01 · 为什么需要自动化评分
第2页的人工框架（Admiralty Code 双维度 + STIX 2.1 数值）解决了"怎么评"的问题，但在规模面前遇到硬约束：一个中型 TIP（威胁情报平台）每日可能接入数十万条新指标，跨数百个来源；逐条人工评级在人力与时效上都无法承受，而"只评重点、其余不评"又会让未评级情报失去消费依据。
自动化的目标不是取代分析师，而是把可复用、可解释、可审计的规则固化成引擎：以源信誉作为先验、以多源证据做融合、以时间衰减做保鲜、以对抗校验做纠偏，最终输出与人工框架语义一致的 STIX confidence 数值。人工则聚焦于高影响决策（自动阻断、封禁）与异常复核。
设计原则：① 自动化评分必须可解释——每个分值都能回溯到"源可靠性 + 证据强度 + 时效修正"的可读公式，而非黑盒；② 自动化评分必须可校准——消费回传数据（第3页 Sighting）是其唯一的真相来源；③ 自动化评分必须有人工兜底——任何不可逆动作仍须满足"双高 + 独立佐证 + 回滚"（第2、4页）。
02 · 贝叶斯置信度更新
贝叶斯推断提供了"先验 → 新证据 → 后验"的严谨数学框架。设命题 H 为"该情报所描述威胁为真"，先验概率 P(H) 由源可靠性给出；当获得一条独立的观测证据 E 时，后验为：
P(H|E) = P(E|H) · P(H) / P(E)
直观结论：独立证据会按似然比放大或缩小置信度，但永远无法把"不可能"变成"确定"。这也解释了第3页强调的"独立性"——若新证据与旧证据同源（回声室），其似然比应视为 1（不提供新信息），否则会高估置信度。
2.1 源可靠性 → 先验概率的示例映射
下表为本课题给出的示例性映射，用于演示计算逻辑，并非任何官方标准；各组织应结合自身回传数据标定。Admiralty 等级本身只做"A–F / 1–6"的序数评级，到概率的映射没有统一规定。
| 源等级 | 含义 | 示例先验 P(H)（示意区间） |
|---|---|---|
| A | 完全可靠 | 0.90 – 0.98（一贯准确、多次独立验证的来源） |
| B | 通常可靠 | 0.75 – 0.90 |
| C | 较可靠 | 0.55 – 0.75 |
| D | 不太可靠 | 0.30 – 0.55 |
| E | 不可靠 | 0.10 – 0.30 |
| F | 无法判断 | 0.50（无信息先验，不增不减） |
信息可信度（1–6 级，第2页）则用于设定似然 P(E|H) 与 P(E|¬H) 的相对强度。例如"经独立来源证实（1级）"对应的似然比远大于"存疑（4级）"。多条真正独立的证据依次相乘，后验快速收敛——这正是"多源交叉验证提升置信度"的数学本质，也定量说明了为什么第3页要求剔除同源转载。
03 · 多源概率融合：Dempster-Shafer 证据理论
贝叶斯方法要求为每个假设指定完整先验，而现实中的情报常带有"未知/不确定"——来源只说"可能"，没有足够信息给出精确先验。Dempster-Shafer（D-S）证据理论允许把信念质量（mass）显式地分配给"整个识别框架"（即"我不知道"），从而更诚实地表达不确定性。
- 基本思想：每个独立信息源给出对"真/假/未知"的信念质量分配；Dempster 组合规则把多个来源的证据融合为联合信念（Belief）与似真（Plausibility）区间。
- 适用场景：多份评级口径不一、部分缺失、相互不完全一致的情报进行加权综合，输出"置信区间"而非单点值，与第3页"用小样本区间估计而非点值"的思想一致。
- 已知风险：当来源间高度冲突时，朴素 D-S 组合可能产生反直觉结果（Zadeh 经典批评）。缓解手段是对冲突质量单独计量、采用带冲突因子的归一化组合规则，并对高冲突触发人工复核而非自动采信。
方法选型建议：来源可靠、证据可量化时优先用贝叶斯（可解释、易校准）；证据稀疏、冲突明显、需保留"未知"语义时，用 D-S 区间表达。两者都只是决策支持，最终进入自动处置的仍须满足第2、4页的保守门槛。
04 · 源信誉的机器学习建模
第3页提出以 EWMA 指数加权滑动平均聚合源历史准确率。当积累足量带标签的回传数据后，可进一步用机器学习提升源信誉与指标级置信度的预测能力：
- 监督学习（指标级）：以"来源等级、情报类型、覆盖行业、历史命中率、与已知家族相似度、发布—消费时延"等为特征，预测该指标在消费端的最终处置（真阳性 / 误报）；标签来自 SIEM/EDR 的实际命中与 MISP 的 false-positive 回传（第3页）。
