Este artículo presenta CyberRAG, un novedoso marco de trabajo para procesar eficazmente el enorme volumen de alertas generadas por los sistemas IDS/IPS empresariales. CyberRAG es un marco de Generación Aumentada de Recuperación (RAG) basado en agentes, diseñado con clasificadores optimizados para cada tipo de ataque, adaptadores de herramientas para el enriquecimiento de alertas e información, y un bucle iterativo de recuperación e inferencia que consulta una base de conocimiento específica del dominio. A diferencia de los RAG existentes, CyberRAG adopta un diseño basado en agentes que permite un flujo de control dinámico y una inferencia adaptativa. Refina de forma autónoma las etiquetas de amenazas y las descripciones en lenguaje natural, reduciendo así los falsos positivos y mejorando la interpretabilidad. Los resultados de la evaluación de inyección SQL, XSS y SSTI demostraron una precisión superior al 94 % para cada clase y una precisión de clasificación final del 94,92 %. Las descripciones generadas obtuvieron una puntuación BERTS de 0,94 y una puntuación de evaluación experta basada en GPT-4 de 4,9/5. CyberRAG demuestra escalabilidad al admitir nuevos tipos de ataques al agregar clasificadores sin volver a entrenar al agente principal.
