Constructing Multi-label Hierarchical Classification Models for MITRE ATT&CK Text Tagging
यह शोध पत्र MITRE ATT&CK टेक्स्ट टैगिंग को स्वचालित करने के लिए एक मल्टी-लेबल पदानुक्रमित वर्गीकरण ढांचे (multi-label hierarchical classification framework) को प्रस्तुत करता है जो शास्त्रीय मशीन लर्निंग विधियों का उपयोग करके उच्च सटीकता (टैक्टिक स्तर पर 94% और तकनीक स्तर पर 82%) प्राप्त करता है, जो GPT-4o से काफी बेहतर प्रदर्शन करता है और जटिल LLM-आधारित आर्किटेक्चर की आवश्यकता को समाप्त करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक लाइब्रेरियन हैं जिसे साइबर-हमलों की कहानियों वाली एक विशाल, अस्त-व्यस्त लाइब्रेरी को व्यवस्थित करने की जिम्मेदारी दी गई है। हर बार जब कोई नई कहानी (एक "थ्रेट रिपोर्ट") आती है, तो आपको उसे विशिष्ट श्रेणियों के तहत फाइल करना होता है ताकि अन्य लाइब्रेरियन बाद में उसे ढूंढ सकें।
साइबर सुरक्षा की दुनिया में, इस फाइलिंग सिस्टम को MITRE ATT&CK कहा जाता है। यह एक विशाल, दो-स्तरीय फाइलिंग कैबिनेट की तरह है:
- ऊपरी दराज (Tactics - रणनीति): यह इस सवाल का जवाब देती है, "बुरे आदमी ने ऐसा क्यों किया?" (जैसे, "वे पासवर्ड चुराना चाहते थे" या "वे अपने निशान मिटाना चाहते थे")।
- निचली दराज (Techniques - तकनीक): यह इस सवाल का जवाब देती है, "उन्होंने यह कैसे किया?" (जैसे, "उन्होंने एक विशिष्ट प्रकार के फिशिंग ईमेल का उपयोग किया" या "उन्होंने एक विशिष्ट सॉफ़्टवेयर ग्लिच का उपयोग किया")।
वर्षों से, सुरक्षा विशेषज्ञों को इन रिपोर्टों को पढ़ना पड़ता था और उन्हें सही दराजों में मैन्युअल रूप से फाइल करना पड़ता था। यह धीमा, उबाऊ और मानवीय त्रुटियों के प्रति संवेदनशील था। यह शोध पत्र इस काम को करने के लिए एक रोबोटिक सहायक बनाने के बारे में है।
"बॉटम-अप" निर्माण (नीचे से ऊपर की ओर निर्माण)
शुरुआत से ही एक विशाल, जटिल रोबोट बनाने (एक "टॉप-डाउन" दृष्टिकोण) के बजाय, लेखकों ने अपने सिस्टम को चरण-दर-चरण बनाया, जैसे ब्लॉक्स को एक के ऊपर एक रखना। उन्होंने छोटे स्तर से शुरुआत की और जटिलता केवल तभी जोड़ी जब उन्हें पता चला कि पिछला ब्लॉक मजबूत है।
- चरण 1: सरल क्लासिफायर (द "वन-लेबल" रोबोट)
सबसे पहले, उन्होंने एक साधारण मशीन लर्निंग मॉडल को एक वाक्य को देखकर एक "क्यों" (Tactic) का अनुमान लगाना सिखाया। उन्होंने इसका परीक्षण GPT-4o के खिलाफ किया, जो एक प्रसिद्ध AI चैटबॉट है।
- परिणाम: सरल रोबोट जीत गया। इसने लगभग 82% उत्तर सही दिए, जबकि GPT-4o केवल 59% सही दे पाया। लेखकों ने पाया कि इस विशिष्ट, संरचित कार्य के लिए, एक सरल, क्लासिकल टूल वास्तव में बेहतर था।
- चरण 2: मल्टी-लेबल क्लासिफायर (द "मल्टीपल-लेबल" रोबोट)
वास्तविक जीवन सरल नहीं है; एक ही वाक्य में हमले के कई कारण हो सकते हैं। इसलिए, उन्होंने रोबोट को अपग्रेड किया ताकि वह केवल एक के बजाय शीर्ष 3 "क्यों" का अनुमान लगा सके।
