محققان در یک پژوهش جدید، پتانسیل مدلهای زبانی متنباز (Open-Weight LLMs) را برای استخراج دادههای ساختاریافته از گزارشهای امنیتی (CVE) بررسی کردهاند. هدف این است که آسیبپذیریهای پیچیده در خودروهای هوشمند و خودران (CAV) به زبان قابل فهم برای سیستمهای دفاعی (STIX) تبدیل شود.
نتایج این ارزیابی نشان میدهد که مدلهای قدرتمندی مثل Gemma و Codestral میتوانند در سیستمهای چندایجنت، به تحلیلگران امنیت کمک کنند تا سریعتر و دقیقتر حملات سایبری احتمالی علیه خودروهای متصل را شناسایی و مهار کنند. گامی مهم برای امنیت بیشتر در جادههای آینده! 🚗⚡
منبع: arXiv AI