融合威胁情报知识图谱与图约束推理的网络威胁归因框架OA

针对大语言模型在网络威胁归因中存在幻觉、传统图约束推理对碎片化威胁情报数据鲁棒性不足的问题,对可信网络攻击溯源方法进行了研究。提出融合威胁情报知识图谱与图约束推理(TIKGCR)框架,构建攻击模式导向的知识图谱前缀树(KG-Trie)索引,设计自适应软约束解码与多路径证据聚合机制。实验结果显示,该框架在CTI-Trace和TRAIL数据集上归因准确率分别达94.6%和92.8%,幻觉率仅为1.5%;50%图谱缺失率下准确率仍保持85.5%,推理时间缩短约2/3。该框架实现了结构可信与语义鲁棒的平衡,为高风险场景下的网络威胁归因提供了有效技术支撑。