01 · 为什么写这一页
第2–7页给出的是"应当如何"。但质量退化往往不是因为缺方法，而是因为在压力、惯性或误解下偏离了方法。把高频踩坑点显式列出来，比再写一套规则更管用——它让团队在评审时有一个"自查清单"。
02 · 常见认知误区
| 误区 | 正确认知（对应本框架） |
|---|---|
| 把置信度当客观概率 | 它是分析判断而非客观概率；应表达区间与不确定性（第2页 Kent、第3页 Wilson 区间） |
| 高置信度 = 可自动处置 | 高分级仍需"双高来源 + 独立佐证 + 回传就绪 + 可回滚"（第2、4页 矩阵） |
| 忽略时效性 | 过期高置信只是"旧的高置信"，应衰减与复评（第4、5页 时效与衰减） |
| 混淆 TLP 与置信度 | TLP 管"能传给谁"，置信度管"有多可信"，二者正交（第2、4页） |
| 来源多样性幻觉 | 同源转载不是独立印证，融合前须做谱系排查（第3页 交叉验证） |
| 有评分无反馈 | 不回传则评分会"腐烂"，闭环是校准前提（第3、5、6页） |
| 过度依赖黑盒自动化 | ML 是决策支持，高影响动作仍须人工兜底（第5页 LLM 边界） |
03 · 情报安全与合规风险
- 投毒与假旗：伪造指标诱导误封、假旗误导归因（第3、5、6页 案例三）；须以蜜标 + 来源级隔离应对。
- 共享泄露：TLP 违规（如把 RED 外传）、误发受限数据；治理上应把"双字段校验 + 出境手续"固化为质量闸门（第4、7页）。
- 隐私与数据合规：回传与跨境共享中的个人信息、重要数据义务（第7页 跨境合规）；最小化与去标识是底线。
- 责任风险：错误归因、误封合法业务可能造成法律与声誉责任；高影响动作必须可审计、可回滚、可问责。
风险本质：情报质量风险会"杠杆化"——一条被高估的情报，可能驱动成百上千次的自动处置；因此"高估"比"漏评"在规模化下更危险，保守矩阵由此而来。
04 · AI / LLM 带来的新挑战
AI 既提升分析效率（第5页 7 节），也制造新风险：
- 合成虚假情报：AI 生成的伪造报告、深度伪造与自动化叙事，使"来源可信"更难判断——验证门槛被整体抬高；
- 分析幻觉：LLM 会编造"来源"与"依据"，若直接进入证据链将污染置信度（第5页 红线）；
- 对抗博弈升级：攻击者也会用 AI 操纵声誉系统、生成更难辨别的投毒指标，要求对抗校验同步智能化；
- 可解释性缺口：黑盒模型给出的分值若不可溯源，会与第2页"可复核"原则冲突。
应对方向：为 AI 生成的分析加 provenance/水印、保持人工复核、把模型输出作为"待验证输入"而非结论、并以第3页证据链与第5页反馈闭环持续校准。
05 · 质量度量的反模式
- 点估计代替区间：小样本下用单一百分比误导决策，应给 Wilson 区间（第3页）；
- 低回传率仍下结论：回传率过低时统计不可信，应先提升回传而非强行评级（第3、4页 KPI）；
- KPI 被博弈：为追求"去重率"过度合并、为"命中率"放宽阈值，反而损害质量；KPI 口径须版本化、防寻租；
- 只看产出不看动作：ISO 27001 A.5.7 关注"情报是否驱动了动作"，仅有订阅清单不算合格（第7页）。
06 · 未来展望
- 标准化收敛：STIX/TAXII 与 confidence 语义进一步互通，跨组织"置信度互认"成为可能；
- 隐私计算协同：联邦学习 / 多方安全计算让"可用不可见"的联合信誉评分成为现实，降低跨境共享阻力；
- 预测性质量：在消费前预测某情报的误报概率与衰减曲线，把质量从事后校准前移到事前预防；
- Human-in-the-loop 永不可省：无论自动化多强，高影响决策与异常复核仍需人；AI 是分析师的"第二双眼睛"，不是替代；
- 对抗常态化：情报质量战场将长期存在于"投毒 vs 检测"的对抗中，需把对抗校验作为持续能力而非一次性项目。
07 · 研究路线图（迪妙）
08 · 全文总结
