提出ARBITRA多专家论证框架提取文档级ATT&CK映射
原文：ARBITRA: Robust Document-Level ATT&CK Extraction via Multi-Expert Argumentation
网络威胁情报（CTI）报告以自然语言描述对手行为，但将其转换为结构化的MITRE ATT&CK映射仍然困难：现有方法将报告分解到句子级粒度进行提取，而现代LLM可以单次处理完整报告，但性能明显下降。我们提出ARBITRA，它编排多个角色专业化的LLM专家从完整报告中提出候选ATT&CK实体，然后通过基于文档证据和理由的逐候选定量双极论证框架（QBAF）进行验证。我们还构建了推理专用语料用于微调，使专家能在此验证过程中充当有效参与者。在ATT&CK提取基准上，ARBITRA达到了比句子级流水线、近期基于LLM的提取系统以及包括GPT-5.5在内的前沿模型更强的精确率导向工作点。在模拟冲突TTP陈述、跨报告污染和语义投毒的对抗性扰动下，ARBITRA将平均精确率下降限制在前沿模型基线的大约一半，实现更鲁棒的提取。作者：Youngjin Jin、Seungwon Shin。类别：cs.CL、cs.CR