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。
深度分析
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。
ZettelForge
ZettelForge 針對資安威脅情報打造代理式記憶系統，能自動抽取 CVE、威脅團體與 ATT&CK 手法並建立 STIX 知識圖譜，透過本機 MCP 供 Claude Code 及 LangChain 代理存取，提升團隊知識保留與查詢效率。系統全程在本機執行，無需 API 金鑰或雲端服務，適合重視資料主權的 SOC 團隊。