Vulnerability Assessment of Industrial Control System with an Improved CVSS
University of Alberta（阿尔伯塔大学）
针对工业从业者对ICS网络攻击重视不足的问题，提出基于改进CVSS的ICS网络攻击风险评估方法，经CSTR模型验证，发现物理系统层级受攻击危害最高，控制器等为攻防关键组件。
2023-06-14 cs.AI cs.CR
My Software has a Vulnerability, should I worry?
(U.S)用于缓解软件风险的基于规则的策略建议使用CVSS评分来衡量单个漏洞风险并采取相应措施：根据NVD（国家（美国）漏洞数据库），因此翻译为“是”。一个关键的问题是，这种规则在经济上是否合理，特别是如果报告的漏洞实际上已经在野外被利用，以及风险评分是否确实与实际利用的风险相匹配。我们将NVD数据集与另外两个数据集进行比较，即针对漏洞黑市的EDB（例如Metasploit中存在的漏洞）和针对黑市中交易的漏洞的EKITS。我们根据赛门铁克的威胁浏览器数据集（SYM）对它们进行了基准测试，这些数据集是实际利用的数据。我们分析了CVSS子指标的整个范围，并使用这些特征对CVSS评分进行病例对照分析（类似于用于将肺癌和吸烟联系起来的分析），以测试其作为实际利用风险因素的可靠性。我们的结论是：（a）仅仅因为NVD中的高CVSS分数而进行修复只能产生可忽略的风险降低，（b）概念证明漏洞的额外存在（例如在EDB中）可能会产生一些额外的但不是很大的风险降低，（c）针对黑市中的存在进行修复可以产生与在汽车中佩戴安全带相同的风险降低（您也可能会死亡，但仍然...）。在消极的一面，我们的研究表明，作为行业，我们错过了一个具有高度特异性的指标（排除了我们不应该担心的漏洞）。为了解决BlackHat 2013观众的反馈，最终版本（V3）在附录A中提供了额外的数据，详细说明了研究中的控制变量如何影响结果。
2013-09-24 cs.CR
CVEs With a CVSS Score Greater Than or Equal to 9
NetUse AG；Kiel University of Applied Sciences（基尔应用技术大学）
本文分析了CVSS评分9.0以上高危漏洞的识别与修复时间，发现披露和补丁部署存在显著延迟，提出改进漏洞响应效率的建议。
2026-04-22 cs.CR
A Model for Android and iOS Applications Risk Calculation: CVSS Analysis and Enhancement Using Case-Control Studies
各种研究人员已经表明，通用漏洞评分系统（CVSS）有许多缺点，可能无法提供与软件漏洞相关的风险的精确视图。然而，许多威胁情报平台和行业标准都依赖于CVSS评分来评估网络安全合规性。本文建议对CVSS中的影响和可利用性子分数的计算进行几项改进，以提高其准确性，并帮助威胁情报分析师专注于与其资产相关的关键风险。我们将针对与几个Android和iOS应用程序相关的风险应用我们建议的改进，并讨论我们建模的改进和优势，例如时间对整体CVSS分数计算的重要性和影响。
2018-07-27 cs.CR
Can LLMs Classify CVEs? Investigating LLMs Capabilities in Computing CVSS Vectors
本研究探究大语言模型（LLMs）在计算通用漏洞评分系统（CVSS）向量、对通用漏洞披露（CVE）分类中的能力，通过提示工程策略提升其准确性并与基于嵌入的模型对比，发现LLMs有潜力但在主观组件评分上逊于后者，提出二者结合可提升可靠性。
2025-04-14 cs.CR
Common Vulnerability Scoring System Prediction based on Open Source Intelligence Information Sources
Technical University of Darmstadt（达姆施塔特工业大学）
新发布的漏洞数量不断增加。到目前为止，发布新漏洞时可用的信息由专家使用通用漏洞评分系统（CVSS）向量和分数手动评估。这种评估既费时又需要专门知识。各种工作已经尝试使用基于漏洞的文本描述的机器学习来预测CVSS向量或分数，以实现更快的评估。然而，为了这个目的，以前的作品只使用了国家脆弱性数据库等数据库中的文本。通过这项工作，分析了国家脆弱性数据库中引用的公开网页，并通过网络抓取作为文本来源提供。实现并评估了一种基于深度学习的CVSS向量预测方法。目前的工作提供了一个分类的国家脆弱性数据库的参考文本的基础上，其文本的适用性和crawlability。虽然我们发现额外文本的整体影响可以忽略不计，但我们的深度学习预测模型优于最先进的预测模型。
2022-10-05 cs.CR cs.LG
KEVGraph: Exploitation-Aware Dependency Vulnerability Remediation
KEVGraph提出利用感知的依赖漏洞修复流水线，通过KEV感知的集合覆盖和ILP规划，优先消除主动利用漏洞，在npm、Maven和PyPI上显著优于CVSS优先排序。
