PulseAugur
中
实时 11:25:26
English(EN) 📄 New paper: mapping CVEs to MITRE ATT&CK techniques with a classifier trained on 1,207 expert-labeled CVEs Live on every vulnerability page of https:// vulnera

新论文使用专家标记数据将 CVE 映射到 MITRE ATT&CK

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新的研究论文详细介绍了一种方法，该方法使用在 1,207 个专家标记的 CVE 上训练的分类器将通用漏洞和披露 (CVE) 映射到 MITRE ATT&CK 技术。研究发现，使用 LLM 生成的标签进行训练并未提高性能，甚至降低了对罕见技术的覆盖率，结论是人类策划在此任务上优于生成。该研究还包括代码和在漏洞查找网站上的实时演示。 AI

影响 这项研究强调了当前 LLM 在准确标记网络安全威胁方面的局限性，并强调了在关键安全应用中对专家人工策划的持续需求。

排序理由 该集群包含一篇详细介绍新方法和研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Mastodon — fosstodon.org 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新论文使用专家标记数据将 CVE 映射到 MITRE ATT&CK

报道来源 [1]

  1. Mastodon — fosstodon.org TIER_1 English(EN) · [email protected] ·

    📄 New paper: mapping CVEs to MITRE ATT&CK techniques with a classifier trained on 1,207 expert-labeled CVEs Live on every vulnerability page of https:// vulnera

    📄 New paper: mapping CVEs to MITRE ATT&CK techniques with a classifier trained on 1,207 expert-labeled CVEs Live on every vulnerability page of https:// vulnerability.circl.lu Bonus negative result: LLM-generated labels at ≈0.39 expert agreement don't help and degrade rare-techni…

    链接 vulnerability.circl.lu arxiv.org/…/2607.25572 github.com/…/VulnTrain

相关实体

相关话题