論文の概要: Merging Cyber Threat Intelligence Through Retrieval-Augmented Generation and Small Language Models for Rich Threat Representation
- arxiv url: http://arxiv.org/abs/2609.07280v1
- Date: Mon, 07 Sep 2026 09:46:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:58:00.872896
- Title: Merging Cyber Threat Intelligence Through Retrieval-Augmented Generation and Small Language Models for Rich Threat Representation
- Title（参考訳）: リッチ脅威表現のための検索型世代と小言語モデルによるサイバー脅威インテリジェンスの統合
- Abstract要約: 我々は、異種CTIソースからのサイバー攻撃の実行可能な表現を導出する自動パイプラインを提案する。
このパイプラインは、RAGアーキテクチャとローカルにデプロイ可能なSLMを組み合わせることで、これらのエビデンスを統合し、運用上の詳細を推測する。
10の実世界のケーススタディのマニュアルアセスメントは、生成されたグラフが予想される攻撃進行と一致しているという最初の証拠を提供する。
- 参考スコア（独自算出の注目度）: 37.97052739331593
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Modern cybersecurity operations rely on CTI collected from heterogeneous sources, including semi-structured threat representations, IoCs, and narrative technical reports. However, these artifacts are often insufficient in isolation to reconstruct how an attack unfolds, under which conditions each step is feasible, and which traces it leaves behind. In practice, analysts must manually correlate partial evidence scattered across multiple and only partially structured sources, delaying the design of effective prevention, detection, and response actions. To address this gap, we propose an automated pipeline that derives an actionable representation of a cyberattack from heterogeneous CTI sources. The pipeline combines a RAG architecture with a locally deployable SLM, used to consolidate such evidence and infer missing operational details. Starting from a semi-structured threat representation and auxiliary CTI documents, the pipeline produces an enriched Attack Graph that captures a coarse, tactic-aligned progression of the attack and annotates each step with explicit pre-conditions and post-conditions, and an enriched description. This representation supports prevention by exposing execution requirements, detection by highlighting observable traces, and response by clarifying the temporal progression of the attack. Then, due to the lack of validated datasets with ground-truth information on the temporal evolution of real-world attacks, we test the complete pipeline on 10 real-world case studies spanning multiple threat types, including backdoors and staged downloaders delivered via phishing. A manual assessment across 10 real-world case studies provides initial evidence that the generated graphs are consistent with expected attack progressions, indicating that the proposed approach can support analysts by consolidating dispersed CTI evidence into a structured and actionable view of attacks.
- Abstract（参考訳）: 現代のサイバーセキュリティ活動は、半構造化された脅威表現、IoC、物語的技術的報告を含む異種情報源から収集されたCTIに依存している。
しかしながら、これらのアーティファクトは、攻撃の展開方法、各ステップの条件が実現可能で、後を辿る条件を再構築するために、孤立的に不十分であることが多い。
実際には、アナリストは、複数の、または部分的に構造化されたソースに散在する部分的な証拠を手動で相関させ、効果的な予防、検出、応答アクションの設計を遅らせなければならない。
このギャップに対処するために、異種CTIソースからのサイバー攻撃の実行可能な表現を導出する自動パイプラインを提案する。