2026-09-22 cs.CR
Vulnerability Prioritization: An Offensive Security Approach
IBM T.J. Watson Research Center（IBM托马斯·J·沃森研究中心）；IBM Security（IBM安全事业部）
组织努力处理其云环境中的大量漏洞。用于确定漏洞优先级的实际方法是使用通用漏洞评分系统（CVSS）。然而，CVSS具有固有的局限性，这使得它不适合优先级。在这项工作中，我们提出了一种新的方式优先漏洞。我们的方法受到攻击性安全从业人员如何执行渗透测试的启发。我们通过一个大型客户的真实案例研究来评估我们的方法，以及机器学习端到端自动化流程的准确性。
2022-06-22 cs.AI cs.CR
Vulnerability Management Chaining: An Integrated Framework for Efficient Cybersecurity Risk Prioritization
Kagawa University（香川大学）
本文提出漏洞管理链框架，通过整合CVSS、EPSS和KEV三种方法，提升漏洞优先级管理效率，减少95%的紧急修复工作量。
2025-07-10 cs.CR
A Non-Intrusive and Context-Based Vulnerability Scoring Framework for Cloud Services
了解云服务中漏洞的严重性对于当今的服务管理员尤为重要。尽管许多系统，例如，CVSS已经被构建来为管理员评估和评分漏洞的严重性，这些系统所采用的评分方案未能考虑具有这些漏洞的特定服务的上下文信息，例如它们在特定服务中扮演的角色。这样的缺陷使得所得分数毫无帮助。本文提出了一个实用的框架，NCVS，提供自动和上下文评分机制，以评估特定服务的漏洞的严重性。具体而言，对于给定的服务S，NCVS首先自动收集S上下文信息，包括拓扑、配置、漏洞及其依赖关系。然后，NCVS使用收集的信息来构建上下文依赖图，命名为CDG，以建模S上下文。最后，NCVS通过分析S上下文，对S中的所有漏洞进行评分和排名，例如漏洞在S中扮演什么角色，以及它们对S功能的影响有多重要。NCVS是新颖和有用的，因为1）基于上下文的漏洞评分结果对于管理员理解特定于目标服务的每个漏洞重要性是高度相关和有意义的;以及2）NCVS的工作流不需要对任何源代码进行插装或修改。我们的实验结果表明，NCVS可以获得更相关的漏洞评分结果比可比系统，如CVSS。
2016-12-07 cs.CR
On Predicting Vulnerability Severity Using In-Context Learning: An Industrial Case Study
William & Mary（威廉玛丽学院）；Microsoft（微软公司）；Cisco Systems（思科系统公司）
本研究通过工业案例，用可本地部署的开源LLM的上下文学习从C/C++代码片段预测CVSS v3.1评分，发现CodeLlama2-7B在轻量输出约束提示下可接近云服务性能，且Big-Vul可作为工业数据代理。
2026-08-25 cs.AI cs.CR
CoSA: Context-Aware Severity Assessment via Context Analysis with Large Language Models
Singapore Management University（新加坡管理大学）；Monash University（蒙纳士大学）；GovTech（政府科技局）
CoSA是一种基于大语言模型的上下文感知漏洞严重程度评估方法，通过两阶段仓库剪枝策略与Transformer预测器，在6816个CVSS标注实例上较最优基线提升了14.4%准确率与15.3% Macro-F1
2026-08-17 cs.CR cs.SE
A Comparative Analysis of Vulnerability Management Tools: Evaluating Nessus, Acunetix, and Nikto for Risk Based Security Solutions
针对网络安全威胁态势演变下组织选择漏洞管理工具的挑战，本文全面比较分析Nessus、Acunetix和Nikto的检测准确率、CVSS风险评分等多维度指标，为基于风险的安全解决方案提供工具选择参考。
2024-11-28 cs.CR
Towards an open standard for assessing the severity of robot security vulnerabilities, the Robot Vulnerability Scoring System (RVSS)
Alias Robotics S.L.（Alias Robotics 有限公司）；IOActive Inc.（IOActive 公司）
