该论文提出 CoSA，一种基于上下文感知的漏洞严重性评估方法，旨在利用大语言模型（LLM）从代码仓库级工件中自动推断 CVSS 基础指标。传统 CVSS 评估依赖人工分析，耗时且容易出错；现有自动化方法多局限于函数级分析，难以捕获仓库中分散且含噪声的上下文证据。CoSA 首先构建代码属性图（CPG），然后采用两阶段仓库剪枝策略：第一阶段使用轻量级静态剪枝保留结构上邻近的上下文；第二阶段由智能体式 LLM 引导剪枝，筛选出与 CVSS 指标相关的上下文并收集支持性证据。随后，LLM 将检索到的仓库上下文整合为紧凑的、按指标划分的文本摘要，并输入到一个轻量级 Transformer 预测器中进行最终指标预测。为了支持训练与评估，作者构建了一个更高质量的仓库级数据集，包含 6816 个带 CVSS 标签的实例，覆盖 90 种 CWE 类型。实验基于真实漏洞数据进行，结果显示 CoSA 在预测准确率和 Macro-F1 上分别比最佳基线提升 14.4% 和 15.3%，显著优于函数级基线和纯 LLM 基线。研究表明，显式的、面向指标的仓库上下文检索对于实现实用且可靠的自动化严重性评估至关重要。该论文适合软件工程、漏洞管理和 AI 安全领域的研究者阅读，关注自动化 CVSS 评估、LLM 应用和仓库级代码分析。

该论文针对下一代汽车操作系统（软件定义汽车SDV）的安全漏洞监控问题展开研究。背景是SDV通过集成复杂的硬件和软件系统正在革新交通运输，但这也带来了显著的安全挑战，尤其是操作系统层面的漏洞。作者指出，现有的漏洞评估工具在处理操作系统漏洞方面存在不足，难以在真实环境中高效分析多样化的软件栈。为此，论文提出并发布了一套漏洞评估解决方案，该方案结合了系统化的漏洞发现方法，利用公共CVE数据库，并在Docker化的开发环境中评估漏洞的可利用性风险。实验结果表明了潜在威胁的广度以及利用过程中遇到的实际约束，例如某些漏洞在特定环境下的可利用性受限于配置或依赖。论文进一步讨论了对行业和研究的启示，例如需要更全面的漏洞覆盖和自动化评估流程，并提出了构建更具弹性的SDV的方向，包括在开发周期早期集成安全测试、采用安全编码实践以及加强供应链安全。该研究对于汽车行业的安全从业者、操作系统开发者和漏洞研究人员具有参考价值，提供了一种实用的评估框架，但尚需在实际车辆系统中进一步验证。

本文是一篇关于网络安全中人类脆弱性评估（HVA）的系统性文献综述（SLR），旨在全面梳理该领域的方法、模型和工具。研究背景指出，传统的脆弱性评估主要关注数字资产和技术基础设施，但网络攻击者越来越多地利用人为因素，因此有必要系统性地评估人类脆弱性。人类脆弱性不仅包括个体对网络威胁的 susceptibility，还涉及心理、认知、行为、社会和环境等多维因素，这些因素可能有意或无意地危及系统安全。然而，现有研究碎片化，多从静态角度出发，缺乏对脆弱性在个体与系统间动态传播的关注。本文遵循PRISMA框架，搜集2017至2025年间相关研究，旨在探索是否存在能够动态覆盖人类脆弱性全谱系的评估方法、模型或工具。综述揭示了当前解决方案的空白与局限，并指出了未来需要进一步研究的方向，特别是实现同时、动态地评估无意与有意两个维度的人类脆弱性。本文适合安全研究人员、安全意识培训设计者及人因安全从业者阅读。

该论文提出了 ExploitBench，一个能力阶梯式基准测试，用于评估 LLM 驱动的网络安全代理的漏洞利用能力。现有 LLM 安全基准通常将崩溃视为利用成功，忽略了从触发漏洞到构建原语、控制流劫持、任意代码执行等关键步骤。作者将利用过程分解为 16 个可测量的能力标志，涵盖覆盖度、崩溃、沙箱原语、任意读/写、控制流劫持、任意代码执行等阶段。每个能力通过确定性预言机验证：使用每轮随机挑战-响应验证原语、基于差分执行测量进展、并通过信号处理器证明代码执行。实验基于 41 个 V8 漏洞实例化 ExploitBench，V8 因其广泛部署和强利用缓解措施被选中。论文报告了三组实验：<模型,环境>作为主要测量；<模型,环境,自适应辅导>引入自适应反馈测试针对性指导的影响；<模型,环境,工具集>替换为模型原生 CLI 以检查厂商优化是否提升利用能力。结果表明，公开前沿模型与私有前沿模型之间存在显著能力差距：8 个公开模型能常规到达漏洞代码并触发崩溃，但无法实现任意代码执行；而私有模型在约一半漏洞上实现了任意代码执行。论文认为，针对强化目标的利用构建是新兴的前沿能力。