- 在线学习（源级）：源信誉随新命中/误报持续更新，近期表现权重更高，使评分能快速反映来源恶化；与第3页 EWMA 思路兼容，但可选用梯度类模型捕捉非线性。
- 异常检测：监控单源的体积突变、类型漂移、TTP 分布异常，自动标记"行为可疑"的来源进入隔离待审，是自动化的投毒前哨。
关键前置：标签质量决定模型上限。若回传率低（第3页 KPI）或标签本身有偏，模型会学到错误相关性——因此"先建反馈闭环、再上 ML"是顺序铁律，不能本末倒置。
05 · 置信度的时间衰减
证据会过时。第4页的 IOC 时效表说明：钓鱼 URL 以小时—天计、C2 IP 以天—周计、TTP 以月—年计。置信度应随证据年龄衰减，而非恒定不变：
C(t) = C₀ · exp(−λ · Δt) # λ 按情报类型取值：钓鱼URL高、TTP低
- 衰减与时效协同：衰减到阈值线即触发复评（第3页复评触发器），逼近
valid_until（第4页）时加速降级，到期后停止在线匹配、转入存档（过期 ≠ 删除）。 - 反衰减信号：若在衰减期内获得新的独立命中回传，则按第2页"评级是动态而非终身"的原则重置计时并上调，形成"使用即保鲜"的正向循环。
衰减不是惩罚，而是诚实：一条三个月前"高置信"的钓鱼域名，今天大概率已弃用；不衰减的静态高分只会制造误报、侵蚀信任（呼应第1页核心命题）。
06 · 投毒与异常检测（自动化对抗校验）
第3页的人工对抗校验（沙箱复现、时间线一致性、蜜标 IOC）在规模化下必须辅以自动化：
- 分布监控：对单源指标的"类型构成、时效分布、与历史基线的偏离"做统计监控，突变即预警；
- 蜜标命中：把第3页的 Canary IOC 检测规模化——一旦内部诱饵指标出现在外部共享源，自动将该来源全部情报置为隔离待审并启动安全调查；
- 矛盾检测：自动比对情报声称的活动时间窗与被动 DNS 首次出现时间、证书签发时间，明显矛盾即降权；
- 声誉联动：异常来源自动下调其未来情报的先验权重，使投毒的"杠杆"被持续压缩。
07 · LLM 辅助分析的边界
大语言模型（LLM）在情报处理中能显著提升效率，但边界必须划清：
| 可辅助（在边界内） | 不可越界（必须人工/机制兜底） |
|---|---|
| 从非结构化报告中抽取 IOC / TTP 草稿 | 直接给出置信度结论（缺乏可验证证据链） |
| 按模板生成结构化报告初稿 | 替代溯源（幻觉会伪造"来源"与"依据"） |
| 对多语言情报做初译与摘要 | 作为不可质疑的权威（无 provenance） |
| 根据既有评级规则建议分值 | 进入自动阻断等不可逆动作而无人复核 |
红线：LLM 的输出只能作为"待验证的输入"进入证据链，绝不能替代证据链。其建议分值须与贝叶斯/D-S 计算、源信誉、回传校准相互独立地交叉核对；任何 AI 生成的分析都应可被溯源、可被复核、可被回滚。
08 · 自动化评分流水线
把上述方法组装为可运行的评分引擎，是本页的工程落点：
8.1 评分要素贡献（示例权重）
09 · 贝叶斯更新的数值工作示例（演示用）
以下数字仅为演示计算逻辑的构造示例；先验与似然比取值对应第2节"示例性映射"，非实测数据，落地时须以本单位回传数据重新标定。
设某域名情报来自 B 级源（先验 P(H)=0.8，对应先验胜率 o₀=4）。第一条独立证据：内部沙箱确认该域名承载钓鱼页面（设似然比 LR₁=6）；第二条独立证据：被动 DNS 显示其注册与解析时间线和所述活动一致（设 LR₂=2，较弱佐证）。则：
先验胜率 o₀ = 0.8 / 0.2 = 4
一次更新 o₁ = o₀ × LR₁ = 4 × 6 = 24 → P(H|E₁) = 24/25 = 0.96
二次更新 o₂ = o₁ × LR₂ = 24 × 2 = 48 → P(H|E₁,E₂) = 48/49 ≈ 0.98
映射示例 0.98 → STIX confidence 98；未经对抗校验与独立复核前，
按第2、4页保守门槛封顶进入"告警级"（如 85），不进入自动处置- 独立性决定上限：若两条证据同源（如都来自同一商业源的转载），LR 应视为 1，后验维持 0.96 不变——这定量解释了"同源转载不构成印证"（第3页谱系排查）；