机器人通常不会以安全为主要关注点。与典型的IT系统相比，网络物理系统依赖于安全性来处理安全问题。鉴于前者，经典的评分方法，如通用漏洞评分系统（CVSS）无法准确捕捉机器人漏洞的严重性。目前的研究工作重点是创建一个开放和免费访问的机器人漏洞评分系统（RVSS），该系统考虑了机器人技术中的主要相关问题，包括a）机器人安全方面，b）评估给定漏洞的下游影响，c）库和第三方评分评估以及d）环境变量，例如漏洞披露或暴露在网络上的时间。最后，RVSS与对比CVSS的实验评估，并重点讨论了机器人安全景观。
2021-11-12 cs.CR cs.RO
Quantifying IIoT Sensor Node Criticality by Fusing its Data Criticality and Security Vulnerability
Unitec Institute of Technology（Unitec理工学院）；Federation University Australia（联邦大学澳大利亚）
本研究提出基于Dempster-Shafer理论融合数据关键性与安全漏洞的框架，量化IIoT传感器节点关键性，并在红酒生产数据集上验证，发现CVSS 4.0与3.1排名差异显著。
2026-09-10 cs.CR
Mitigating Data Imbalance for Software Vulnerability Assessment: Does Data Augmentation Help?
The University of Adelaide（阿德莱德大学）；Cyber Security Cooperative Research Centre（网络安全合作研究中心）
该研究针对软件漏洞评估中CVSS类别数据不平衡的问题，采用9种数据增强技术开展大规模实验，验证了缓解数据不平衡可显著提升模型预测性能，为该领域提供了首个有效的解决方案参考。
2024-07-15 cs.CR cs.LG cs.SE
Bridging the Gap Between Security Metrics and Key Risk Indicators: An Empirical Framework for Vulnerability Prioritization
本文提出基于预期损失分解的关键风险指标，通过评估KEV目录下的280694个CVE，发现KRI在ROC-AUC和AUPRC上均优于CVSS，且在考虑影响和暴露时更有效。
2026-03-12 cs.CR cs.LG
Security Vulnerability Patterns in AI-Generated Code: A Cross-Model Comparative Study
The Beacom College of Computer & Cyber Sciences Dakota State University（达科他州立大学比科姆计算机与网络科学学院）
研究基于大语言模型的编码工具生成的自动化脚本安全风险，通过跨模型收集代码并审查漏洞，发现风险与任务类别有关，各模型漏洞情况相似，组织应思考是否不经审查就部署此类自动化代码。
2026-07-24 cs.CR cs.SE
Quantitative System-Level Security Verification of the IoV Infrastructure
车联网（IoV）为车辆配备了与互联网和物联网（IoT）的连接，以支持自动驾驶等现代应用。然而，车辆、互联网和物联网等复杂计算领域的整合限制了定制安全解决方案的适用性。在本文中，我们提出了一种新的方法来定量验证车联网基础设施的单个或系统级资产的安全性。具体而言，我们的方法在参考子架构和4+1视图模型分析的帮助下分解了车联网基础设施的资产，将已识别的资产映射到数据、软件、网络和硬件类别。此分析包括自定义威胁建模概念，用于对每个视图模型域的通用漏洞评分系统（CVSS）分数执行参数化。因此，我们的方法能够从攻击路径中分配资产到视图模型域。这为攻击路径的资产配备了我们的IoV驱动的CVSS分数。我们的CVSS分数评估我们用于马尔可夫链转移概率的攻击可能性。通过这种方式，我们可以在一组车联网资产中定量验证系统级安全性。我们的研究结果表明，我们的方法适用于任意IoV攻击路径。根据我们对CVSS分数的参数化和我们对用例的选择，与授权和未经授权的攻击者分别进行的近距离攻击相比，远程攻击不太可能损害位置数据。
2021-01-15 cs.CR
CAPE - Context-Aware Prioritization Engine for Vulnerability Scoring and Management
Colorado State University（科罗拉多州立大学）
该研究提出了上下文感知优先级引擎（CAPE）框架，通过补充部署相关证据分析漏洞的可触达性、中心性和可利用性，在30个开源智能体应用程序的6138个CVE评估中，其优先级排序比CVSS、EPSS、KEV等基线更准确。
2026-10-12 cs.CR cs.SE
On the Validity of Traditional Vulnerability Scoring Systems for Adversarial Attacks against LLMs
College of Technological Innovation Zayed University（扎耶德大学技术创新学院）
