研究人员开发了HARP，一个用于根据用户偏好对常见漏洞和暴露（CVE）进行优先排序的新框架。与假设固定标准的现有系统不同，HARP通过使用历史标记示例来适应隐式操作偏好。该框架利用漏洞知识图谱和多个评分视图（全局、企业、用户）来对自然语言查询中的CVE候选进行排序。实验表明，HARP在各种偏好场景和LLM骨干网络中都有效，并且优于现有基线。 AI
影响 该框架可以通过更好地将漏洞优先级排序与特定组织需求相结合，来提高网络安全威胁评估的效率和准确性。
排序理由 该集群包含一篇研究论文，详细介绍了用于漏洞优先级排序的新框架。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
