AnnoCTR: A Dataset for Detecting and Linking Entities, Tactics, and Techniques 
in Cyber Threat Reports

Lange, Lukas; Müller, Marc; Torbati, Ghazaleh Haratinezhad; Milchevski, Dragan; Grau, Patrick; Pujari, Subhash Chandra; Friedrich, Annemarie

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Konferenzbeitrag

AnnoCTR: A Dataset for Detecting and Linking Entities, Tactics, and Techniques in Cyber Threat Reports

MPG-Autoren

/persons/resource/persons231571

Torbati, Ghazaleh Haratinezhad
Databases and Information Systems, MPI for Informatics, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

2024.lrec-main.103.pdf
(Verlagsversion), 437KB

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Lange, L., Müller, M., Torbati, G. H., Milchevski, D., Grau, P., Pujari, S. C., et al. (2024). AnnoCTR: A Dataset for Detecting and Linking Entities, Tactics, and Techniques in Cyber Threat Reports. In N. Calzolari, M.-Y. Kan, V. Hoste, A. Lenci, S. Sakti, & N. Xue (Eds.), The 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (pp. 1147-1160). ELRA Language Resources Association. Retrieved from https://aclanthology.org/2024.lrec-main.103/.

Zitierlink: https://hdl.handle.net/21.11116/0000-0010-B5B3-7

Zusammenfassung

Es ist keine Zusammenfassung verfügbar