本研究通过量化比较 56 种针对大语言模型的对抗攻击在 CVSS 等传统漏洞评分系统下的评分变异，揭示现有指标因取值刚性而难以有效区分攻击，并提出需开发更灵活、通用的 LLM 专用漏洞评估指标。
2024-12-28 cs.AI cs.CR
When Cyber Scoring Systems Diverge: An Empirical Comparison
Aalto University School of Science（阿尔托大学理学院）；Lockheed Martin（洛克希德·马丁）
本研究实证比较四种漏洞评分系统在2015年乌克兰电网OT网络重建中的表现，发现高度分歧，表明评分系统选择影响缓解策略，复合方法更优。
2026-09-30 cs.CR
Policy-Driven Vulnerability Risk Quantification framework for Large-Scale Cloud Infrastructure Data Security
Northeastern University（东北大学）
本文提出MVRAF框架，通过整合异构攻击属性、分析风险因素相关性及累积风险分布，提升大规模CVE安全分析的自动化和量化水平。
2026-03-30 cs.CR
The Cathedral and the Bazaar of Software Vulnerabilities: From the NVD to the CNAs
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Trento（特伦托大学）
研究软件漏洞评分系统在NVD与CNA间的差异，通过系统分析和定性研究找原因，发现差异普遍且影响模型推广，指出虽情况改善但仍存问题，对实践和研究有重要启示。
2026-07-08 cs.CR cs.SE
VULSOLVER: Vulnerability Detection via LLM-Driven Constraint Solving
VULSOLVER通过LLM驱动的约束求解方法，实现高精度漏洞检测，准确率达97.85%
2025-11-25 cs.CR
Vulnerability Clustering and other Machine Learning Applications of Semantic Vulnerability Embeddings
SRI International（SRI国际研究所）
本研究在Vulnerability AI项目中基于NLP技术构建语义漏洞嵌入以表征漏洞空间，验证其可支撑漏洞聚类、分类、可视化等机器学习应用，还提出了评估漏洞空间理论的新型逻辑方法，助力网络安全风险评估工作。
2023-08-23 cs.CL cs.CR cs.LG
Propagation-Based Vulnerability Impact Assessment for Software Supply Chains
提出基于分层工作列表的算法和VPSS动态指标，实现全生态系统调用图级漏洞传播分析，并在Java Maven生态系统的100个真实漏洞上验证了有效性。
2025-10-09 cs.CR cs.SE
From Description to Score: Can LLMs Quantify Vulnerabilities?
University of North Carolina Wilmington（北卡罗来纳大学 Wilmington 分校）
本研究探讨了大语言模型在自动化CVSS评分中的潜力，发现其在某些指标上表现优异，但存在分类错误问题，需改进漏洞描述以提升自动化评分的可靠性。
2026-01-05 cs.AI cs.CR cs.PL
A Novel Model for Vulnerability Analysis through Enhanced Directed Graphs and Quantitative Metrics
工业组件非常重要，因为它们控制着构成现代社会生命线的关键基础设施。然而，工业组件的快速发展，工业4.0的新范式以及5G技术将引入的新连接功能，都增加了安全事件的可能性。这些事件是由这些设备中存在的漏洞引起的。此外，虽然国际标准规定了评估脆弱性的任务，但没有具体规定任何特定方法。拥有安全的设计很重要，但也很复杂，成本高，并且是设备寿命期间需要管理的额外因素。本文提出了一个模型来分析已知的脆弱性，随着时间的推移，工业组件。所提出的模型是基于两个主要元素：一个有向图表示的组件的内部结构，和一组定量指标，是基于国际安全标准，如通用漏洞评分系统（CVSS）。该模型适用于设备的整个生命周期，以跟踪漏洞，确定新的需求，根本原因和测试用例。所提出的模型还有助于确定修补活动的优先级。为了测试其潜力，所提出的模型被应用到OpenPLC项目。结果显示，这些漏洞的根源大多与内存缓冲区操作有关，且集中在\textit{libssl}库中。因此，根据获得的数据生成了新的需求和测试用例。
2021-12-13 cs.CR
Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
本文首次对CVSS、SSVC、EPSS和可利用性指数四种漏洞评分系统进行大规模实证比较，基于600个真实漏洞揭示其在优先级排序和风险捕捉上的显著差异，强调需要更透明一致的漏洞评估。