このパイプラインは、RAGアーキテクチャとローカルにデプロイ可能なSLMを組み合わせることで、これらのエビデンスを統合し、運用上の詳細を推測する。
半構造化された脅威表現と補助的なCTI文書から始まり、パイプラインは強化されたアタックグラフを生成する。
この表現は、実行要件を公開し、観測可能なトレースをハイライトすることで検出し、攻撃の時間的進行を明確にすることで応答を防止できる。
そして、実世界の攻撃の時間的進化に関する基礎的な情報を持つ検証済みデータセットが欠如しているため、ファイッシングを通じて配信されるバックドアやステージダウンロードを含む、複数の脅威タイプをカバーする10の実世界のケーススタディに対して、完全なパイプラインをテストした。
10の実世界のケーススタディを対象とした手動による評価では、生成されたグラフが予測される攻撃進行と一致しているという最初の証拠が得られ、提案手法は分散されたCTI証拠を構造化され実行可能な攻撃のビューに集約することにより、アナリストを支援することができることを示している。
関連論文リスト
- AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。
本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
論文 参考訳（メタデータ） (2026-08-26T11:48:38Z) - 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) - 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) - AI Model Extraction Attacks: Bypassing Single-Client Assumptions in Defenses [1.247917923987062]
モデル抽出攻撃(MEA)は、敵がプロプライエタリなモデルを複製し、保護された情報を侵害し、オフラインの敵攻撃に備えることを可能にする。
現在の防衛戦略は、攻撃が孤立したアイデンティティに由来するという暗黙の仮定である、Single Client Assumption (SCA) に大きく依存している。
我々は、再現可能なモデルステアリング研究のためにCerberusAIと呼ばれるモジュラーでオープンソースなフレームワークを導入し、それを分散攻撃シナリオをシミュレートするために使用します。
論文 参考訳（メタデータ） (2026-06-02T09:25:29Z) - Taming OpenClaw: Security Analysis and Mitigation of Autonomous LLM Agent Threats [29.43070870263607]
我々はOpenClawの総合的なセキュリティ脅威分析を行う。
本研究は, 間接的プロンプト注入, スキルサプライチェーン汚染, メモリ中毒, インテントドリフトなど, エージェントのライフサイクル全体にわたる脅威について検討する。
本研究は,時間的・多段階のシステム的リスクに対処する際の,現在のポイントベース防御機構の重大な欠陥を明らかにするものである。
論文 参考訳（メタデータ） (2026-03-12T07:24:05Z) - Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。
敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
論文 参考訳（メタデータ） (2025-10-03T12:47:21Z) - Architectural Backdoors in Deep Learning: A Survey of Vulnerabilities, Detection, and Defense [0.0]
アーキテクチャバックドアは、悪意のあるロジックを直接モデルの計算グラフに埋め込む。
この調査は、アーキテクチャバックドア、コンパイラレベルの操作、ステンドされたAutoMLパイプライン、サプライチェーンの脆弱性に関する調査を集約する。
近年の進歩にもかかわらず、スケーラブルで実践的な防御はいまだに解明されていない。
論文 参考訳（メタデータ） (2025-07-17T09:02:54Z) - Exploiting Edge Features for Transferable Adversarial Attacks in Distributed Machine Learning [54.26807397329468]
この研究は、分散ディープラーニングシステムにおいて、これまで見過ごされていた脆弱性を探究する。
中間的特徴をインターセプトする敵は、依然として深刻な脅威となる可能性がある。
本稿では,分散環境に特化して設計されたエクスプロイト戦略を提案する。
論文 参考訳（メタデータ） (2025-07-09T20:09:00Z) - A Survey on Model Extraction Attacks and Defenses for Large Language Models [55.60375624503877]
モデル抽出攻撃は、デプロイされた言語モデルに重大なセキュリティ脅威をもたらす。
この調査は、抽出攻撃と防御攻撃の包括的分類、機能抽出への攻撃の分類、データ抽出の訓練、およびプロンプトターゲット攻撃を提供する。
モデル保護,データプライバシ保護,迅速なターゲット戦略に編成された防御機構について検討し,その効果を異なる展開シナリオで評価する。
論文 参考訳（メタデータ） (2025-06-26T22:02:01Z) - Lazarus Group Targets Crypto-Wallets and Financial Data while employing new Tradecrafts [0.0]
本報告では、悪意のあるソフトウェアサンプルを包括的に分析し、そのアーキテクチャ、行動特性、基礎となる意図を詳述する。
永続メカニズム、コマンド・アンド・コントロール通信、データ流出ルーチンを含むマルウェアの中核機能を識別する。
このマルウェア分析報告は、過去の敵行為を再構築するだけでなく、将来の攻撃を予測し軽減するための堅牢な基盤も確立している。
論文 参考訳（メタデータ） (2025-05-27T20:13:29Z) - It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。
現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。
本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
論文 参考訳（メタデータ） (2023-12-27T10:44:58Z)
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。