arXiv · cs.AI· Luoxi Tang, Yuqiao Meng, Ankita Patra, Weicheng Ma, Muchao Ye, Zhaohan Xi·· 1 天前
POLAR：利用LLM综合真实网络威胁证据以支持排序与缓解
Polar: LLM-Powered Synthesis of Real-World Cyber Evidence for Prioritization and Mitigation
arXiv:2610.07298v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Luoxi Tang, Yuqiao Meng, Ankita Patra, Weicheng Ma, Muchao Ye, Zhaohan Xi
研究任务与主要进展
POLAR提出一个由LLM驱动的框架，将分散的供应商通告、漏洞数据库和威胁情报整理为以威胁为中心的评估。模型先拆分重叠事件并关联来源证据，再结合时间顺序的利用信号估计近期利用可能性，并按紧迫性和运营约束组织缓解措施。基于论文摘要，POLAR在公开资源收集的真实漏洞证据和多个基线比较中改善了异构事件及零日环境下的威胁排序与缓解措施检索，同时生成可供分析人员检查的证据关联中间评估。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org