2025-08-19 cs.CR cs.SE
SCVI: Bridging Social and Cyber Dimensions for Comprehensive Vulnerability Assessment
本文提出社会网络漏洞指数（SCVI），整合个体与攻击层面因素，经多源数据验证，优于传统指标，为政策制定者提供可操作见解以缓解新兴社会网络威胁。
2025-03-24 cs.CR cs.CY
HAVE: Host Active Verification Engine for Closing the Contextual Reality Gap in Security Digital Twins
提出HAVE引擎，通过安全约束主机代理进行最大似然估计，测量经验妥协概率，利用Wilson区间置信权重和贝叶斯混合规则修正CVSS评分导致的上下文现实差距，实验显示在误报和漏报场景中分别降低38.2%和提升132.4%的到达概率。
2026-06-05 cs.CR
AI-Based Vulnerability Assessment Capability and Cyber Attack Graph Analysis
Aalto University School of Science（阿尔托大学理学院）；Lockheed Martin（洛克希德·马丁）
针对传统防御无法应对复杂网络威胁的问题，本文结合Vortex/Crow框架与概率攻击图模型两种AI方法，经乌克兰电网攻击场景验证，可有效识别攻击路径、定位关键防御目标并辅助优先级决策。
2026-09-28 cs.CR
An empirical analysis of zero-day vulnerabilities disclosed by the zero day initiative
Department of Computing, Engineering and Mathematical Sciences（计算、工程与数学科学系）；Texas A&M University - San Antonio（德克萨斯A&M大学-圣安东尼奥）
本研究分析了2024年ZDI报告的415个零日漏洞，探讨了漏洞披露趋势、严重性分布及预测模型在分类中的应用，以提升漏洞管理与应对能力。
2025-12-16 cs.CR cs.LG
A Predictive Framework for Cyber Security Analytics using Attack Graphs
安全度量是组织了解保护计算机网络的有效性的有力工具。然而，大多数这些测量技术不足以帮助企业做出明智的风险管理决策。在本文中，我们提出了一个随机的安全框架，通过考虑到动态属性与漏洞，可以随着时间的推移而变化，以获得定量的安全措施。我们的模型是新颖的，因为现有的攻击图分析研究没有考虑与漏洞相关的时间方面，例如漏洞和补丁的可用性，这些漏洞和补丁可以根据漏洞如何互连和利用来危害系统来影响整体网络安全。为了有一个更现实的表示网络的安全状态将如何随着时间的推移而变化，开发了一个非齐次模型，其中包括一个依赖于时间的协变量，即脆弱性年龄。每日转移概率矩阵估计使用弗雷的脆弱性模型。我们还利用可信的CVSS度量域来分析给定网络的总可利用性和影响度量在一段时间内如何演变。
2015-02-04 cs.CR
Automated SBOM-Driven Vulnerability Triage for IoT Firmware: A Lightweight Pipeline for Risk Prioritization
本文提出了一种轻量级自动化管道，用于从物联网固件中提取SBOM并生成漏洞优先级评分，以提高固件安全风险评估的效率和准确性。
2026-01-04 cs.CR cs.NI
Predictive Cyber-security Analytics Framework: A non-homogenous Markov model for Security Quantification
过去已经提出了许多用于保护计算机网络的安全度量。然而，我们仍然缺乏有效的技术来准确地衡量企业的预测性安全风险，同时考虑到与可能随时间变化的漏洞相关的动态属性。在本文中，我们提出了一个随机的安全框架，获得定量的安全措施，使用攻击图。我们的模型是新颖的，因为现有的攻击图分析研究没有考虑与漏洞相关的时间方面，例如漏洞和补丁的可用性，这些漏洞和补丁可以根据漏洞如何互连和利用来危害系统来影响整体网络安全。更好地理解漏洞与其生命周期事件之间的关系可以让安全从业人员更好地了解其安全状态。为了有一个更现实的表示网络的安全状态将如何随着时间的推移而变化，开发了一个非齐次模型，其中包括一个依赖于时间的协变量，即脆弱性年龄。每日转移概率矩阵估计使用弗雷的脆弱性模型。我们还利用可信的CVSS度量域来分析给定网络的总可利用性和影响度量在一段时间内如何演变。
2015-01-08 cs.CR
GitHub Engagement Signals for CVE Prioritization: The GitHub Popularity Metric (GPM)
Leiden University（莱顿大学）