- परिणाम: इससे उनकी सटीकता बढ़कर 94% हो गई।
- चरण 3: पदानुक्रमित क्लासिफायर (द "फुल फाइलिंग" रोबोट)
अंत में, उन्होंने रोबोट को "क्यों" और "कैसे" दोनों का एक साथ अनुमान लगाना सिखाया। यदि रोबोट का अनुमान है कि "क्यों" "पासवर्ड चुराना" है, तो वह फिर विशिष्ट "कैसे" (जैसे, "कीलॉगिंग") की तलाश करता है।
- परिणाम: इस सिस्टम ने पूर्ण "क्यों + कैसे" संयोजन के लिए 82% सटीकता प्राप्त की।
"सीक्रेट सॉस" (यह क्यों काम करता है)
लेखकों ने नवीनतम, सबसे महंगे "जेनरेटिव AI" या जटिल न्यूरल नेटवर्क का उपयोग नहीं किया। इसके बजाय, उन्होंने क्लासिकल मशीन लर्निंग (विशेष रूप से "स्टोकेस्टिक ग्रेडिएंट डिसेंट" के साथ "TF-IDF") का उपयोग किया।
इसे ऐसे समझें: किराने का सामान खरीदने के लिए एक बहुत ही जटिल, महंगी फेरारी बनाने के बजाय, उन्होंने एक बहुत ही विश्वसनीय, कुशल साइकिल बनाई। यह काम को तेजी से करता है, कम लागत आता है, और इसे ठीक करना आसान है।
उन्होंने एक प्राइवेसी लॉक (हैशिंग) भी जोड़ा। कल्पना कीजिए कि वे अपने रोबोट को दुनिया के साथ साझा करना चाहते हैं, लेकिन उन्हें डर था कि उनके द्वारा उपयोग किए गए गुप्त नुस्खे (डेटा) साझा हो सकते हैं। उन्होंने डेटा को उलझाने (scramble करने) का एक तरीका निकाला ताकि रोबort उससे सीख सके बिना किसी के मूल सामग्री को देख पाने के। इसने उन्हें सुरक्षित रूप से अपने रोबोट को जनता के लिए जारी करने की अनुमति दी।
"नई लाइब्रेरी" परीक्षण
यह देखने के लिए कि क्या उनका रोबोट वास्तव में स्मार्ट था, उन्होंने केवल उन कहानियों पर परीक्षण नहीं किया जिनसे उसने सीखा था। उन्होंने उन्हें वित्तीय खतरों (बैंकिंग के लिए विशिष्ट) के नए सेट दिए जिन्हें उसने पहले कभी नहीं देखा था।
- परिणाम: शुरू में, रोबोट भ्रमित था (क्योंकि नई कहानियाँ अलग थीं)। लेकिन, जब उन्होंने इसे इन नई कहानियों पर बहुत कम प्रशिक्षण दिया, तो इसने उन्हें सही ढंग से फाइल करना जल्दी सीख लिया। यह साबित करता है कि रोबोट लचीला है और बहुत अधिक नए डेटा की आवश्यकता के बिना नई स्थितियों के अनुकूल हो सकता है।
मुख्य निष्कर्ष
यह शोध पत्र निष्कर्ष निकालता है कि आपको किसी समस्या को हल करने के लिए हमेशा सबसे महंगे, जटिल AI की आवश्यकता नहीं होती है। कार्य को छोटे, प्रबंधनीय चरणों में तोड़कर और विश्वसनीय, क्लासिकल टूल्स का उपयोग करके, उन्होंने एक ऐसा सिस्टम बनाया जो:
- इस विशिष्ट कार्य के लिए एक शीर्ष-स्तरीय AI चैटबॉट (GPT-4o) की तुलना में अधिक सटीक है।
- चलाने में तेज और सस्ता है।
- जनता के साथ साझा करने के लिए सुरक्षित है।
- बहुत कम अतिरिक्त प्रशिक्षण के साथ नए प्रकार के डेटा के प्रति अनुकूल हो सकता है।
उन्होंने अपने "रोबोट लाइब्रेरियन" को GitHub पर मुफ्त में उपलब्ध कराया है ताकि अन्य सुरक्षा टीमें अपने स्वयं के साइबर-थ्रेट रिपोर्ट्स को व्यवस्थित करने के लिए इसका उपयोग कर सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।