自动化CVE分析：利用机器学习设计问答模型以实现网络安全信息提取
密码学与安全
2024-12-24 v1 计算与语言
机器学习
摘要
网络安全信息的绝大多数是非结构化文本，包括数据库中如CVE、NVD、CWE、CAPEC以及MITRE ATT&CK框架中的关键数据。这些数据库对于分析攻击模式和理解攻击者行为至关重要。通过整合这些信息创建知识图谱可获得显著的洞见。然而，处理大量数据需要先进的深度学习技术。构建知识图谱的关键步骤是开发从非结构化文本中自动提取特定问题答案的健壮机制。问答（QA）系统在这一过程中发挥着关键作用，通过定位和提取精确信息，促进了各种数据点之间的映射。就网络安全而言，QA系统面临独特挑战，需要基于广泛的领域特定信息来解释和回答问题。为此，有必要开发一个针对网络安全的特定数据集，并在其上训练机器学习模型，以增强对领域特定信息的理解和检索。本文提出了一种新型数据集，并描述了在该数据集上训练的机器学习模型以完成QA任务。我们还讨论了模型的性能和关键发现，以一种在形式性和可接近性之间保持平衡的方式呈现。
引用
@article{arxiv.2412.16484,
title = {Automated CVE Analysis: Harnessing Machine Learning In Designing Question-Answering Models For Cybersecurity Information Extraction},
author = {Tanjim Bin Faruk},
journal= {arXiv preprint arXiv:2412.16484},
year = {2024}
}