该论文提出了ExploitGym，一个用于评估AI代理漏洞利用能力的大规模、多样化、逼真的基准测试平台。随着AI代理能力的快速提升，其可能显著重塑网络安全格局，因此需要严格的评估。漏洞利用是将一个尚未成为攻击的漏洞转化为具体安全影响（如未授权文件访问或代码执行）的关键能力，是一项特别具有挑战性的任务，因为它需要底层程序推理（例如关于内存布局）、运行时适应性以及在长时间跨度内持续推进。同时，漏洞利用具有固有的双重用途，既支持防御工作流程，又降低了攻击的门槛。尽管其重要性和诊断价值，漏洞利用仍然缺乏充分的评估。为了填补这一空白，ExploitGym任务要求AI代理在给定触发漏洞的程序输入后，逐步将其扩展为可工作的利用代码。该基准测试包含来自三个领域的898个实例，这些实例源自现实世界的漏洞：用户空间程序、Google的V8 JavaScript引擎和Linux内核。研究人员对每个实例应用了不同的安全保护措施，以隔离它们对代理性能的影响。所有配置都打包在可重现的容器化环境中。评估结果表明，尽管漏洞利用仍然具有挑战性，但前沿模型能够成功利用非平凡比例的漏洞。例如，最强的配置是Anthropic的最新模型Claude Mythos Preview和OpenAI的GPT-5.5，它们分别对157个和120个实例产生了可工作的利用代码。值得注意的是，即使启用了广泛使用的防御措施，模型仍然保持了非平凡的成功率。这些结果确立了ExploitGym作为漏洞利用的有效测试平台，并突显了日益强大的AI代理带来的日益增长的网络安全风险。

该论文提出一种名为 GadgetMeter 的框架，用于定量且准确地评估推测执行元素（speculative gadgets）的可利用性。推测执行漏洞（如 Spectre）利用现代处理器中的推测执行机制，通过微架构侧信道泄露敏感信息。现有工作通常关注于发现新的 gadgets 或缓解措施，但缺乏对 gadgets 可利用性的统一量化标准。GadgetMeter 通过分析微架构行为、时序差异和缓存状态，建立了一套自动化的评估指标。该框架首先从二进制代码中识别出潜在的推测执行 gadgets，然后模拟推测执行路径，并测量不同条件下的执行时间差异和缓存访问模式，从而计算每个 gadget 的利用难度评分。实验在多个真实处理器（如 Intel、AMD）上验证，表明 GadgetMeter 能够有效区分高可利用性与低可利用性的 gadgets，并与已知攻击的成功率有良好相关性。该工作为安全研究人员提供了一种系统化的方法论，用于评估推测执行漏洞的威胁程度，并辅助设计更精准的缓解策略。

该论文提出了一种新的漏洞可利用性评估指标——Expected Exploitability (EE)，旨在解决现有指标在漏洞披露时评估不准确且存在类别偏差的问题。传统的可利用性指标（如CVSS）依赖于静态技术特征，这些特征对漏洞利用开发的预测能力较差，并且由于利用标签不准确导致分类器存在类别偏差。为了克服这些挑战，研究者采用了一种随时间变化的可利用性视角，利用数据驱动的方法从披露后的技术文章、概念验证漏洞代码和社交媒体讨论等人工制品中学习EE。论文分析了现有特征对于预测功能性漏洞的局限性，并设计了新的特征集以充分利用以前未被充分利用的人工制品。同时，研究者揭示了漏洞利用预测中的标签噪声问题，将其归类为最难的类别和特征依赖的标签噪声，并基于领域特定观察开发了将噪声鲁棒性融入EE学习的技术。在103,137个漏洞的数据集上，EE将精确率从现有指标（包括两个最先进的漏洞利用分类器）的49%提高到86%，并且性能随时间不断提升。EE分数还能捕获利用的紧迫性，区分哪些漏洞在近期内会被开发。该工作为安全团队提供了一种更准确的漏洞可利用性评估方法，有助于优先修复高风险漏洞，但具体实践需要进一步验证。