L'estrazione del testo è il processo di estrarre informazioni chiave da materiale scritto più lungo. Nella cybersicurezza, spesso significa trasformare email, log, documenti, pagine web o registri di chat in dati strutturati come nomi, date, comandi, indicatori di compromissione o frasi sospette. Aiuta gli analisti a cercare più velocemente, confrontare i record e automatizzare il triage.
I difensori usano l'estrazione del testo in strumenti come pipeline SIEM, analisi del malware e prevenzione della perdita di dati per individuare credenziali, linguaggio di phishing o istruzioni nascoste. Gli aggressori usano la stessa idea per raccogliere dettagli utili da file esposti, estrarre elenchi di contatti o analizzare testo pubblico per attività di ricognizione. Quando sono coinvolti gli LLM, l'estrazione può rendere le informazioni più facili da leggere, ma deve preservare il contesto: omettere un avviso, una condizione o una sequenza può alterare il significato e creare rischi.