本子课题八页构成完整逻辑链：第1页界定问题与目标；第2页建立置信度评估方法论（Admiralty 双维度 + Kent 概率语言 + STIX 2.1 标尺 + 偏差控制）；第3页建立证据与校准机制（证据链、Sighting 回传、交叉验证、误报度量、源信誉）；第4页落成规范与系统（分级、时效、TLP、架构、KPI、治理）；第5页工程化评分（贝叶斯、D-S、ML、衰减、检测、LLM 边界）；第6页以案例验证端到端可落地（评分卡、前后对比、复盘）；第7页对齐标准与合规（ISO 27001 A.5.7、NIST、ENISA、CISA AIS、GB/T 36643 与国内法规）；第8页提示误区、风险与未来。
核心结论（呼应第1页）：情报质量评估不是一次性的打分动作，而是贯穿收集、处理、分析、分发、消费全链路的持续运营机制——它的成熟度，最终决定了威胁情报体系能否从"数据堆积"走向"决策可信"。结合迪妙反钓鱼业务，钓鱼 URL/仿冒域名的短时效分级、命中回传与误报校准，可直接反哺演练沙盘的数据水位与课程案例库建设。
09 · 全课题评审十大检查单
汇总第1–8页全部机制的"一票否决项"，供上线评审与年度复审使用；任何一项不满足即不具备进入自动处置 / 对外共享的条件：
| # | 检查项 | 对应页 |
|---|---|---|
| 1 | 每条情报是否有双维度评级与数值 confidence | 第2页 |
| 2 | 高置信情报是否有完整证据链与真正独立的佐证 | 第3页 |
| 3 | 消费端是否具备结构化回传通道，且回传率可度量 | 第3、4页 |
| 4 | 全部情报是否携带 valid_until，并按类型执行衰减与复评 | 第4、5页 |
| 5 | 外发是否在系统层强制 confidence + TLP 双字段校验 | 第4、7页 |
| 6 | 自动处置是否满足"双高 + 独立佐证 + 回传就绪 + 可回滚"门槛 | 第2、4页 |
| 7 | 是否部署蜜标 IOC 并建立来源级隔离流程 | 第3、5、6页 |
| 8 | 统计是否使用区间估计（Wilson）且 KPI 口径版本化 | 第3、4、8页 |
| 9 | 跨境共享是否完成数据分类与出境路径审定，MOU 是否含回传条款 | 第7页 |
| 10 | 评级模型、规则与阈值是否版本化，任一评分结果可回放审计 | 第4、5页 |
10 · 版本与维护计划
- 版本管理：本课题全文（第1–8页）统一版本管理，本版为审校版 V1.0；任何单页修订同步更新版本号与修订记录；
- 复审周期：引用标准 / 法规清单每半年核对一次（TLP、数据出境规则为重点复核对象）；方法与阈值每季度结合 KPI 评审调整，调整留痕；
- 勘误机制：读者可通过学院联系方式提交勘误与改进建议，经课题评审后纳入下版修订，并在修订记录中致谢；
- 配套材料：评分卡模板、质量检查单与 MOU 条款清单将同步沉淀为可下载附件，并与演练课程联动更新；
- 知识传承：第2页结构化分析技术训练与第6页教学案例纳入分析师培训课程，确保框架"不因人员更替而退化"（第4页治理目标）。
本节参考来源（第8页）
本页为方法论复盘与展望，所述误区、风险与未来方向均可在第1–7页的方法与引用规范中找到对应；AI 威胁相关可参考 ENISA 等机构定期发布的威胁态势报告。本页未虚构任何事件或数据。
ISO/IEC 27001:2022 A.5.7 与"情报须驱动动作"的审计证据要求：iso.org/standard/27001
ENISA 威胁态势（Threat Landscape）系列报告（AI 相关风险背景）：enisa.europa.eu
OASIS STIX 2.1 / TAXII 2.1、FIRST TLP 2.0、MISP（前述各页已列，本页复用其机制表述）
Sherman Kent, Words of Estimative Probability（CIA, 1964）；R. J. Heuer, Psychology of Intelligence Analysis（CIA, 1999）——第2页引用的认知偏差与不确定性表述基础