计算机科学与探索

作者：于丰瑞, 杜彦辉

单位：1. 中国人民公安大学 信息网络安全学院，北京 1000382. 内蒙古警察职业学院，呼和浩特 010051

关键词：网络威胁情报（CTI）；网络威胁技战术情报（TTP）；ATT&,CK；数据增强；大语言模型；监督微调（SFT）

基金：中国人民公安大学网络空间安全执法技术双一流创新研究专项（2023SYL07）；内蒙古警察职业学院重点科研项目（NMJY2022-LX-ZD007）。

MITRE ATT&CK定义了网络攻击全过程14类战术625类技术，逐步成为网络威胁技战术情报（TTP）的事实标准，现有研究基于此分类将TTP识别提取问题转化为句子级别的战、技术类别多分类任务，利用深度学习、基于提示工程的大语言模型进行问题研究。但限于数据集小样本类别占比大、多分类模型性能瓶颈问题，类别识别覆盖率与精度较低。提出结合ChatGPT数据增强和指令监督微调大语言模型的方法，较好地解决了句子级别技术类别多分类问题。ChatGPT数据增强方法在保留原始样本语义基础上更好地丰富了样本多样性，为小样本学习高性能识别提供了高质量训练数据支撑，实验结果也证明了本数据增强方法的优越性；指令监督微调大语言模型，突破了深度学习多分类模型的性能瓶颈，实现625类技术类别识别全覆盖，Precision、Recall和F1值分别达到了86.2%、89.9%和88.0%，优于已有研究。

来源：2025年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第1期