論文の概要: VulGD: A LLM-Powered Dynamic Open-Access Vulnerability Graph Database

• arxiv url: http://arxiv.org/abs/2604.06967v1
• Date: Wed, 08 Apr 2026 11:32:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.498035
• Title: VulGD: A LLM-Powered Dynamic Open-Access Vulnerability Graph Database
• Title（参考訳）: VulGD: LLMを利用した動的オープンアクセラーズ脆弱性グラフデータベース
• Authors: Luat Do, Jiao Yin, Jinli Cao, Hua Wang,
• Abstract要約: VulGDは、信頼できるリポジトリから継続的にサイバーセキュリティデータを集約する動的オープンアクセス脆弱性グラフデータベースである。 VulGDはエキスパートと非エキスパートの両方向けに設計されており、統一されたWebインターフェースと、インタラクティブなグラフ探索と自動データアクセスのための公開APIを提供する。
• 参考スコア（独自算出の注目度）: 3.864032833772679
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Software vulnerabilities continue to pose significant threats to modern information systems, requiring a timely and accurate risk assessment. Public repositories, such as the National Vulnerability Database and CVE details, are regularly updated, but predominantly utilize relational data models that lack native support for representing complex, interconnected structures. To address this, recent research has proposed graph-based vulnerability models. However, these systems often require complex setup procedures, lack real-time multi-source integration, and offer limited accessibility for direct data retrieval and analysis. We present VulGD, a dynamic open-access vulnerability graph database that continuously aggregates cybersecurity data from authoritative repositories. Designed for both expert and non-expert users, VulGD provides a unified web interface and a public API for interactive graph exploration and automated data access. Additionally, VulGD integrates embeddings from large language models (LLMs) to enrich vulnerability description representations, facilitating more accurate vulnerability risk assessment and threat prioritization. VulGD represents a practical and extensible platform for cybersecurity research and decision-making. The live system is publicly accessible at http://34.129.186.158/.
• Abstract（参考訳）: ソフトウェア脆弱性は現代の情報システムに重大な脅威を与え続けており、タイムリーかつ正確なリスクアセスメントを必要としている。 National Vulnerability DatabaseやCVEの詳細などのパブリックリポジトリは定期的に更新されているが、多くの場合、複雑な相互接続構造を表現するネイティブサポートを持たないリレーショナルデータモデルを使用している。 これを解決するために、最近の研究ではグラフベースの脆弱性モデルが提案されている。 しかし、これらのシステムは複雑なセットアップ手順を必要とすることが多く、リアルタイムのマルチソース統合が欠如しており、直接データ検索と分析のアクセシビリティが制限されている。 VulGDは動的にオープンアクセスの脆弱性グラフデータベースで、レポジトリから継続的にサイバーセキュリティデータを収集する。 VulGDはエキスパートと非エキスパートの両方向けに設計されており、統一されたWebインターフェースと、インタラクティブなグラフ探索と自動データアクセスのための公開APIを提供する。 さらに、VulGDは大きな言語モデル(LLM)からの埋め込みを統合して脆弱性記述表現を強化し、より正確な脆弱性リスク評価と脅威優先順位付けを容易にする。 VulGDは、サイバーセキュリティの研究と意思決定のための実用的で拡張可能なプラットフォームである。 ライブシステムはhttp://34.129.186.158/で公開されている。

関連論文リスト

• Just Ask: Curious Code Agents Reveal System Prompts in Frontier LLMs [65.6660735371212]
  textbftextscJustAskは,インタラクションのみで効果的な抽出戦略を自律的に発見するフレームワークである。 これは、アッパー信頼境界に基づく戦略選択と、原子プローブと高レベルのオーケストレーションにまたがる階層的なスキル空間を用いて、オンライン探索問題として抽出を定式化する。 この結果から,現代のエージェントシステムにおいて,システムプロンプトは致命的ではあるがほぼ無防備な攻撃面であることがわかった。
  論文  参考訳（メタデータ） (2026-01-29T03:53:25Z)
• VulRG: Multi-Level Explainable Vulnerability Patch Ranking for Complex Systems Using Graphs [20.407534993667607]
  この作業では、脆弱性パッチの優先順位付けのためのグラフベースのフレームワークを導入している。 多様なデータソースとメトリクスを普遍的に適用可能なモデルに統合する。 洗練されたリスクメトリクスは、コンポーネント、アセット、システムレベルの詳細な評価を可能にします。
  論文  参考訳（メタデータ） (2025-02-16T14:21:52Z)
• Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
  機密情報を含む匿名化は、幅広いアプリケーションにとって不可欠である。 既存の技術は、大規模言語モデルの再識別能力の新たな課題に直面している。 本稿では,プライバシ評価器,ユーティリティ評価器,最適化コンポーネントの3つの重要なコンポーネントで構成されるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:28:56Z)
• "Glue pizza and eat rocks" -- Exploiting Vulnerabilities in Retrieval-Augmented Generative Models [74.05368440735468]
  Retrieval-Augmented Generative (RAG)モデルにより大規模言語モデル(LLM)が強化される 本稿では,これらの知識基盤の開放性を敵が活用できるセキュリティ上の脅威を示す。
  論文  参考訳（メタデータ） (2024-06-26T05:36:23Z)
• VulZoo: A Comprehensive Vulnerability Intelligence Dataset [12.229092589037808]
  VulZooは17の人気の脆弱性情報ソースをカバーする、包括的な脆弱性インテリジェンスデータセットである。 VulZooを一般公開し、今後の研究を容易にするためにインクリメンタルアップデートでメンテナンスしています。
  論文  参考訳（メタデータ） (2024-06-24T06:39:07Z)
• Profile of Vulnerability Remediations in Dependencies Using Graph Analysis [40.35284812745255]
  本研究では,グラフ解析手法と改良型グラフ注意畳み込みニューラルネットワーク(GAT)モデルを提案する。 制御フローグラフを分析して、脆弱性の修正を目的とした依存性のアップグレードから発生するアプリケーションの変更をプロファイルします。 結果は、コード脆弱性のリレーショナルダイナミクスに関する微妙な洞察を提供する上で、強化されたGATモデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-08T02:01:47Z)
• Using Program Knowledge Graph to Uncover Software Vulnerabilities [0.0]
  システムから抽出された情報と所望のセキュリティ行動で構築された知識グラフを使用して、システムの下に隠された複雑なセキュリティ脆弱性を特定することができる。 本稿では,プログラム知識グラフをシステムの詳細な実行情報に埋め込まれた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-12-08T03:38:43Z)
• VELVET: a noVel Ensemble Learning approach to automatically locate VulnErable sTatements [62.93814803258067]
  本稿では,ソースコード中の脆弱な文を見つけるための新しいアンサンブル学習手法であるVELVETを提案する。 我々のモデルは、グラフベースとシーケンスベースニューラルネットワークを組み合わせて、プログラムグラフの局所的およびグローバル的コンテキストを捕捉する。 VELVETは、合成データと実世界のデータに対して、それぞれ99.6%と43.6%の精度を達成している。
  論文  参考訳（メタデータ） (2021-12-20T22:45:27Z)
• An Automated, End-to-End Framework for Modeling Attacks From Vulnerability Descriptions [46.40410084504383]
  関連するアタックグラフを導出するためには、既知のアタック技術に関する最新情報をインタラクションルールとして表現する必要がある。 本稿では,セキュリティ脆弱性のテキスト記述から新たな攻撃テクニックをモデル化するための,エンドツーエンドで自動化された新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-10T19:27:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。