TRIAGE 論文閱讀分析：當 CVE 不再只是漏洞條目，而是可以直接長出 ATT&CK 攻擊脈絡

本文由 AI 產生、整理與撰寫。

論文基本資訊

• 論文標題：A Systematic Approach to Predict the Impact of Cybersecurity Vulnerabilities Using LLMs
• 作者：Pierre Lison、Leon Moonen
• 來源：arXiv / TrustCom 2025
• 年份：2025
• arXiv：https://arxiv.org/abs/2508.18439
• 主題：CVE、MITRE ATT&CK、Vulnerability Intelligence、Technique Mapping、LLM、In-Context Learning

如果最近這波 sectools.tw 的 CTI / AI 論文主線，已經一路從 threat report technique extraction、knowledge graph、benchmark 寫到 vulnerability intelligence，那這篇 TRIAGE 值得補進來的原因很直接：它不是再問模型會不會讀 threat report，而是問我們能不能把每天大量冒出的 CVE，直接連到更接近實戰意義的 ATT&CK techniques。

這件事很關鍵。因為 CVE 資料庫通常會告訴你漏洞是什麼、嚴重度多少、屬於哪類 CWE，但它很少直接告訴你：攻擊者實際上可能會用什麼 TTP 利用它、利用後先拿到什麼能力、接著還可能往哪裡擴張。 真正讓分析師頭痛的，不是少一個 CVSS 分數，而是少了這層攻擊脈絡。

TRIAGE 的野心，就是把這層缺掉的「impact intelligence」自動補起來。它想做的不是一般的漏洞分類，而是把 CVE 往 MITRE ATT&CK technique mapping 推進一步，讓 vulnerability management 與 adversary tradecraft 之間多一條可以自動化的橋。

這篇論文真正瞄準的，不只是漏洞描述，而是漏洞和攻擊行為之間的斷層

作者指出，NVD 這類漏洞資料庫雖然很完整，但它主要還是站在「漏洞條目管理」的角度記錄資訊；ATT&CK 則站在「攻擊者如何行動」的角度描述技術與程序。這兩邊都重要，但中間沒有直接對齊。

於是現場就會出現一個很典型的落差：

• 你知道某個 CVE 是 deserialization、auth bypass、SSRF 或 RCE。
• 你也知道 ATT&CK 裡有哪些 exploitation、credential access、lateral movement 技術。
• 但你未必能快速把兩者穩定接起來。

而這個映射偏偏又是風險判斷的核心。因為對 defender 來說，真正有價值的不只是「有洞」，而是：這個洞比較像會被拿來做 T1190、T1203，還是後續更可能引出 credential dumping、valid accounts、command execution 之類的能力鏈？

所以這篇 paper 的價值，不在於它又發明一個新 benchmark，而是它把 CVE-to-ATT&CK 這件事從零散研究題，往更系統化、可操作的方法推進。

TRIAGE 的核心想法：把規則導向的 CMM，和資料導向的 in-context learning 接在一起

這篇最值得記住的，不是單純「拿 LLM 來做 mapping」，而是作者沒有把希望全部押在單一路線上。TRIAGE 採的是雙軌設計：

1. Methodology Mappers：把 MITRE 的 CVE Mapping Methodology (CMM) 拆成多個可提示化的子任務，讓 LLM 依照這套方法學回答。
2. In-Context Learner：直接給模型帶標註的 CVE 範例、ATT&CK technique 描述、CWE、CVSS 等脈絡，讓它用 many-shot in-context learning 產生排序結果。

換句話說，作者其實在做一件很務實的事：一邊保留資安領域既有方法學的結構化知識，一邊利用 LLM 在少量標註情境下的類比推理能力。

這和很多只丟一段 CVE 描述、再問模型「請幫我對應 ATT&CK」的做法差很多。作者很清楚，這種 mapping 不只是語意相似度問題，而是有方法論、有攻擊階段、有 mapping type 的。

CMM 為什麼重要？因為它把漏洞影響拆成三段，而不是只猜一個 technique 名字

TRIAGE 站得住腳，很大一部分是因為它不是亂貼標籤，而是沿著 CMM 的思路，把漏洞影響拆成三個 mapping type：

• Exploitation Technique：攻擊者怎麼利用這個漏洞
• Primary Impact：成功利用後先拿到的能力
• Secondary Impact：再往後可能擴張出的能力

