論文の概要: Towards Early Warning of Real-World Vulnerabilities: An Evidence-Aware Decoupled Method for CVSS Vector Prediction Based on Unstructured Disclosures

• arxiv url: http://arxiv.org/abs/2611.06477v1
• Date: Wed, 04 Nov 2026 13:18:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.1173
• Title: Towards Early Warning of Real-World Vulnerabilities: An Evidence-Aware Decoupled Method for CVSS Vector Prediction Based on Unstructured Disclosures
• Title（参考訳）: 実世界の脆弱性の早期警戒に向けて:非構造的開示に基づくCVSSベクトル予測のためのエビデンス対応デカップリング手法
• Abstract要約: 既存の予測器は、主に標準化された後期記述に基づいて訓練され、ノイズと不完全なNVDレポートで分解される。 本稿では,脆弱性開示ライフサイクルモデルであるPARSEと,2段階のEvidence-Aware Decoupling上に構築された早期アセスメントフレームワークであるVPreを紹介する。 VPre は平均絶対誤差 0.7239 -- 44.7% で再生されたBERT-Small-NVD のアーリートランスファーベースラインより低い。
• 参考スコア（独自算出の注目度）: 11.25765221540224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early assessment of Common Vulnerability Scoring System (CVSS) vectors from Open Source Intelligence (OSINT) can reduce the delay between initial public disclosure and official National Vulnerability Database (NVD) scoring. Existing predictors, trained mainly on standardized late-stage descriptions, degrade on noisy and incomplete pre-NVD reports. We introduce PARSE, a vulnerability-disclosure lifecycle model, and VPre, an early assessment framework built on two-level Evidence-Aware Decoupling. Decoupling Level I, Security-Evidence Screening, separates security-relevant evidence from noisy early reports at the report and sentence levels. Decoupling Level II, Evidence-Matched Routing, decouples the prediction task of the eight CVSS metrics into a scattered-evidence class and an explicit-evidence class based on validation-set measurements, matching each with a targeted predictor: large-language-model reasoning for the former, lightweight supervised classification for the latter. On the 851-report held-out test split of the 5,581-report VPre-Bench, VPre achieves a mean absolute error of 0.7239 -- 44.7% below the reproduced BERT-Small-NVD early-transfer baseline; paired timestamps across the full benchmark show an average 38-day lead before official scoring (observed range 21-60 days). Under the 38:1 PARSE-Triage noise setting, STDU's report-level screening reaches 0.98 precision, 1.00 recall, and 0.99 F1. Controlled ablations support the contributions of both decoupling levels.
• Abstract（参考訳）: オープンソースインテリジェンス(OSINT)によるCVSSベクターの早期評価は、公開公開と公式の国立脆弱性データベース(NVD)スコアの遅延を低減できる。 既存の予測器は、主に標準化された後期記述に基づいて訓練され、ノイズと不完全なNVDレポートで分解される。 本稿では,脆弱性開示ライフサイクルモデルであるPARSEと,2段階のEvidence-Aware Decoupling上に構築された早期アセスメントフレームワークであるVPreを紹介する。 レベルI(Security-Evidence Screening)とレベルI(Security-Evidence Screening)の分離は、セキュリティ関連証拠と、レポートと文レベルのノイズの多い早期報告を分離する。 レベルII(Evidence-Matched Routing)とレベルII(Evidence-Matched Routing)を分離し、8つのCVSSメトリクスの予測タスクを分散エビデンスクラスと明示エビデンスクラスに分割し、それぞれを対象の予測子とマッチングする。 5.581-report VPre-Benchの851-reportのホールトアウトテスト分割では、VPreは再現されたBERT-Small-NVDアーリートランスファーベースラインよりも平均絶対誤差が0.7239 -- 44.7%低い。 38:1 PARSE-Triageノイズ設定では、STDUのレポートレベルのスクリーニングは0.98の精度、1.00のリコール、0.99のF1に達する。 コントロールされたアブレーションは、両方のデカップリングレベルの貢献を支持します。

