AutoMalDescは、サイバーセキュリティ研究における脅威検出の自然言語説明生成の課題に対処するための自動静的分析要約フレームワークです。このシステムは、専門家によって厳選された少量のデータで初期学習を行い、その後は独立して大規模に動作します。反復的な自己ペース学習パイプラインを使用して、合成データ生成と検証サイクルを通じて出力品質を向上させ、大量の手動データ注釈が不要となります。5つのスクリプト言語における3,600の多様なサンプルで評価を行ったところ、反復間で統計的に有意な改善が示され、要約の質と分類精度の一貫した向上が確認されました。生成された要約の技術的な精度と文的な一貫性は、定量的なマトリクスと人間の専門家による定性的評価によって検証されました。それに加え、再現性を促進しこの分野の研究を前進させるために、10万以上のスクリプトサンプルからなる完全なデータセットを公開しています。