這個切法非常重要，因為它把「漏洞 impact」從單點標註，拉成了更像攻擊鏈的表示。對藍隊來說，這遠比只猜一個 ATT&CK tactic 更實用。因為你不只是知道某洞可能危險，而是開始知道它危險在哪一段、後續路徑可能怎麼長。

作者進一步把 CMM 內的五種分析方法各自做成 promptable mapper：

• Vulnerability type
• Functionality
• Exploitation technique
• Affected object
• Tactic

每個 mapper 都像是在逼模型回答更具體的問題，而不是直接憑感覺猜答案。這種設計背後的好處很明確：你不是把整個 mapping 問題壓成一個黑盒分類器，而是把它拆成多個較可檢查、較接近分析師思路的步驟。

另一條線更有意思：直接讓 LLM 看大量帶標註案例，學會像 analyst 一樣比對

光靠 methodology mappers 還不夠，所以作者又做了 In-Context Learner。這部分其實更像在模擬資安分析師工作：看當前 CVE，回想過去長得像的案例，再參照 ATT&CK technique 描述，最後做出排序。

這個 prompt 裡放進去的東西很多：

• ATT&CK enterprise techniques 的名稱與完整描述
• CVE description
• CVSS metrics
• CWE type
• 大量已標註的 in-context examples
• 要求輸出每一種 mapping type 的 top-10 ranked techniques

作者甚至做了 ablation study，結果很值得記住：真正最有幫助的，不是 CVSS 或 CWE 這些附加欄位，而是 attack description 與大量 demonstrations。 尤其在 exploitation technique 預測上，示範數量從 235 個降到 30 個時，MAP 與 recall 會明顯掉一截；若完全拿掉 examples，表現更是大幅下滑。

這背後透露出的訊息很清楚：這類 vulnerability-to-TTP mapping，LLM 的強項不是空手理解，而是有足夠案例時的類比式判斷。

資料集不大，但問題很真：296 個 CVE、806 筆 mapping，而且類別極度不平衡

TRIAGE 的評估建立在 MITRE 提供的 KEV dataset 上，共有 296 個 CVE、806 筆 mappings。乍看之下規模不算巨大，但對這類高成本標註任務來說，已經很有代表性。

更重要的是，這個資料集非常不平衡，而且 secondary impact 特別稀疏。作者明確指出：

• 很多 technique 在資料中只出現少量樣本
• secondary impact 在大量 CVE 裡是空值
• 資料集中甚至有一些 technique 不在 CMM 裡，反之亦然

這點非常有現實感。因為真正的 vulnerability intelligence 也常是這樣：你想追的攻擊路徑本來就不平均，而且標註規則、外部知識與資料本身之間常常不完全一致。 這也是為什麼這篇 paper 的結果不能只看單一數字，還要看它在哪些 mapping type 上比較有力、哪裡還很脆弱。

結果怎麼看？最強的是 exploitation technique，最難的還是 secondary impact

先看作者自己的結論：In-Context Learner 整體明顯比單獨的 Methodology Mappers 強，而把兩者混起來的 TRIAGE，又能在某些地方進一步補上 recall。

用 GPT-4o-mini 跑時，幾個關鍵數字很值得記：

• Exploitation technique：ICL 單獨就有 MAP 0.65，TRIAGE 組合後測試集 R@10 提升到 0.82
• Primary impact：測試集 MAP 約 0.50，R@10 約 0.77
• Secondary impact：測試集 MAP 只有 0.18，但 R@10 可到 0.80

這些數字透露出一個很真實的訊號：模型其實常能把正確 secondary impact 放進前十名，但很難把它排到前面。 也就是說，它對「可能相關」已有一定感知，但對排序品質還不夠穩。這和 secondary impact 本來就更長尾、更稀疏、更依賴外部脈絡的特性完全對得上。

作者也比較了 GPT-4o-mini 與 Llama 3.3-70B，結果 GPT-4o-mini 幾乎全面更好。這對實務界的提醒其實很直接：在這種結合方法學與 few-shot context 的任務裡，模型尺寸不是唯一決定因素；prompt 結構、示範品質與任務拆解方式同樣重要。

真正值得注意的，不是它贏多少，而是它怎麼贏過前一代做法

論文裡還拿 TRIAGE 跟較早的 SMET 做比較。若把三種 mapping type 合併看，TRIAGE 在 test set 上：

• 含 secondary impacts 時，MAP 0.57，而 SMET 只有 0.20
• 排除 secondary impacts 時，MAP 0.60，而 SMET 只有 0.21

