GRID: Graph Representation of Intelligence Data for Security Text Knowledge Graph Construction
本文提出了 GRID，这是一个端到端框架，它通过利用可追溯的文章 - 图谱对齐和脚本化任务库奖励系统，从网络威胁情报中构建安全知识图谱，从而训练出高效的 40 亿参数提取器，与传统基于大语言模型的评估方法相比，该提取器在精确率、召回率和成本效益方面均实现了更优表现。
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
想象你是一名网络安全侦探，正在试图破解一起庞大而复杂的犯罪案件。你面前堆着数千份杂乱无章、冗长繁琐的警方报告（即“安全文本”）。你的目标是将这些混乱的报告转化为一张清晰、有序的地图（即“知识图谱”），准确揭示谁对谁做了什么、又是如何做的。
问题在于，你通常聘请的侦探（标准人工智能模型）擅长一般性对话，却极不擅长理解特定的安全术语。它们常常遗漏关键细节，甚至凭空捏造事实。此外，训练它们胜任这项工作既昂贵又困难，因为若不聘请人类专家对每一次尝试进行评分，就难以评估其工作成果。
此时，GRID（智能数据图表示）应运而生。请将 GRID 视为不仅是一名新侦探，更是一整套专为将小型、经济型人工智能培养成安全专家而设计的培训学院与评分系统。
以下是 GRID 的工作原理，分解为简单步骤：
1. “自我修正”教科书（自动标注）
通常，要教导学生，你需要一位老师来编写完美的答案键。但在安全报告领域，尚无人编写过此类答案键。
- GRID 的解决方案：GRID 扮演一位智能导师，自行编写教科书。它阅读杂乱的安全报告，提取事实以构建粗略的地图，随后重写原始报告。
- 类比：想象一名学生在教科书上划重点。如果荧光笔标记了文本中实际不存在的内容，老师（GRID）便会擦除该标记，并重写句子以符合事实。这样，无需人类从头编写，即可生成完美的“故事与其地图”配对。
2. “多项选择题”捷径（任务库奖励）
教导人工智能从零开始绘制整张地图，就像要求学生写一篇 50 页的论文，然后对其进行评分。若每次均使用人类评分员（或极其昂贵的人工智能评分员），这将耗时极长且代价高昂。
- GRID 的解决方案：GRID 不评分整篇论文，而是将课程拆解为微小且易于检查的测验。
- 类比：GRID 不问学生“绘制整个犯罪现场”，而是问“黑客使用了工具 A 还是工具 B？”或“这两个人之间的特定连接是真是假？”
- 为何有效：这些如同带有“清单式”答案的多项选择题。它们可即时廉价评分。通过在数千个此类微型测验上练习，人工智能学习游戏规则的速度更快、成本更低，而无需每次都撰写完整论文。
3. “规则手册”（本体引导提取）
安全术语十分棘手。在不同报告中，“病毒”可能被称为“恶意软件”、“威胁”或“漏洞”。
- GRID 的解决方案：GRID 为人工智能提供一本严格的规则手册（本体）。它告诉人工智能：“若你看到‘病毒’或‘特洛伊木马’，它们都应归入‘恶意软件’文件夹。”
- 类比：这如同给侦探配备了一个标准化的文件柜。人工智能无需猜测文件应放入何处，而是根据威胁的具体类型，确切知道应使用哪个抽屉，从而确保最终地图井然有序且一致。
4. “评分”结果
研究人员在来自五个不同来源的 249 份真实世界安全报告上测试了该系统。他们将经过“训练”的人工智能与其他顶级系统进行了对比。
- 结果：GRID 训练的人工智能在发现所有缺失线索（召回率）方面表现最佳。它发现的实际威胁多于任何其他被测试的系统。
- 效率：其他系统如同昂贵且缓慢的卡车，而 GRID 则是一辆敏捷、快速的汽车。它取得了几乎相同的顶尖分数，但实现这一目标所消耗的计算资源（令牌）不到一半。
总结
可将 GRID 视为这样一个系统：它让小型、经济型人工智能获得：
- 自制学习指南（重写后的文章）。
- 深入练习测验（多项选择题），而非昂贵的期末考试。
- 严格的文件管理系统（规则手册），以保持条理清晰。
其成果是一款安全专家级人工智能，运行成本更低、训练速度更快，且在发现安全报告中隐藏细节方面，优于前一代工具。
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。