通过自动与增强描述总结来提升漏洞报告
密码学与安全
2025-04-30 v1 人工智能
机器学习
摘要
公共漏洞数据库（如国家漏洞数据库 NVD）记录漏洞并促进威胁信息共享，但常常 suffer from 描述简短且信息过时或不充分。在本文中，我们引入了 Zad，一个旨在利用外部资源丰富 NVD 漏洞描述的系统。Zad 包含两个管道：一个使用两个编码器收集和筛选补充数据以构建详细数据集，另一个在此数据集上微调预训练模型以生成丰富的描述。通过解决简洁性问题并改善内容质量，Zad 产生更全面且连贯的漏洞描述。我们使用标准总结指标和人类评估对 Zad 进行评估，证明了其在增强漏洞信息方面的有效性。
引用
@article{arxiv.2504.20726,
title = {Enhancing Vulnerability Reports with Automated and Augmented Description Summarization},
author = {Hattan Althebeiti and Mohammed Alkinoon and Manar Mohaisen and Saeed Salem and DaeHun Nyang and David Mohaisen},
journal= {arXiv preprint arXiv:2504.20726},
year = {2025}
}
备注
12 pages, 3 tables, 12 figures. Accepted for publication in IEEE Transactions on Big Data. Extended version of arXiv:2210.01260