CPE-Identifier：基于深度学习和自然语言处理的自动CPE识别与CVE�要要素标注
密码学与安全
2024-05-24 v1 人工智能
计算与语言
机器学习
摘要
随着国家漏洞数据库（National Vulnerability Database, NVD）每年新漏洞数量的激增，NVD分析师将通用平台枚举（Common Platform Enumeration, CPE）与通用漏洞披露（Common Vulnerabilities and Exposures, CVE）摘要要素关联工作负荷日益沉重且效率低下。延迟会导致依赖NVD进行漏洞管理和安全度量的组织更易受到零日攻击。因此，有必要提出一种提取CVE摘要要素中CPE的准确且快速的技术和工具。本文提出了CPE-Identifier系统，一个用于从CVE摘要要素中自动标注和提取CPE的系统。该系统可作为识别新输入CVE文本中CPE实体的工具。此外，我们还自动化了数据生成和标注过程，使用深度学习模型。由于CVE文本的复杂性，新的技术术语经常出现。为识别未来CVE文本中新出现的术语，我们应用自然语言处理（Natural Language Processing, NLP）命名实体识别（Named Entity Recognition, NER）来识别文本中的新技术术语。我们提出的模型在F1分数上达到95.48%，准确率为99.13%，精确率为94.83%，召回率为96.14%。我们显示，该模型在所有指标上均超过现有工作超过9%。
引用
@article{arxiv.2405.13568,
title = {CPE-Identifier: Automated CPE identification and CVE summaries annotation with Deep Learning and NLP},
author = {Wanyu Hu and Vrizlynn L. L. Thing},
journal= {arXiv preprint arXiv:2405.13568},
year = {2024}
}
备注
International Conference on Information Systems Security and Privacy 2024