安全团队在漏洞利用证据尚未完整时就必须对漏洞进行优先级排序。现有信号如 CVSS、EPSS、安全公告和公开利用代码虽然有用，但彼此割裂且时效性强，基于回溯的评估方法往往使用了决策时点尚不可用的证据，从而高估了实际效果。本文提出 ThreatLens，一个简单但有效、且贴近真实部署场景的 CVE 优先级排序框架。ThreatLens 在每个评审时间点仅使用截止当前有效的证据来对漏洞排序，并利用未来的 CISA KEV 条目作为弱监督信号来学习漏洞与真实被利用之间的相关性。在严格的前向时间、CVE 不重叠的评估设置下，ThreatLens 显著优于 CVSS、EPSS 和基于规则的证据融合基线。在保留测试集上，ThreatLens 在 top 20 中覆盖了未来 KEV 中 80.0% 的 CVE，是 EPSS 同预算下的三倍以上；在 top 50 中达到 95.9%。早期预警分析表明，ThreatLens 能在正式目录收录之前识别出大量后续 KEV 条目，从而支持及时且基于证据的漏洞分流决策。该研究解决了现有方法中的时间偏差问题，为实际安全运营中的漏洞优先级排序提供了一种可落地的解决方案。适合安全运营团队、漏洞管理研究人员及威胁情报分析师阅读。