摘要
从网络威胁情报报告中提取 MITRE ATT&CK 技术是一项开放集多标签任务,需兼顾高召回率与高精确度。现有方法难以两全:规则与监督方法泛化性差,而单步 LLM 方法易产生幻觉且精度不足。本文提出 TTPrint,模仿人类分析师工作流程,采用“先发散后收敛”策略:首先将报告分解为原子行为并广泛生成候选技术;随后通过确定性跨度定位将候选锚定至具体证据窗口;最后在收敛验证阶段,仅保留同时具备局部证据支持且符合权威定义的技术。实验表明该方法在多个基准上显著优于现有基线。
AI 推荐理由
论文提出发散 - 收敛验证框架,核心在于提升 LLM 在证据 grounding 下的逻辑推理与事实核查能力。
研究机构
Virginia Tech
Universitas Ary Gunanjar, Jakarta, Indonesia
Amazon
论文信息