摘要
印度尼西亚快速的数字化发展伴随着日益严重的网络威胁，社交媒体上的公众讨论成为一种关键但尚未得到充分利用的威胁情报来源。这类讨论使用非正式语言并带有地方特色，导致现有的国际网络犯罪分类体系失效，从而在可扩展且具有地方相关性的威胁分析方面存在空白。本研究提出了印度尼西亚网络犯罪威胁分类体系（Indonesian Cybercrime Threat Taxonomy，简称ICTT），这是一个专为印度尼西亚在线环境设计的五维框架。我们开发了一个端到端的开源情报（OSINT）收集流程，从X（前身为Twitter）和YouTube平台收集了2344个样本，并利用12个高精度正则表达式模式在弱监督下生成训练标签。在此基础上对先进的IndoBERT模型进行了微调，将其性能与基于规则的模型和混合模型进行了对比。在包含600个样本的手动标注黄金标准数据集上，IndoBERT模型和混合模型的准确率均达到了96.8%，显著优于基于规则的模型（66.7%）。这两种模型在两个社交媒体平台上都表现出良好的泛化能力，其中混合模型在高性能和可解释性之间取得了良好的平衡。这项研究表明，非正式的公众讨论可以系统地转化为结构化的威胁情报。ICTT及其配套的混合分类系统为印度尼西亚的网络威胁分析提供了可扩展、可解释且具有地方相关性的基础，为其他资源匮乏的语言环境树立了方法论范例。