- 收敛但不越界：无论叠加多少证据，后验只能渐近 1 而无法"证明"为真——这正是"置信度是分析判断而非客观概率"的数学表达（第2页）；
- 似然比的标定来源：LR 应由历史数据估计（某类证据在真情报 / 假情报中的出现比例之比），这正是回传闭环（第3页）喂养模型的具体方式；
- 人工封顶不是形式主义：演示中"98 封顶为 85"体现第8节流水线的人工兜底——对抗校验与独立复核未完成前，高计算值不直接驱动不可逆动作。
10 · 模型治理：漂移监测、再训练与版本管理
- 漂移监测：持续监控输入特征分布（来源构成、情报类型占比）与输出分布（评分直方图）的漂移；漂移超阈触发人工复核，防止"数据变了、模型不知道"；
- 再训练触发：新标签积累达阈值、或校准偏差（第4页 KPI）持续劣化时触发再训练；再训练必须走灰度发布并保留回滚预案，禁止直接全量替换线上模型；
- 版本管理：模型、特征、权重、规则全部版本化，任一评分结果可回溯到当时的模型版本与参数快照——这是"可审计"（第4页）在 ML 环节的兑现；
- 校准曲线（Reliability Diagram）：将评分分桶，比较"桶内平均置信度"与"桶内实际命中率"，理想状态下两者近似对角线；系统性偏离（过度自信或过度保守）应触发分析师校准训练（第2页）而非直接调权重——先修人，再修参数；
- 红队评估：定期以已知投毒样本与对抗样例测试评分引擎的鲁棒性（第6节），评估结果纳入模型版本发布门槛；
- 冷启动保护：新接入来源的 ML 特征以中性值填充并设置人工复核期（呼应第3页源信誉冷启动），避免新源被模型 silent 歧视或 silent 信任。
本节参考来源（第5页）
以下均为真实、公开可查的权威来源与经典方法文献；贝叶斯推断、Dempster-Shafer 证据理论为教科书级标准方法，本页未虚构任何实验数据或模型性能指标。
OASIS《STIX Version 2.1》（confidence 属性与 Sighting 对象）：docs.oasis-open.org/cti/stix/v2.1/os/stix-v2.1-os.html
E. T. Jaynes, Probability Theory: The Logic of Science（贝叶斯推断经典著作，2003 整理出版）：cambridge.org
G. Shafer, A Mathematical Theory of Evidence, Princeton University Press, 1976（Dempster-Shafer 证据理论奠基著作，ISBN 978-0691081755）：press.princeton.edu（出版社官方站点）
MISP 项目（sightings / false-positive 回传作为标签数据）：misp-project.org
NIST SP 800-150《Guide to Cyber Threat Information Sharing》（2016）：csrc.nist.gov/pubs/sp/800/150/final
MITRE ATT&CK（TTP 特征工程参考）：attack.mitre.org；Canarytokens 蜜标工具：canarytokens.org
11 · 低回传率与冷启动场景的降级策略
自动化评分引擎的两个"饥饿"场景需要显式降级设计，否则 ML 会退化为"用没有标签的训练没有验证的模型"：
- 低回传率（反馈饥饿）：回传率低于统计可信阈值时，引擎输出自动附"统计不可信"标记——评分仅作排序参考，不进入自动处置决策；同时触发回传通道修复专项（接口可用性、消费方激励、协议追责），而非调高模型自信度；
- 来源冷启动（标签饥饿）：新接入来源的信誉特征以中性值填充、先验取无信息值 0.5（第2节示例映射），并设人工复核保护期；保护期内其情报一律走"隔离观察"路由，不参与融合加权、不上调他源置信度；
- 双饥饿叠加：新源 + 低回传并存时执行最保守策略——仅入狩猎线索池，告警级与处置级均不可达，直至回传样本量使 Wilson 区间宽度收窄到阈值以内；
- 恢复条件：降级状态解除须满足可复核条件（回传率、样本量、复核抽检通过率），解除动作本身留痕，防止"静默升级"绕过治理。
与 FAQ 的衔接：本节是第6页落地 FAQ"没有历史回传数据，源信誉从哪来"的引擎层实现——规则侧（FAQ）讲管理动作，引擎侧（本节）讲技术降级，两者必须一致配置。