論文の概要: Advanced Topic Modeling Techniques for Categorizing Software Vulnerabilities

• arxiv url: http://arxiv.org/abs/2607.03887v1
• Date: Sat, 04 Jul 2026 14:09:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.746083
• Title: Advanced Topic Modeling Techniques for Categorizing Software Vulnerabilities
• Title（参考訳）: ソフトウェア脆弱性分類のための高度なトピックモデリング技術
• Abstract要約: 本研究では,大規模言語モデル(LLM)を利用した最先端トピックモデリング技術を活用し,ソフトウェア脆弱性データセットから意味のある洞察を抽出する。 この研究は、潜伏パターンを明らかにし、解釈可能なクラスタを生成することによって、サイバーセキュリティにおける脅威の優先順位付けと意思決定を強化する。
• 参考スコア（独自算出の注目度）: 1.3124513975412255
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The increasing complexity and frequency of software vulnerabilities demand efficient methods to analyze and prioritize threats. Traditional approaches often fail to process the vast amount of unstructured textual data effectively, highlighting the need for advanced solutions. This study leverages state-of-the-art topic modeling techniques powered by large language models (LLMs) to extract meaningful insights from the 'Threat' feature of a software vulnerability dataset. Models such as BERTopic, Top2Vec, CombinedTM, Llama2 with BERTopic, and Mixtral are utilized, along with dimensionality reduction and clustering methods like UMAP, PCA, HDBSCAN, and DBSCAN. By uncovering latent patterns and generating interpretable clusters, this research enhances threat prioritization and decision-making in cybersecurity. The findings support scalable and automated solutions for vulnerability management, contributing to improved security practices.
• Abstract（参考訳）: ソフトウェア脆弱性の複雑さと頻度の増大は、脅威を分析し優先順位付けするための効率的な方法を要求する。 従来のアプローチでは、大量の構造化されていないテキストデータを効果的に処理できないことが多く、高度なソリューションの必要性を強調している。 本研究では,大規模言語モデル(LLM)を利用した最先端トピックモデリング技術を活用し,ソフトウェア脆弱性データセットの"Threat"機能から意味のある洞察を抽出する。 BERTopic, Top2Vec, CombinedTM, Llama2 with BERTopic, Mixtral などのモデルと, UMAP, PCA, HDBSCAN, DBSCAN などの次元化とクラスタリング手法が使用されている。 この研究は、潜伏パターンを明らかにし、解釈可能なクラスタを生成することにより、サイバーセキュリティにおける脅威の優先順位付けと意思決定を強化する。 この発見は、脆弱性管理のためのスケーラブルで自動化されたソリューションをサポートし、セキュリティプラクティスの改善に貢献している。

