CVE-LLM：基于大语言模型的医疗器械行业自动漏洞评估
计算与语言
2024-07-23 v1 人工智能
密码学与安全
摘要
医疗行业正面临前所未有的网络安全攻击潮，影响数百万人。每月发现的漏洞数量惊人，亟需自动化医疗器械漏洞评估流程，以加快修复速度。生成式AI系统在各行业取得突破性进展，为自动化和效率提升提供了前所未有的机遇。本文提出一种利用大语言模型（LLM）从历史漏洞评估中学习，实现医疗器械行业自动漏洞评估的解决方案。该方法应用于单一制造商的产品组合，考虑到器械特征，包括现有安全姿态和控制措施。本文的主要贡献有三点：首先，详细阐述了在工业环境中训练漏洞语言模型（Vulnerability Language Model，简称 VLM）的最佳实践；其次，全面比较和深入分析了语言模型在漏洞评估中的有效性；最后，提出一种新的人类在环框架，以加速漏洞评估流程。
引用
@article{arxiv.2407.14640,
title = {CVE-LLM : Automatic vulnerability evaluation in medical device industry using large language models},
author = {Rikhiya Ghosh and Oladimeji Farri and Hans-Martin von Stockhausen and Martin Schmitt and George Marica Vasile},
journal= {arXiv preprint arXiv:2407.14640},
year = {2024}
}