TY - THES A1 - Abdoul Karim, Malik T1 - Verbesserung der Alarmqualität und Entscheidungsfindung bei der Erkennung von Cyberangriffen durch Integration von Threat Intelligence und externen Datenquellen N2 - Diese Arbeit untersucht die Integration von externer Threat Intelligence in Cybersicherheitsplattformen, um die Erkennung von Bedrohungen in Echtzeit und die Reaktion auf Vorfälle zu verbessern. Durch den Einsatz von Datenscraping-Techniken auf sozialen Medien (X) in Kombination mit einer Python-basierten Verarbeitungspipeline und Elasticsearch zur Speicherung und Abfrage von Daten wird ein robustes System zur Analyse und Visualisierung bedrohungsrelevanter Informationen entwickelt. Das System integriert Natural Language Processing (NLP) Techniken, wie das Stanford CoreNLP-Framework und den Stucco Entity Extractor, um gesammelte Daten mit Cybersicherheitsentitäten anzureichern. Zudem werden maschinelle Lernmodelle, insbesondere Satztransformatoren, verwendet, um Texte einzubetten und die Kosinus-Ähnlichkeit zwischen potenziellen Bedrohungen und Warnmeldungen zu berechnen. Damit wird gezeigt, dass die Korrelation externer Datenquellen mit Threat Intelligence die Präzision von Alarmen erheblich verbessert und sicherheitsrelevante Einblicke für Analysten liefert. Das finale System bietet eine skalierbare und effiziente Datenverarbeitung sowie Echtzeit-Visualisierungen durch Elasticsearch und Kibana-Dashboards zur Unterstützung der Entscheidungsfindung in der Cybersicherheit. KW - NLP KW - Elastic KW - Twitter KW - X KW - Threat Intelligence KW - Machine Learning KW - Maschinelles Lernen KW - Twitter KW - Computersicherheit Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:522-opus4-32103 CY - Brandenburg an der Havel ER -