本研究论文探讨了使用大型语言模型（LLMs）和知识图谱（KGs）的先进技术，通过自动生成人工智能来提取可操作的网络威胁情报（CTI）的挑战。通过评估技术，如提示工程、指导框架和微调以优化信息提取和结构化，证明了我们的方法在提取相关信息方面的有效性。然而，应用 LLMs 构建大规模数据的 KG 和链接预测仍存在挑战。

Jun, 2024

SecurityKG 是一种自动化的开源网络安全威胁情报收集管理系统，利用 AI 和 NLP 技术提取有关威胁行为的知识，构建安全知识图谱，从而弥补现有 OSCTI 收集和管理平台忽视高级概念及其关系的不足。

Jan, 2021

建立 CTI 数据集，使用 spaCy 框架和自我学习方法训练和测试网络安全实体模型，并探索将其与 Wikidata 的现有世界知识相链接的方法。

Aug, 2022

该研究发现，使用自然语言处理（NLP）提取威胁情报数据的方法已经被提出，但是文档搜索的问题并没有得到解决。本文提出了一种新的基于 BERT 的聚焦爬虫 ThreatCrawl，可以动态地分类文档并适应其爬行路径，能够成功地找到相关文档，并修改其路径，获得高达 52％的收集率。

Apr, 2023

攻击知识图谱构建：使用大型语言模型和 LLM 框架完全自动化构建攻击知识图谱，包括重写、解析、识别和总结模块，提供关于攻击事件分析所需的信息，并有效地提取 AttacKG + 所定义的信息，从而在攻击重建等下游安全实践中直接受益。

May, 2024

提出了一种基于隐私增强技术和联邦处理的新框架，用于从分布式数据中提取 CTI，并且演示了它在多种实际场景中的应用。

Sep, 2022

本论文利用 transformers 算法生成虚假的 CTI 文本描述，表明有人可能通过 OSINT 社区或网络传播虚假 CTI，并将其用于数据污染攻击，导致对其他依赖于 AI 的网络安全系统产生负面影响。

Feb, 2021

本文提出一种基于知识图谱和本体的自动化方式来分析云计算系统的安全威胁模型，并探讨该方法在现代敏捷开发环境中的应用挑战。通过使用包含 180 个语义图的本体，建立了基于 Docker Compose 的云配置数据流程图，并评估本体和知识图谱用于自动识别图谱中的安全威胁。

Mar, 2023

提供了一个新的大型开放基准数据集和一个名为 aCTIon 的结构化 CTI 信息提取工具。比较了 10 种先前工作中的解决方案，结果显示，在所有任务中，aCTIon 的 F1 得分相对于先前的工作有了 10 个百分点到 50 个百分点的提高。

Jul, 2023

Cyber Threat Intelligence Large Language Models benchmark (CTIBench) evaluates the performance of state-of-the-art models in CTI applications, providing insights into their strengths and weaknesses in the cyber-threat landscape.

Jun, 2024