PulseAugur
中
实时 05:48:28
English(EN) Multi-Class vs. Multi-Label BERT for CVE-to-CWE Mapping: How Taxonomy Structure Shapes the Errors

BERT 模型在网络安全研究中用于 CVE 到 CWE 映射的比较

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新的研究论文探讨了不同 BERT 模型在将常见漏洞和暴露 (CVE) 映射到常见弱点枚举 (CWE) 类别方面的有效性。该研究使用 BERT Base、SecureBERT 和 CySecBERT 比较了多类别和多标签分类方法。结果表明，多类别训练通常能获得更高的宏观 F1 分数，尽管在标签空间较小时差距会缩小。研究还表明，CWE 分类法的结构对分类错误有显著影响，其影响程度超过了编码器的选择。 AI

影响 这项研究可能通过改进 AI 模型解释和分类安全弱点的方式，从而实现更自动化和更准确的网络安全漏洞分析。

排序理由 该集群包含一篇学术论文，详细介绍了机器学习模型在网络安全任务方面的研究成果。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

BERT 模型在网络安全研究中用于 CVE 到 CWE 映射的比较

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Ana Schwengber Kelm, Christian Bockermann, J\"org Frochte ·

    Multi-Class vs. Multi-Label BERT for CVE-to-CWE Mapping: How Taxonomy Structure Shapes the Errors

    arXiv:2607.07573v1 Announce Type: new Abstract: Assigning Common Weakness Enumeration (CWE) categories to Common Vulnerabilities and Exposures (CVE) records remains an important but largely manual step in vulnerability analysis. We study this task as a text classification problem…

  2. arXiv cs.LG TIER_1 English(EN) · Jörg Frochte ·

    Multi-Class vs. Multi-Label BERT for CVE-to-CWE Mapping: How Taxonomy Structure Shapes the Errors

    Assigning Common Weakness Enumeration (CWE) categories to Common Vulnerabilities and Exposures (CVE) records remains an important but largely manual step in vulnerability analysis. We study this task as a text classification problem and compare two modelling choices: a \emph{mult…

相关实体

相关话题