CVE-LLM：利用大语言模型进行面向医疗设备的漏洞评估
计算与语言
2025-02-25 v1 密码学与安全
摘要
国家漏洞数据库(NVD)每月发布超过1000个新的漏洞，预计2024年将增长25%，这凸显了迅速识别漏洞以缓解网络安全攻击、节省成本和资源的关键需求。本文提出使用大语言模型(LLM)从单个制造商组合中医疗设备漏洞的历史评估中学习漏洞评估。我们强调了使用LLM进行自动漏洞评估的有效性与挑战，并引入一种方法通过补充历史数据与网络安全本体，使系统能够在无需重新训练LLM的情况下理解新漏洞。我们的LLM系统与现有的应用程序集成——网络安全管理系统(CSMS)——帮助西门子海德士(SHS)产品网络安全专家高效评估我们产品中的漏洞。此外，我们提出了将LLM高效集成到网络安全工具中的指南。
引用
@article{arxiv.2502.15932,
title = {CVE-LLM : Ontology-Assisted Automatic Vulnerability Evaluation Using Large Language Models},
author = {Rikhiya Ghosh and Hans-Martin von Stockhausen and Martin Schmitt and George Marica Vasile and Sanjeev Kumar Karn and Oladimeji Farri},
journal= {arXiv preprint arXiv:2502.15932},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2407.14640