Vendor-Conditioned Contrastive Learning for Predicting Organizational Cyber Threat Targets
本文介绍了 TRACE，这是一个基于 CySecBERT 的供应商条件对比学习框架，它利用包含 352,866 篇帖子的多源大规模语料库，在预测组织网络威胁目标方面实现了最先进的准确率，同时展现出对时间分布偏移的鲁棒性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，互联网的地下世界就像一个巨大而混乱的集市，黑客们在此聚集，交易秘密、工具以及入侵计算机的蓝图。这些“黑客论坛”每天充斥着成千上万条帖子。安全专家面临的核心问题是：这些黑客试图攻击谁？ 他们是针对银行、视频游戏公司，还是医院系统？
本文介绍了一种名为TRACE（漏洞利用的时序表示与分类）的新工具，它就像一个超级聪明的侦探，旨在回答上述问题。以下是其工作原理的简化解析：
1. 问题：黑客的语言在变化
将黑客俚语想象成一种快速演变的方言。就像今天的青少年使用的词汇与 20 年前不同一样，黑客描述其工具的方式也在不断改变。一个基于旧论坛帖子训练出的模型（计算机程序），可能会因为词汇的变迁而对新的帖子感到困惑。
如果你让一名侦探基于 2010 年代的犯罪报告受训，他们可能会漏掉 2025 年的犯罪，因为罪犯使用了新的代码。本文认为，大多数先前的工具之所以失败，是因为它们没有考虑到这种“时间旅行”问题。它们在旧数据上表现良好，但一旦面对新的、未来的数据就会手足无措。
2. 数据：巨大的时间胶囊
为了构建 TRACE，研究人员不仅查看了几个论坛，而是深入挖掘了一个巨大的“时间胶囊”，其中包含来自 35 个不同来源（如黑客论坛、漏洞数据库和暗网市场）的870 万条帖子，时间跨度长达30 年（从 1990 年到 2026 年）。
从这座文本大山中，他们清洗并整理了129,126 条明确提及目标公司或行业的特定帖子。他们将这些帖子归入七个“桶”（类别），例如：
- CMS / 开源软件（如 WordPress 或 Linux）
- 企业软件（如大型公司工具）
- 游戏
- 网络
- 以及其他类别。
3. 解决方案：TRACE 的“双脑”方法
TRACE 建立在一个名为CySecBERT的预训练 AI 大脑之上，它已经掌握了大量网络安全术语。但研究人员利用对比学习为其进行了特殊升级。
可以将此升级想象为一个分类游戏：
- 目标：AI 需要猜测黑客帖子属于哪个“桶”（行业）。
- 技巧：研究人员告诉 AI，“在你猜测‘桶’之前，先确保你按供应商（公司名称）对帖子进行分组。”
- 如果两条帖子都提到“微软”，AI 被迫让它们内部的“思维指纹”看起来非常相似，即使它们谈论的是不同的产品。
- 如果两条帖子分别提到“谷歌”和“微软”，AI 被迫让它们指纹看起来截然不同。
这为何有帮助？
想象一下试图整理一堆混杂的袜子。如果你只看颜色（行业），可能会因为某些袜子相似而感到困惑。但如果你先按品牌（供应商）分组，你就能学会该品牌的具体模式。一旦 AI 理解了微软或苹果的“品牌模式”，即使语言随时间发生变化，它也能更准确地猜测它们所属的行业。
4. 测试：“未来”挑战
研究人员并未仅在随机数据上测试 TRACE。他们设计了一个时间旅行测试：
- 训练：AI 学习了 2022 年之前的帖子。
- 测试：随后，AI 被要求预测2024 年及以后帖子的目标。
这就像用 2020 年的教科书教学生，然后给他们一份基于 2025 年新闻的期末考试。大多数其他方法未能通过此测试，因为它们无法处理新的语言。
5. 结果：新的冠军
TRACE 彻底击败了竞争对手。
- 得分：它在未来数据上达到了97% 的准确率（具体为 97.00% 的宏观 F1 分数）。
- 竞争对手：它击败了其他 17 种方法，包括标准的机器学习模型和其他先进的 AI 转换器。
- 秘密武器：研究发现，AI 所使用的词典类型比 AI 的架构更为重要。专门针对黑客文本训练的 AI（CySecBERT）远优于在通用英语上训练的 AI。此外，“供应商排序”技巧（对比学习）为其带来了显著提升，特别是在游戏等罕见类别中，准确率提高了近 20%。
总结
简而言之，本文介绍了TRACE，这是一种通过分析论坛帖子来预测黑客攻击目标组织的工具。它优于先前的工具，原因在于：
- 使用了包含 30 年真实黑客交流的庞大数据集。
- 利用“供应商条件化”技巧，教导 AI 首先识别特定公司的模式。
- 通过在从未见过的年份数据上成功预测目标，证明了其应对未来的能力。
其结果是一个能帮助安全团队快速理解“嘿，黑客们正在谈论我们的行业”的系统，从而让他们在攻击发生前进行防御。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。