CTIFoundry: An Agent-Native Corpus Scaffold for Cyber Threat Intelligence
Este artículo presenta CTIFoundry, un andamiaje de corpus nativo para agentes que materializa la estructura latente de la Inteligencia de Amenazas Cibernéticas a través de un grafo ontológico determinista y reportes con anclaje en segmentos, mejorando significativamente el rendimiento y la eficiencia de la investigación agéntica en comparación con los sustratos de recuperación planos tradicionales.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En el mundo digital, los expertos en seguridad buscan constantemente pistas sobre quién los está atacando y cómo. Este trabajo, conocido como inteligencia de amenazas cibernéticas, depende de enormes colecciones de informes escritos por diferentes empresas y organizaciones. Durante años, la forma estándar de utilizar estos informes con la inteligencia artificial ha sido tratarlos como una biblioteca de libros desorganizados. Cuando un programa informático hace una pregunta, el sistema busca las palabras más similares en el texto y extrae algunas páginas. Este método funciona bien para preguntas sencillas, pero tiene dificultades cuando la investigación requiere conectar puntos a través de diferentes documentos. Un solo grupo de hackers podría ser llamado de tres nombres diferentes en tres informes distintos, y los registros oficiales que vinculan una vulnerabilidad de software específica con un método de ataque conocido suelen estar enterrados en lo profundo de largos párrafos de texto. Si la computadora no puede ver estas conexiones ocultas, no puede resolver el rompecabezas, sin importar lo inteligente que sea el programa de inteligencia artificial.
Un equipo de investigadores ha descubierto que el problema no es la inteligencia de la computadora, sino la forma en que se almacena la información. Construyeron un nuevo sistema llamado CTIFoundry, que actúa como un marco especializado para organizar estos informes de seguridad antes de que la computadora intente leerlos. En lugar de dejar los datos como un revoltijo de texto, el sistema primero construye un mapa claro de los hechos. Toma los registros oficiales de cuatro de las principales bases de datos de seguridad y los conecta con líneas precisas, mostrando exactamente qué debilidad de software conduce a qué patrón de ataque. Luego lee los desordenados informes de los proveedores y encuentra las oraciones específicas que mencionan estos grupos o fallos conocidos, etiquetándolos con su ubicación exacta en el texto original. Este proceso convierte una pila plana de documentos en una red estructurada donde cada pieza de información conoce a sus vecinos y su fuente.
Los investigadores probaron este nuevo sistema dándole al mismo agente de inteligencia artificial dos formas diferentes de acceder al mismo conjunto de datos de seguridad. En un escenario, el agente utilizó el método antiguo y desorganizado. En el otro, utilizó el nuevo mapa estructurado. Los resultados fueron sorprendentes. Cuando el agente utilizó el nuevo sistema, su capacidad para responder preguntas correctamente aumentó significitáneamente, incluso cuando los investigadores utilizaron un modelo de computadora más pequeño y menos potente. De hecho, el modelo más pequeño utilizando el nuevo mapa funcionó mejor que el modelo más potente utilizando la vieja pila de texto desorganizada. La mejora no se debió a que la computadora buscara con más fuerza o leyera más páginas. Al contrario, el agente que utilizaba el nuevo sistema encontró las respuestas correctas realizando aproximadamente la mitad de los intentos de búsqueda de información. Simplemente tenía un mejor camino que seguir.
El estudio también reveló por qué el método antiguo fallaba tan a menudo. Sin el mapa preconstruido, la computadora a menudo se perdía en el texto, buscando palabras similares que la llevaban a callejones sin salida o resultados confusos. Perdería los enlaces oficiales que los expertos ya habían escrito porque esos enlaces estaban ocultos dentro de largas oraciones. El nuevo sistema obliga a la computadora a seguir las conexiones oficiales primero, tratando el texto como una fuente secundaria de detalle en lugar de la guía principal. Este enfoque demostró ser tan efectivo que los investigadores descubrieron que la estructura de los datos era más importante que la potencia bruta del modelo de la computadora en sí. Un modelo pequeño con un mapa claro superó a un modelo gigante con uno desordenado.
Para asegurar que el sistema fuera confiable, los investigadores lo construyeron con reglas estrictas que evitaban que inventara hechos. Cada conexión en el mapa tenía que provenir de un registro oficial, y cada fragmento de texto que extrajera de un informe tenía que apuntar de vuelta al lugar exacto en el documento original donde se encontraba. Esto significaba que la computadora no podía inventar cosas ni suponer las respuestas. El sistema también incluía un conjunto de instrucciones simples, o hábitos, para que la computadora los siguiera, como revisar el mapa oficial antes de buscar palabras similares. Estos hábitos, combinados con el mapa claro, crearon un efecto superaditivo, lo que significa que las dos partes funcionaban mejor juntas que por separado.
El costo de construir este nuevo sistema fue sorprendentemente bajo, requiriendo solo una pequeña cantidad de potencia de cómputo para procesar los datos iniciales. Una vez construido, el sistema permitió que la computadora resolviera investigaciones complejas por aproximadamente dos centavos por pregunta. Los investigadores concluyeron que, para campos donde la información está altamente estructurada y depende de conexiones oficiales, el mayor cuello de botella no es la inteligencia del agente artificial, sino la calidad de los datos que se le proporcionan. Al organizar los datos en una forma que un agente pueda entender y recorrer de manera natural, el sistema hizo que el proceso de investigación fuera más rápido, más barato y mucho más preciso. El trabajo sugiere que, en el futuro, la forma más efectiva de mejorar la inteligencia artificial en campos especializados podría no ser construir cerebros más inteligentes, sino construir mejores bibliotecas para que ellos lean.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.