AITOP

CVE

共 8 条相关 AI 资讯
8月13日
17:43
17:43官方账号arXiv cs.AI@Jin Lu, Xuening Han, Yang Zhong, Lin Tan, Kevin Luo, Andrew Gacek, Neha Rungta
VICBench 面向代码漏洞检测，包含 100 个经人工专家与智能体工作流双重验证的漏洞引入提交，对应 100 个 CVE，覆盖 88 个项目的 Python、Java、C++ 代码。该基准涵盖 48 种 CWE 类型，修复补丁平均 38.6 行，漏洞引入提交平均 252.5 行，复杂度高于此前数据集。评测中，现有最先进的 V-SZZ 和 LLM4SZZ 算法 F1 值仅为 33.3%-40.1%，表明自动化检测仍需大量人工介入。VICBench 能更可靠地评估漏洞检测方法的真实表现。
论文VICBenchCVE漏洞检测
推荐理由：VICBench 搞了个 100 个真实漏洞提交的基准，覆盖 Python/Java/C++，平均改动比旧数据集大不少，测漏洞检测用它更靠谱。
原文
7月30日
09:17
09:17官方账号arXiv cs.LG@Petr Simecek, Elnaz Babayeva, Jiri Balhar, Michal Bida, Michal Buran, Vaclav Cadek, Luigino Camastra, Tomas Dulka, Michal Janocko, Tomas Klohna, Pavel Kohout, Ondrej Kokes, Adam Krivka, Jakub Kubik, Patrik Mada, Igor Morgenstern, Marek Pavelka, Joshua Rogers, Petr Stastny, Jan Tattermusch, Dmitrijs Trizna, Martin Votruba, Guido Vranken, Jakub Zikl, Evelina Gabasova, Stanislav Fort
论文提出HoF-Bench基准，由AISLE发现的95个真实CVE组成，覆盖8个开源仓库。在严格协议下，一个最小化LLM分析器重新发现了65个CVE（68%）。10个检测骨干包括5个开源模型（21B-284B参数）和5个专有小模型，均无前沿模型参与。基准提供7,600条模型-CVE通过记录，用于比较漏洞扫描器的可靠性。数据集已在Hugging Face发布。
论文HoF-BenchAISLECVE
推荐理由：想看开源模型能不能真挖漏洞？这个基准用95个真实CVE测了10种模型，最弱的也能找回68%，数据很实在。
原文
7月9日
09:39
09:39官方账号arXiv cs.LG@Ana Schwengber Kelm, Christian Bockermann, Jörg Frochte
该论文将CVE到CWE映射视为文本分类任务，比较了多类（每CVE预测一个CWE）和多标签（允许多个CWE）两种公式。在三个编码器（BERT Base、SecureBERT、CySecBERT）和三个嵌套标签空间（83、47、25类）上评估，多类训练在所有设置中macro-F1更高，但差距从21个百分点缩小至2个百分点。后处理阈值优化在25类设置中弥补了差距。混淆分析显示，主要错误模式遵循CWE层次结构，且三个编码器间高度相关（Pearson r>0.92），表明错误结构主要由分类体系设计而非编码器选择驱动。层次放松评估将macro-F1从约81%提升至约90%，表明严格指标低估了分支级分类质量。CySecBERT在多数设置中取得最强结果。
论文CVECWEBERT
推荐理由：这篇论文用三种BERT模型对比了多类和多标签的漏洞分类效果，发现错误更多来自CWE层次结构而非模型选择，对安全领域做文本分类的人很有参考价值。
原文
7月4日
01:03
01:03官方账号Decoder@Matthias Bastian
Epoch AI数据显示，2026年6月21家组织提交了约1500个高严重性和关键性CVE漏洞报告。这一数量是此前月度纪录的3.5倍以上。报告激增与AI驱动的漏洞狩猎工具上线时间吻合。AI模型主动搜索漏洞显著提升了发现效率。
行业Epoch AICVEAI安全
事件专题
推荐理由：Epoch AI用数据说话：AI漏洞狩猎让每月漏洞发现量飙到1500个，比之前纪录高3倍多，效率惊人。
原文
7月3日
11:01
11:01官方账号Epoch AI@EpochAIResearch
73°
2026年6月，21家知名组织披露约1500个高危和严重CVE，是Claude Mythos Preview发布前月纪录的3.5倍以上。该数据由Epoch AI Research发布。AI正规模化发现软件漏洞，安全态势或面临变革。
AI模型Claude Mythos PreviewCVE漏洞发现
推荐理由：Epoch AI数据显示，Claude Mythos预览版让漏洞发现量狂飙3.5倍，AI挖洞能力被实锤了。
原文
6月30日
12:19
12:19Geek@geekbb
AutoCVE是一个开源工具，利用Multi-Agent架构自动完成从项目筛选、代码审查到漏洞验证的CVE挖掘全过程。它能够自动生成可直接提交的漏洞报告，无需人工介入。该项目托管在GitHub上，旨在降低安全研究门槛。
AI产品AutoCVECVE漏洞挖掘
推荐理由：想自动挖CVE？AutoCVE用多个智能体帮你从挑项目到出报告一条龙搞定，开源免费，安全研究员快试试。
原文
6月23日
11:08
11:08官方账号arXiv cs.AI@Alexander V. Kozachok, Stanislav G. Vyugov, Shamil G. Magomedov
论文基于LID-DS-2021数据集，选取CWE-307（认证绕过）、CWE-89（SQL注入）、CWE-434（文件上传）三个CWE家族，提取66维Peng-Guo式特征向量，训练Isolation Forest和SGD One-Class SVM检测器。针对CWE-307，组合检测器在校准目标FPR=0.05时达到F1=0.6976（精确率0.8994，召回率0.5698），但CWE-89和CWE-434的F1均低于0.21。研究发现跨CVE迁移具有强烈方向依赖性，主要由源正常行为轮廓广度而非CWE标签决定。论文强调校准FPR是诚实报告的方法论前提。
论文CVECWEHIDS
推荐理由：这篇论文用实际数据告诉你：用CWE分类训练HIDS能不能泛化到新CVE？结论是有的行有的不行，关键看行为轮廓而不是标签。
原文
6月12日
11:51