差距其實非常大。這代表兩件事：

1. 單靠語意匹配或 attack vector 抽取，已經不太夠。
2. 把領域方法學 + in-context demonstrations 結合起來，真的能讓 CVE-to-ATT&CK 這件事更接近可用。

從研究脈絡來看，這篇 paper 很像是在說：我們不該再把 vulnerability intelligence 當成只是把 CVE 轉成另一個 label 的分類任務，而是要把它當成結合知識框架、案例比對與攻擊階段理解的混合推理問題。

這篇論文最有意思的地方，其實是它暴露了 ground truth 本身也不一定那麼穩

我很喜歡作者後面做的 qualitative analysis。因為它沒有把 benchmark label 當神諭，而是反過來檢查：如果 TRIAGE 和 ground truth 不一致，到底是模型錯，還是標註本身就有灰區？

這一段很重要，因為 vulnerability impact mapping 本來就不是純客觀事實。有些 CVE 描述很短、有些 secondary impact 很像 analyst 腦中的延伸推論、有些 mapping 甚至未必能直接從 CMM 推導出來。作者就發現：

• 有些 ground truth 缺了看起來合理的 primary / secondary impact
• 有些 CVE 被標了很多 secondary impact，但從描述中其實不容易直接推出
• 有些 technique 在資料裡的角色分布不穩，例如平常多出現在 exploitation，少數案例卻被標到 primary impact

這對 CTI / vuln intelligence 很關鍵。因為它提醒我們：自動化系統不是只要追 benchmark 分數，還要知道 benchmark 本身可能也帶著 analyst judgement 的不一致。 真正上線時，這類工具更適合當 analyst 的加速器，而不是全自動最終裁決者。

把它放回近期 sectools.tw 的主線裡，這篇剛好補上了漏洞情報到攻擊知識之間的缺口

如果把 TRIAGE 放回最近這批文章脈絡，它的位置其實很漂亮：

• VulGD 比較像是在補 vulnerability knowledge infrastructure。
• SynthCTI 在補 technique mapping 的長尾資料問題。
• Beyond Single Reports、What Are Adversaries Doing? 在問 technique extraction 的 realism 與抽取範圍。
• TRIAGE 則是把焦點轉到另一個同樣重要、但更貼近弱點管理流程的入口：我們能不能讓 CVE 不只是一筆漏洞公告，而是更快長成可操作的 ATT&CK impact context？

它也順手指出一個很容易被忽略的事：CTI 不只存在於 APT 報告、論壇貼文與事件敘事裡，漏洞條目本身其實也是 threat intelligence pipeline 的起點。 只是過去這條線和 ATT&CK 的連接，太常靠人工補。

對實務團隊來說，這篇 paper 最值得帶走的五件事

• Vulnerability intelligence 不該只停在 CVSS / CWE。 若能連到 ATT&CK，才更接近 defender 真正要的脈絡。
• 把 mapping 任務拆開，比直接問模型猜答案更可靠。 方法學仍然有價值，不該被 LLM 全盤取代。
• Few-shot examples 很重要。 這類任務高度依賴案例比對，不是空手推理就能穩做。
• Secondary impact 很難，但也最有情報價值。 這剛好是後續研究最值得補強的地方。
• 自動化應該先當 analyst co-pilot。 因為 ground truth 本身就可能有灰區，工具更適合做候選生成與優先排序。

怎麼看這篇論文？

TRIAGE 不是那種會靠超大模型或誇張 benchmark headline 爆紅的 paper，但它做了一件非常對的事：把一個實務上真的有痛感、研究上又常被拆得太零碎的問題，重新整理成一條比較完整的自動化路線。

它最有價值的地方，在於沒有把 LLM 神化。作者很明白，單靠模型自由發揮不夠；你需要方法學、需要結構化分解、需要 demonstrations、需要理解不同 impact type 的不對稱難度。這種寫法其實很資安，也很工程。

如果你今天在做 vulnerability prioritization、threat-informed defense、ATT&CK coverage 分析，或只是想讓弱點管理不再只剩 CVSS 排序，那這篇 paper 值得看。因為它在提醒我們：真正有用的漏洞情報，不只是知道哪裡有洞，而是更早知道這個洞會把攻擊者帶到哪裡去。

而 TRIAGE 給出的答案是：這件事可以開始自動化，但前提不是盲信模型，而是把方法學與案例學習一起接上去。