针对漏洞优先级排序的挑战，提出基于 GitHub 仓库流行度（星标、分叉、用户数）的 GPM 指标，与现有指标比较并集成到 EPSS v5，为防御者提供新见解。
2026-09-28 cs.CR
A Relevance Model for Threat-Centric Ranking of Cybersecurity Vulnerabilities
本文提出基于MITRE ATT&CK对手标准构建漏洞管理框架，聚合公开数据生成个性化排序策略，相比CVSS显著提升漏洞优先级识别效果并降低修补成本。
2024-06-09 cs.CR
Adaptive MTD Security using Markov Game Modeling
大型云网络由分布式网络和计算元素组成，这些元素处理关键信息，因此安全性是任何环境的关键要求。不幸的是，评估这样的网络的安全状态是一项具有挑战性的任务，并且安全专家过去使用的工具，例如分组过滤、防火墙、入侵检测系统（IDS）等，提供反应式安全机制。在本文中，我们介绍了一种基于移动目标防御（MTD）的主动安全框架，用于监控攻击，它可以让我们识别和推理针对云网络中存在的软件漏洞的多阶段攻击。我们制定的多阶段攻击的情况下，作为一个两个球员的零和马尔可夫游戏（攻击者和网络管理员之间）的攻击图。通过利用通用漏洞评分系统（CVSS）中的专家知识获得奖励和转移概率。我们的框架确定了攻击者的最佳策略，并采取对策，以确保这种攻击策略总是被检测到，从而迫使攻击者使用一个次优的策略，成本更高。
2018-11-01 cs.CR
AEAS: Actionable Exploit Assessment System
AEAS 通过静态分析漏洞利用代码与文档，提取可用性、功能性和部署复杂度特征并计算可执行性评分，在 5000+ 漏洞数据集上实现 100% top-3 推荐成功率，有效支持漏洞利用驱动的优先级排序。
2025-09-22 cs.CR
Integrating Network and Attack Graphs for Service-Centric Impact Analysis
Aalto University School of Science（阿尔托大学理学院）
提出一种基于概率多层建模的框架，集成攻击图与通信网络拓扑，通过CVSS指标和网络连接概率评估攻击传播可能性及累积影响，并在企业网络案例中验证其识别关键节点、漏洞和服务依赖的能力。
2026-05-26 cs.CR cs.SI
Where Do LLM-based Systems Break? A System-Level Security Framework for Risk Assessment and Treatment
Northern Arizona University（北亚利桑那大学）；Department of Software Science（软件科学系）；Tallinn University of Technology（塔林技术大学）
本文提出了一种系统级安全框架，用于评估和处理LLM系统中的风险，通过结合系统建模与攻击-防御树，分析医疗场景中的多步骤攻击路径，并提供可比较的防御策略。
2026-03-08 cs.AI cs.CR
The Human Vulnerabilities & Exploits (HVE) Framework
Charm Security
针对社会工程和欺诈攻击缺乏标准化框架的问题，本文提出HVE框架，基于行为科学理论分类、评分和缓解人类行为心理漏洞。
2026-06-08 cs.CR cs.CY
MalCodeAI: Autonomous Vulnerability Detection and Remediation via Language Agnostic Code Reasoning
Computer Science Department（计算机科学系）；The George Washington University（乔治华盛顿大学）
MalCodeAI 提出一种语言无关的多阶段 AI 流水线，结合 LoRA 微调的 Qwen2.5-Coder 模型实现跨 14 种语言的自主漏洞检测与修复，并在开发者评估中获得高分，推动可解释的软件安全方案发展。
2025-07-15 cs.AI cs.CR cs.SE
Federated Naive Bayes with Real Mixture of Gaussians and Institutional Governance Regularization for Network Intrusion Detection
University of Malaga（马拉加大学）
本文提出一种联邦学习方法，通过引入机构一致性指数（ICC）正则化来改进网络入侵检测，结合高斯混合模型和机构治理指标，提升模型性能和鲁棒性。
2026-05-18 cs.CR
Automated Detection of Configuration-Specific Security Vulnerabilities via Patch Analysis
Federal University of Bahia（巴伊亚联邦大学）；University of Notre Dame（圣母大学）；Federal Rural University of Pernambuco（伯南布哥联邦农村大学）；Federal University of Rio de Janeiro（里约热内卢联邦大学）
