多专家论证框架提升文档级 ATT&CK 抽取精确率与鲁棒性
资讯摘要
论文提出 ARBITRA，用于从网络威胁情报报告中抽取 MITRE ATT&CK 实体。该方法让多个角色分工的 LLM 专家从整篇报告提出候选实体，再通过基于文档证据与理由的逐候选定量双极论证框架（QBAF）进行验证，并构建推理专用语料微调专家。作者报告其在 ATT&CK 抽取基准上取得更偏重精确率的运行点，优于句级流水线、近期 LLM 抽取系统和包括 GPT-5.5 在内的前沿模型；在模拟冲突 TTP 陈述、跨报告污染与语义投毒的对抗扰动下，平均精确率下降约为前沿模型基线的一半。
要点速读
- ARBITRA 由多个角色专精的 LLM 专家从整篇报告提出候选 ATT&CK 实体，再用逐候选 QBAF 结合文档证据与理由验证。
- 作者构建推理专用语料微调专家，使其在验证环节有效参与。
- 作者报告在 ATT&CK 抽取基准上精确率导向表现优于句级流水线、近期 LLM 抽取系统及 GPT-5.5 等前沿模型，对抗扰动下精确率下降约为基线一半。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。