本文提出 CHARGE，一个面向硬件安全验证的自动化框架，利用 CWE（Common Weakness Enumeration）层次结构和大型语言模型（LLM）为未经验证的 RTL（寄存器传输级）模块自动生成安全属性（SystemVerilog Assertions, SVA）。其核心创新在于利用 CWE 条目的层次化语义进行推理，从而在未验证的 RTL 模块中更准确地识别安全关键资产（security-critical assets），并基于识别出的资产与 CWE 语义推断期望的安全行为，生成对应的安全属性。该方法避免了对受信任设计规格说明的依赖，显著减少了人工工程投入。作者在 Hack@DAC18、19 和 21 三个开源 SoC 设计上使用 OpenAI 的 GPT-4.1 进行评估，结果显示 CHARGE 成功检测出这些设计中 42 个已知漏洞中的 27 个。对于 Hack@DAC21 的 OpenPiton SoC，89% 的生成断言能够在 Cadence JasperGold FPV 中运行，且 92.2% 的断言非空（non-vacuous）。与现有开源手工编写的属性集相比，CHARGE 能针对其中 3 个手工属性写错的漏洞正确生成属性；此外，CHARGE 生成的属性还在 Hack@DAC21 OpenPiton SoC 中发现了一个先前未被识别的新漏洞。该研究展示了 LLM 和 CWE 知识在硬件安全验证中的潜力，为自动生成安全属性提供了新的思路，适合硬件安全研究人员、SoC 设计验证工程师以及关注 LLM 在安全自动化中应用的从业者阅读。