提出PatchLens静态技术，通过分析补丁与配置条件的对齐，自动生成漏洞影响条件（VIC），无需编译即可识别受影响的变体，实验表明VIC紧凑且CVE描述几乎不包含配置信息。
2026-06-25 cs.CR cs.SE
Securing the Future: Proactive Threat Hunting for Sustainable IoT Ecosystems
Carleton University（卡尔顿大学）
本文针对物联网设备安全问题，提出将主动威胁狩猎结合CVSS类安全指标集成到消费平台的策略，可提前清除威胁、延长设备寿命、提升用户安全意识，助力构建安全可持续的物联网生态。
2024-06-21 cs.AI cs.CR cs.CY
CRESS: Quantifying Vulnerabilities of Attack Scenarios in Hardware Reverse Engineering
TUM School of Computation, Information and Technology（慕尼黑工业大学计算、信息与技术学院）；Fraunhofer Institute for Applied and Integrated Security (AISEC)（弗劳恩霍夫应用与安全研究所）
本文提出定量化的通用逆向工程评分系统（CRESS），通过专家访谈推导权重方程，量化硬件逆向工程攻击场景的严重性，并证明其比行业标准CVSS更具表现力。
2026-06-03 cs.CR cs.SY eess.SY
Split Learning-Enabled Framework for Secure and Light-weight Internet of Medical Things Systems
Quantum Cloud Computing and Distributed Systems (qCLOUDS) Laboratory, School of Computing and Information Systems, The University of Melbourne（量子云计算与分布式系统实验室，计算机与信息系统学院，墨尔本大学）；Department of Electrical and Electronics Engineering, BITS-Pilani, Pilani Campus（电气与电子工程系，比特斯-帕利尼学院）；Department of Computer Science and Information Systems, BITS-Pilani, Pilani Campus（计算机科学与信息系统系，比特斯-帕利尼学院）
针对资源受限医疗物联网设备的安全风险，提出基于分割学习的恶意软件检测框架，通过客户端与边缘服务器划分神经网络训练并利用博弈论优化计算与通信，在准确率、收敛速度和资源消耗上优于联邦学习。
2025-11-01 cs.CR cs.DC cs.LG
Markov Game Modeling of Moving Target Defense for Strategic Detection of Threats in Cloud Networks
Arizona State University（亚利桑那州立大学）
大规模云网络中关键数据的处理和存储需要可扩展的安全解决方案。事实证明，部署所有可能的安全措施都会消耗宝贵的计算和网络资源，而这些资源是云服务提供商的主要卖点。因此，最近有兴趣发展移动目标防御（MTD）机制，帮助一个优化的联合目标，最大限度地提高安全性，同时确保对性能的影响最小化。通常，这些技术将隐形对手的多阶段攻击问题建模为单步攻击检测游戏，使用图连接性度量作为衡量性能的启发式方法，从而（1）丢失了为大型云网络设计的图论模型中固有的有价值信息，以及（2）提出了某些对性能具有不对称影响的策略。在这项工作中，我们利用云网络的攻击图中的知识来制定零和马尔可夫博弈，并使用通用漏洞评分系统（CVSS）来为这个游戏提供有意义的实用价值。然后，我们表明，放置检测机制对对手的最佳策略相当于计算混合最小最大均衡的马尔可夫博弈。我们将使用我们的方法获得的收益与目前用于云网络安全的其他技术进行比较，从而显示其有效性。最后，我们强调了如何将该方法用于一个小型的真实云系统。
2019-02-28 cs.AI cs.CR cs.GT
A Large Language Model-Supported Threat Modeling Framework for Transportation Cyber-Physical Systems
Clemson University（克莱姆森大学）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）；The University of Alabama（阿拉巴马大学）
本文提出基于 LLM 的 TraCR-TMF 框架，融合 RAG、上下文学习与监督微调识别交通 CPS 威胁、攻击路径及对策，并通过真实案例验证其有效性。
2025-07-28 cs.AI cs.CR
