Answers are grounded in this paper and cite their sources.
Experimental evaluation demonstrates improved TTP extraction across cyber threat reports, suggesting that staged LLM-BERT architectures enhance automated threat analysis.
사이버 위협 인텔리전스(CTI, Cyber Threat Intelligence) 보고서는 비정형 장문 텍스트로 작성되는 경우가 많아, 분석가가 수작업으로 MITRE ATT&CK 기반 TTP(Tactics, Techniques, and Procedures)를 매핑하는 데 상당한 시간과 비용이 소요된다. 문서 단위 다중 라벨 환경에서는 장문 문맥 처리, 희소 라벨 분포, 데이터 노이즈로 자동 추출 성능이 저하된다. 본 연구는 TRAM2와 AnnoCTR 데이터셋에서 URL, IOC 등 노이즈를 체계적으로 제거하고, Kanana-1.5 2.1B와 CySecBERT를 결합한 하이브리드 TTP 추출 프레임워크를 제안한다. LLM으로 텍스트를 입력받아 TTP 후보를 생성하고 BERT로 정밀 검증하는 구조이다. 실험 결과 TRAM2에서는 규칙 기반 노이즈 제거가, AnnoCTR에서는 URL 제거가 최적 성능을 보였다. 하이브리드 구조는 TRAM2, AnnoCTR 모두에서 F1 점수 향상을 보였으며, 특히 Precision 중심의 성능 개선이 두드러졌다.
No takes yet. Share an insight, caveat, or question.
Kim et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: