利用 BERT 推动漏洞分类：一种多目标学习模型

网络安全漏洞的快速增长 necessitates 自动化工具来分析和分类漏洞报告。本文提出了一种 novel 漏洞报告分类器，该分类器利用 BERT（双向编码器表示来自 Transformer 的编码器）模型对来自国家漏洞数据库（NVD）的常见漏洞与暴露（CVE）报告进行多标签分类。该分类器预测漏洞的严重程度（Low、Medium、High、Critical）以及漏洞类型（如缓冲区溢出、XSS）。我们引入了一个自定义训练管道，使用结合损失函数——用于严重程度的交叉熵和用于类型的二元交叉熵带对数its——集成到 Hugging Face Trainer 子类中。对最新 NVD 数据的实验表明，结果令人鼓舞，评估损失在各个 epoch 中呈递减趋势。该系统通过 REST API 和 Streamlit UI 部署，实现即时漏洞分析。本工作为网络安全从业者提供了一个可扩展、开源的解决方案，以自动化漏洞分流。