该论文提出GARAGE，一个基于检索增强生成（RAG）的框架，旨在解决当前自动化工具在处理非结构化网络威胁情报（CTI）和汽车行业特定架构细节方面的不足。GARAGE将分散的CTI转化为可操作的领域特定知识库，用于自动生成攻击图。具体地，它合成了12,786个CVE和140个事件报告，构建了一个符合STIX 2.1和Auto-ISAC ATM标准的知识库。通过细粒度的杀伤链分析，形式化战术模式级别的场景，实现了威胁生成能力。论文通过320次留一实验（Leave-One-Out）证明，该框架能够将安全知识准确迁移到完全未见过的车辆架构上。此外，GARAGE被定位为一种可扩展的TARA（威胁分析与风险评估）支持工具，适用于人机协同工作流程，并提供了全面的成本-性能分析以指导其在不同LLM层级上的部署。