网络威胁情报(CTI)是网络防御性网络行动(DCO)的一个重要组成部分。了解潜在对手的战术、技术和程序(TTPs)和兴趣,可以提供重要线索,了解哪些类型的指标和威胁集团值得关注。与许多其他类型的军事情报不同,CTI对任何具有强大网络安全文化的组织都有兴趣。因此,有大量的公开的和商业上可用的CTI。然而,确定哪些信息与加拿大国防部(DND)/加拿大武装部队(CAF)有关,需要作出重大努力。此外,军事情报的要求超出了私营部门的需要,例如,产生反情报和确定恶意活动的属性。加拿大国防研究与发展部(DRDC)最近被要求调查如何支持信息能力和部队发展总监(DGICFD)开发网络情报的新能力。除了满足上述要求外,还审查了人工智能(AI)/机器学习(ML)的最新创新,以确定它们在哪些领域可以实现支持CTI活动的新能力。本科学报告记录了这些发现,并提出了新研究的具体想法,包括利用自然语言处理(NLP)、博弈论和欺骗性技术进行CTI处理、反间谍和归因。在DGICFD的要求下,可以对特别感兴趣的能力进行进一步调查。
鉴于DND/CAF的资源有限,支持网络情报(CI)进程的新能力所带来的任何优势都很重要。本报告确定了17个提供这种能力或提高业务效率的潜在途径,例如通过自动化。通过DRDC内部的开发或通过外部合作伙伴,如创新国防卓越和安全(IDEaS)计划来追求这些能力,可以在高度竞争的网络空间领域提供一个有意义的优势。