HW-V2W-Map：用于根因分析及 GPT 辅助缓解建议的硬件漏洞到弱点映射框架
密码学与安全
2025-06-04 v1 人工智能
机器学习
摘要
现代计算框架日益复杂的局面导致从业者向国家漏洞数据库（NVD）报告的网络安全漏洞激增。尽管 NVD 的地位是获取最新漏洞见解最重要的数据库之一，但若不应用合适的技术方法，从如此大量的非结构化数据中提取有意义的趋势仍然具有挑战性。以往的努力主要集中在软件漏洞上；然而，一种包含缓解漏洞方法、评分预测以及能够从通用弱点枚举（CWE）和通用漏洞披露（CVE）数据库中提取相关见解的知识生成系统的整体策略却显著缺失。随着针对物联网（IoT）设备的硬件攻击数量持续快速增加，我们提出了硬件漏洞到弱点映射（HW-V2W-Map）框架，这是一个专注于硬件漏洞和 IoT 安全的机器学习（ML）框架。我们提出的架构 Incorporates 一个本体驱动的故事讲述框架，该框架自动化本体更新过程以识别漏洞随时间的模式和演变，并提供缓解漏洞的方法。由此可以减轻漏洞的后果，反之亦然，未来的暴露可以被预测和预防。此外，我们提出的框架利用生成式预训练 Transformer（GPT）大语言模型（LLMs）来提供缓解建议。
引用
@article{arxiv.2312.13530,
title = {HW-V2W-Map: Hardware Vulnerability to Weakness Mapping Framework for Root Cause Analysis with GPT-assisted Mitigation Suggestion},
author = {Yu-Zheng Lin and Muntasir Mamun and Muhtasim Alam Chowdhury and Shuyu Cai and Mingyu Zhu and Banafsheh Saber Latibari and Kevin Immanuel Gubbi and Najmeh Nazari Bavarsad and Arjun Caputo and Avesta Sasan and Houman Homayoun and Setareh Rafatirad and Pratik Satam and Soheil Salehi},
journal= {arXiv preprint arXiv:2312.13530},
year = {2025}
}
备注
22 pages, 10 pages appendix, 10 figures, Submitted to ACM TODAES