関連論文リスト

• Toward Automated Security Risk Detection in Large Software Using Call Graph Analysis [0.30586855806896035]
  本稿では,密度ベースおよびコミュニティ検出アルゴリズムを用いて,コールグラフのクラスタリングによるソフトウェア脅威モデリングの自動化について検討する。 提案手法は,Splunk Forwarder Operator (SFO) のケーススタディにより評価された。
  論文  参考訳（メタデータ） (2025-10-30T15:43:59Z)
• Algorithms for Adversarially Robust Deep Learning [58.656107500646364]
  望ましいロバスト性を示すアルゴリズムの設計に向けた最近の進歩について論じる。 医用画像,分子識別,画像分類における最先端の一般化を実現するアルゴリズムを提案する。 我々は、堅牢な言語ベースのエージェントを設計するための進歩のフロンティアとして、新たな攻撃と防御を提案する。
  論文  参考訳（メタデータ） (2025-09-23T14:48:58Z)
• White-Basilisk: A Hybrid Model for Code Vulnerability Detection [45.03594130075282]
  我々は、優れた性能を示す脆弱性検出の新しいアプローチであるWhite-Basiliskを紹介する。 White-Basiliskは、パラメータ数2億の脆弱性検出タスクで結果を得る。 この研究は、コードセキュリティにおける新しいベンチマークを確立し、コンパクトで効率的に設計されたモデルが、特定のタスクにおいてより大きなベンチマークよりも優れているという実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-07-11T12:39:25Z)
• A Threat Intelligence Event Extraction Conceptual Model for Cyber Threat Intelligence Feeds [0.0]
  サイバー脅威インテリジェンス(CTI)のデータ収集の効率は、堅牢なサイバーセキュリティの確保において最重要になっている。 既存の作業は、大量の多言語脅威データを前処理する上で重大な課題に遭遇し、リアルタイム脅威分析の不効率につながった。 本稿では,CTIデータ収集効率の向上を目的とした,現在の手法の体系的レビューを行う。
  論文  参考訳（メタデータ） (2025-06-04T04:09:01Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Thinking Longer, Not Larger: Enhancing Software Engineering Agents via Scaling Test-Time Compute [61.00662702026523]
  より大規模なモデルではなく、推論時間の増加を活用する統合されたテスト時間計算スケーリングフレームワークを提案する。 当社のフレームワークには,内部TTCと外部TTCの2つの補完戦略が組み込まれている。 当社の textbf32B モデルは,DeepSeek R1 671B や OpenAI o1 など,はるかに大きなモデルを上回る 46% の課題解決率を実現している。
  論文  参考訳（メタデータ） (2025-03-31T07:31:32Z)
• LLMs in Software Security: A Survey of Vulnerability Detection Techniques and Insights [12.424610893030353]
  大規模言語モデル(LLM)は、ソフトウェア脆弱性検出のためのトランスフォーメーションツールとして登場している。 本稿では,脆弱性検出におけるLSMの詳細な調査を行う。 言語間の脆弱性検出、マルチモーダルデータ統合、リポジトリレベルの分析といった課題に対処する。
  論文  参考訳（メタデータ） (2025-02-10T21:33:38Z)
• Beyond the Surface: An NLP-based Methodology to Automatically Estimate CVE Relevance for CAPEC Attack Patterns [42.63501759921809]
  本稿では,自然言語処理(NLP)を利用して,共通脆弱性・暴露(CAPEC)脆弱性と共通攻撃パターン・分類(CAPEC)攻撃パターンを関連付ける手法を提案する。 実験による評価は,最先端モデルと比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2025-01-13T08:39:52Z)
• Bringing Order Amidst Chaos: On the Role of Artificial Intelligence in Secure Software Engineering [0.0]
  進化を続ける技術的景観は、機会と脅威の両方を提供し、カオスと秩序が競合する動的な空間を作り出す。 セキュアなソフトウェアエンジニアリング(SSE)は、ソフトウェアシステムを危険にさらす脆弱性に継続的に対処しなければならない。 この論文は、AIの精度に影響を与えるドメイン固有の違いに対処することで、SSEのカオスに秩序をもたらすことを目指している。
  論文  参考訳（メタデータ） (2025-01-09T11:38:58Z)
• CTINexus: Automatic Cyber Threat Intelligence Knowledge Graph Construction Using Large Language Models [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI知識抽出法は柔軟性と一般化性に欠ける。 我々は,データ効率の高いCTI知識抽出と高品質サイバーセキュリティ知識グラフ(CSKG)構築のための新しいフレームワークであるCTINexusを提案する。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• AI-Aided Kalman Filters [65.35350122917914]
  カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。 最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。 本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
  論文  参考訳（メタデータ） (2024-10-16T06:47:53Z)
• Cyber Knowledge Completion Using Large Language Models [1.4883782513177093]
  IoT(Internet of Things)をCPS(Cyber-Physical Systems)に統合することで,サイバー攻撃面が拡大した。 CPSのリスクを評価することは、不完全で時代遅れのサイバーセキュリティ知識のため、ますます困難になっている。 近年のLarge Language Models (LLMs) の進歩は、サイバー攻撃による知識の完成を促進するユニークな機会となる。
  論文  参考訳（メタデータ） (2024-09-24T15:20:39Z)
• Embedding in Recommender Systems: A Survey [54.55152033023537]
  本調査では,レコメンデータシステム埋め込み技術の進歩を包括的に分析する。 マトリックスベースのシナリオでは、協調フィルタリングはユーザの好みを効果的にモデル化する埋め込みを生成する。 パフォーマンス向上のため,AutoMLやハッシュ技術,量子化手法など,新たなアプローチを導入する。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)

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。