリンクしたり、ソース間のアライメントに関する真実を提供することはない。 そこで我々は,34の情報源から,報告レベルのCTI抽出(8,395要素)とクロスソース統合(3,487要素)の2つの人文注釈データセットを構築し,公開する。 BEACONは、それぞれ少なくとも23%と9%のベースラインを上回ります。

関連論文リスト

• An Automated Framework for Extracting Reachable Attack Chains from Cyber Threat Intelligence Reports [8.445810236675674]
  サイバー脅威インテリジェンス(CTI)は、現実世界の攻撃プロセスを十分に記述しているが、それらの非構造的な物語は、自動攻撃パス推論に直接使用することはできない。 本稿では,各攻撃ステップを事前条件,攻撃行動,事後条件の攻撃単位としてモデル化することにより,到達可能な攻撃チェーンを抽出する自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-22T04:16:35Z)
• 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)
• Beyond Homophily: Towards Generalized Graph Reconstruction Attack and Defense [80.28330585803133]
  グラフニューラルネットワーク(GNN)は、計算データに広くデプロイされているが、トレーニンググラフの隣接性に関する機密情報やプロプライエタリ情報を漏洩することができる。 本研究は、訓練されたGNNからトレーニング隣接性を再構築するモデル逆転の一形態であるグラフ再構成攻撃(GRA)について研究する。 本稿では, MC-GRA(+)を提案する。これは, GNNにより誘導される表現が対象モデルのそれと一致した代理隣接を最適化することにより, 隣接性を再構築する。 防衛面では, MC-GPB (+) を提案する。
  論文  参考訳（メタデータ） (2026-06-06T09:29:27Z)
• APT-CGLP: Advanced Persistent Threat Hunting via Contrastive Graph-Language Pre-Training [33.84587345029278]
  Provenance-based threat Huntは、CTI(Cyber Threat Intelligence)に記述されている攻撃パターンと、システム監査ログから派生した証明グラフを関連付けて、エンドポイント上のAdvanced Persistent Threats(APT)を特定する。 このパラダイムの根本的な課題は、前駆グラフとCTIレポートの間の構造的および意味的な切り離しであるモダリティギャップにある。 APT-CGLPは,コントラストグラフ・ランゲージ事前学習による新しいAPT狩猟システムである。
  論文  参考訳（メタデータ） (2025-11-25T13:20:12Z)
• Learning Efficient and Generalizable Graph Retriever for Knowledge-Graph Question Answering [75.12322966980003]
  大規模言語モデル(LLM)は、様々な領域にわたって強い帰納的推論能力を示している。 既存のRAGパイプラインのほとんどは非構造化テキストに依存しており、解釈可能性と構造化推論を制限する。 近年,知識グラフ解答のための知識グラフとLLMの統合について検討している。 KGQAにおける効率的なグラフ検索のための新しいフレームワークであるRAPLを提案する。
  論文  参考訳（メタデータ） (2025-06-11T12:03:52Z)
• Cluster-Aware Attacks on Graph Watermarks [50.19105800063768]
  本稿では,コミュニティ誘導型修正を回避できるクラスタ・アウェア・脅威モデルを提案する。 その結果,クラスタ・アウェア・アタックは,ランダムなベースラインよりも最大80%の精度でアトリビューション精度を低下させることができることがわかった。 グラフコミュニティにまたがる透かしノードを分散する軽量な埋め込み拡張を提案する。
  論文  参考訳（メタデータ） (2025-04-24T22:49:28Z)
• Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
  関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。 まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。 次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
  論文  参考訳（メタデータ） (2025-04-08T15:22:08Z)
• MultiKG: Multi-Source Threat Intelligence Aggregation for High-Quality Knowledge Graph Representation of Attack Techniques [7.4166591335540595]
  複数の脅威知識ソースを統合する完全自動化フレームワークであるMultiKGを提案する。 我々はMultiKGを実装し,CTIレポートから1015個の実攻撃手法と9,006個の攻撃インテリジェンスエントリを用いて評価した。 その結果,MultiKGは多様な情報源から攻撃知識グラフを効果的に抽出し,それらを正確な包括的表現に集約することがわかった。
  論文  参考訳（メタデータ） (2024-11-13T06:15:48Z)
• AnnoCTR: A Dataset for Detecting and Linking Entities, Tactics, and Techniques in Cyber Threat Reports [3.6785107661544805]
  我々は、新しいCC-BY-SAライセンスのサイバー脅威レポートであるAnnoCTRを提示する。 レポートはドメインの専門家によって、名前付きエンティティ、時間表現、サイバーセキュリティ特有の概念によって注釈付けされている。 少数のシナリオでは、テキストで明示的にあるいは暗黙的に言及されるMITRE ATT&CKの概念を識別するために、MITRE ATT&CKの概念記述は、データ拡張のトレーニングに有効な情報源であることがわかった。
  論文  参考訳（メタデータ） (2024-04-11T14:04:36Z)
• Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
  TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。 我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
  論文  参考訳（メタデータ） (2023-12-21T11:45:28Z)
• Combating Bilateral Edge Noise for Robust Link Prediction [56.43882298843564]
  本稿では,RGIB(Robust Graph Information Bottleneck)という情報理論の原則を提案し,信頼性の高い監視信号を抽出し,表現の崩壊を回避する。 RGIB-SSLとRGIB-REPの2つのインスタンス化は、異なる手法の利点を活用するために検討されている。 6つのデータセットと3つのGNNの様々なノイズシナリオによる実験は、我々のRGIBインスタンスの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-02T12:47:49Z)

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。