Symbolicate‑Enrich‑Sample

深度分析

LLM 助力 Windows 漏洞分析：Symbolicate‑Enrich‑Sample 管線概述與實驗結果

研究指出，Windows 作業系統的攻擊面龐大，傳統分析受限於目標選擇成本。作者提出 Symbolicate‑Enrich‑Sample 三階段管線，先自動抓取公開符號檔再以低成本 LLM 標記可達性、風險與漏洞類型，最後以優先抽樣產生多樣化的研究佇列。實驗在 7 百萬函式中篩選至約 2.2 萬針對性目標，顯示該層可大幅縮小分析範圍。