该论文聚焦于从系统活动图中检索已知高级持续性威胁（APT）活动的任务。在现实运维环境中，系统活动图（节点代表MITRE ATT&CK技术，边表示时间或资源级别的关联）常因检测不完整、技术误分类以及良性行为引入的结构伪影而包含噪声。传统基于精确图匹配的方法在噪声环境下鲁棒性差。为此，论文将问题形式化为已知APT查询图与含噪声、部分观测的技术图之间的近似子图匹配。作者提出了一种基于嵌入的初步检索方法，通过将图结构转换为低维向量表示，在向量空间中进行相似度搜索，以容忍噪声和缺失边。该方法旨在为实际环境中已知APT活动的检索提供鲁棒且实用的框架。实验部分（摘要未详述）应验证该方法在合成噪声数据上的有效性。该工作适合安全分析师、威胁情报研究员及图分析在网络安全应用中的开发者阅读。

该论文提出了 CyBOKClaw，一种可解释的人机协同检索框架，用于将网络安全课程中的关键词或短语（KWoPs）映射到网络安全知识体系（CyBOK）。传统的精确匹配方法在应对教育场景中广泛、模糊且仅近似对齐的术语时效果有限。CyBOKClaw 被设计为 top-k 候选生成器，供专家审核，而非严格的精确分类器。它综合运用了查询规范化、策划的术语扩展、概念级提升、主题描述丰富以及领域敏感的排序规则。评估采用结构检索指标和专家引导的 top-5 有用性指标 ECA-5（Exact or Closest Acceptable Match at top-5），该指标记录返回的候选集中是否包含至少一个专家认为精确或最接近实际 CyBOK 位置的映射。在开发集上，CyBOKClaw 达到了 64.73% 的 EXA-5（top-5 精确匹配）、84.18% 的结构语义对齐以及 91.88% 的 ECA-5；在验证集上，分别达到 81.19% 的 EXA-5、93.32% 的结构语义对齐和 98.00% 的 ECA-5。结果表明，专家引导的 top-k 有用性比仅精确结构匹配更能忠诚地反映实际 CyBOK 映射的效用，并且 CyBOKClaw 作为 CyBOK 特定的专家支持检索系统是有效的。