Paper Survey

TRIAGE 把 CVE Mapping Methodology 與 many-shot in-context learning 結合起來，試圖把 CVE 直接映射到 ATT&CK techniques，補上漏洞資料庫與實戰攻擊脈絡之間的缺口。它最有價值的地方不是單純用 LLM 猜 label，而是把 exploitation、primary impact、secondary impact 拆開處理，讓 vulnerability intelligence 更接近 defender 真正需要的攻擊鏈視角。

SynthCTI 把焦點從「換更大的 classifier」拉回更根本的問題：CTI-to-MITRE 任務裡，很多 technique 根本沒有足夠樣本可學。它用 HDBSCAN 分群、topic / keyphrase 抽取與 prompt-guided synthetic generation 去補長尾資料，讓小模型也能在 ATT&CK technique mapping 上顯著提升 macro-F1。

MCP-DPT 最重要的地方，不是再多列幾種 MCP 攻擊，而是把問題改問成：這些風險最早該在哪一層被攔下？當前防禦過度集中在 tool 端，卻長期低估 host orchestration、transport 與 registry / supply-chain 才是許多結構性風險真正該被治理的地方。

ClawSafety 真正重要的地方，不是又一次證明 prompt injection 很危險，而是把問題推進到 personal agent 的真實工作流：聊天裡很會拒絕，不代表接上檔案、郵件、網頁與高權限工具後，整個 agent 系統仍然守得住信任邊界。

這篇論文真正重要的地方，是把 agent 風險從單輪 prompt 攻擊，拉到長時程、多步互動、記憶污染與目標漂移：如果防禦沒有時間維度，很多看起來有效的 guardrail 其實根本沒看懂 agent 怎麼出事。

這篇論文真正重要的地方，不是只分析了 OpenClaw，而是把 agent 從「很聰明的工具」重新拉回「必須可被調查的高權限系統」：未來 AI agent 要真的落地，除了防得住，還得查得清。

這篇論文最有價值的，不是再證明 LLM 能做很多事，而是從真實 SOC 使用紀錄看見：分析師最常把它拿來看懂複雜技術字串、補上下文、降低理解摩擦，而不是直接把判斷權交出去。

這篇論文真正重要的地方，不是又做了一個漏洞網站，而是把 vulnerability intelligence 從零散紀錄，往可互連、可檢索、可支撐風險優先排序的 graph-native 知識基礎設施推進了一步。

這篇論文最值得記住的地方，不是 multi-agent 會被 prompt injection 打到，而是被打到的那個 agent，可能沿著角色信任、訊息傳遞與共享上下文，把惡意目標洗成整個系統都覺得合理的工作內容。

這篇論文最重要的提醒，不是第三方 skill 很危險，而是 skill 文件中的 code example 與 config template，可能被 coding agent 視為可信實作並直接複製執行，讓文件本身變成 action-space hijacking 的供應鏈入口。