深度分析 CAV-STIXGen：利用開源 LLM 將 CVE 漏洞描述自動化轉換為 STIX 威脅情報 聯網與自動駕駛車輛面臨複雜的軟硬體漏洞威脅，但 CVE 描述多為非結構化文字。研究團隊建構 CAV-STIXGen 資料集，評估多款開源大型語言模型將漏洞描述轉換為 STIX 結構化格式的能力。結果顯示 Phi-4 等模型在實體提取與弱點映射上表現強勁，能有效將漏洞資訊轉化為機器可讀的威脅情報，大幅提升車聯網資安分析效率。
