自动化攻击测试流提取：基于BERT上下文分析的网络威胁报告处理
摘要
在不断演变的网络安全环境中，快速识别和缓解高级持续性威胁（APTs）至关重要。安全从业者依赖详细的威胁报告来理解攻击者采用的战术、技术和程序（TTPs）。然而，手动从这些报告中提取攻击测试流需要专业知识，且耗时且容易出错。本文提出FLOWGUARDIAN，一种利用语言模型（即BERT）和自然语言处理（NLP）技术的新颖解决方案，以自动化从非结构化威胁报告中提取攻击测试流。FLOWGUARDIAN系统地分析和上下文化安全事件，重建攻击序列，然后生成全面的测试流。这种自动化方法不仅节省时间并减少人为错误，还确保网络安全测试的全面覆盖和鲁棒性。使用公共威胁报告进行的实证验证证明了FLOWGUARDIAN的准确性和效率，显著增强了安全团队在主动威胁狩猎和事件响应方面的能力。
主题
- 密码学与安全（cs.CR）
引用信息
arXiv:2507.07244 [cs.CR]
DOI: https://doi.org/10.48550/arXiv.2507.07244
提交历史
- 提交日期：2025年7月9日
- 版本：v1
- 作者：Faissal Ahmadou 等5位作者
相关工具与资源
- 论文PDF和HTML版本可用
- 支持BibTeX引用格式
- 提供代码、数据和媒体链接（如alphaXiv、CatalyzeX、Hugging Face等）
- 推荐相关论文和影响分析工具（如CORE Recommender、Influence Flower）
实验与验证
FLOWGUARDIAN通过公共威胁报告进行了实证验证，展示了其在提取攻击测试流方面的准确性和效率，突出了其在增强安全团队能力方面的实际应用价值。