関連論文リスト

• HieraNTP: Structured Risk Representations for Time-Series Anomaly Detection via Hierarchical Next-Token Prediction [58.62266932880605]
  時系列異常検出は、学習された時間的規則性からの逸脱を異常スコアに変換するのが一般的である。 HieraNTPはタスク固有のリスク解釈から自己教師付き予測モデリングを分離する。 タスク適応検出器は異常ラベルを使用して、対象タスクに対するこの証拠を選択し、組み合わせる。
  論文  参考訳（メタデータ） (2026-10-31T13:47:31Z)
• Narratives Mislead: An Empirical Study of How LLMs Misjudge CVSS Severity in Bug Bounty Reports [18.548808389969754]
  バグ報奨金プラットフォームは、ベンダーがそれらをトリアージできるよりも早く脆弱性レポートを受け取る。 事前評価では、短いCVE記述と報告精度が評価される。 配置はモデルがどのように変化するかによって異なります。
  論文  参考訳（メタデータ） (2026-10-17T10:56:33Z)
• Machine learning for journal entry testing: A type-aware evaluation of anomaly detectors under a review budget [0.6372261626436676]
  ジャーナルエントリ異常検知器は、ROC-AUC、精度、リコールで全人口で一般的に評価される。 本稿では,FSR(Fair-Share type recall)とFSR(Fair-Share type recall)を組み合わせた型認識評価を提案する。 FSRは、各タイプのクレジットを予算シェア、タイプカバレッジ、ファーストヒットランクで上限付けする。
  論文  参考訳（メタデータ） (2026-10-05T11:06:55Z)
• Coupling Noisy Pairwise Knowledge to the DAG Posterior for Causal Discovery [0.922437711289137]
  ベイジアン・フレームワークであるHB-NoisyKGを導入し,観測データと大規模言語モデルなどの情報源からの繰り返しの因果関係を結合する。 各報告は、1つのDAGによって示される直接対状態のノイズの多い観察である。 機能条件付きベータは、ペアの信頼性に関する情報をプールし、共有エラー行列は体系的なミスをキャプチャする。
  論文  参考訳（メタデータ） (2026-10-03T14:50:52Z)
• Where the Numbers Come From: Auditing Evaluation in Provenance-Based Intrusion Detection [42.49426058823369]
  証明に基づく侵入検知器のスコアを再現しても、そのアラームの出力やエンコーダが使用する情報についてそのスコアが何を言っているかは定かでない。 我々は、リリースした9つの実装を監査し、独自のコードを使用して4つの検出器を実行し、3つの測定効果を分離する。
  論文  参考訳（メタデータ） (2026-09-27T13:01:02Z)
• Memory-First Fact-Checking: A Knowledge-Graph-Grounded Multi-Agent System for Misinformation Detection [42.698418800007865]
  本稿では,知識グラフに基づくセマンティックメモリと逆多エージェント推論を統合し,説明可能な誤情報検出を行うハイブリッドファクトチェックフレームワークを提案する。 提案システムはメモリファーストのWebフォールバックアーキテクチャに従っており、入力クレームは2次元知識グラフに対して初期評価される。 グラフから取得した証拠が信頼性のある決定を支持するには不十分な場合には、信頼できるWebソースから情報を収集し、支持、矛盾、判断エージェントからなる相手方裁判を用いて評価する。
  論文  参考訳（メタデータ） (2026-08-30T07:16:07Z)
• Calibration Without Comprehension: Diagnosing the Limits of Fine-Tuning LLMs for Vulnerability Detection in Systems Software [1.0026496861838445]
  CWE-Traceは、手動でキュレートされたLinuxカーネルサンプルから構築された脆弱性検出フレームワークである。 対象でない検出,ターゲット検出,CWE分類において,8つのバニラLLMと15のLORA微調整変異体を評価した。
  論文  参考訳（メタデータ） (2026-06-18T17:19:26Z)
• Predicting known Vulnerabilities from Attack News: A Transformer-Based Approach [0.39134914399411086]
  本稿では,ソフトウェア脆弱性,特にCVE(Common Vulnerabilities and Exposures)の予測プロセスについて検討する。 本稿では,各ニュースレポートに対応する最も可能性の高いCVEのランクリストを生成するために,意味的類似性に基づくアプローチを提案する。 実験の結果,しきい値に基づくフィルタリングでは,精度が81%に達することがわかった。
  論文  参考訳（メタデータ） (2026-02-23T08:47:48Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)
• Probabilistic Soundness Guarantees in LLM Reasoning Chains [37.440902632372904]
  ARES(Autoregressive Reasoning Entailment Stability)は、事前に検証された前提のみに基づいて、各推論ステップを評価する確率的フレームワークである。 ARESは4つのベンチマークで最先端のパフォーマンスを達成し、非常に長い合成推論チェーン上で優れた堅牢性を示す。
  論文  参考訳（メタデータ） (2025-07-17T09:40:56Z)
• DE$^3$-BERT: Distance-Enhanced Early Exiting for BERT based on Prototypical Networks [43.967626080432275]
  BERT(DE$3$-BERT)のための新しい遠隔拡張早期実行フレームワークを提案する。 我々は,古典的エントロピーに基づく地域情報と距離に基づくグローバル情報とを補完するハイブリッドエグジット戦略を実装した。 GLUEベンチマークの実験では、De$3$-BERTが最先端モデルより一貫して優れていることが示されている。
  論文  参考訳（メタデータ） (2024-02-03T15:51:17Z)

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。