Compute-Budgeted Exploitability Evidence Graphs for Prospective Vulnerability Triage

Resumen Técnico: Grafos de Evidencia de Explotabilidad con Presupuesto de Cómputo para el Triaje Prospectivo de Vulnerabilidades

Planteamiento del Problema
Los defensores se enfrentan a una restricción crítica de recursos: el volumen de vulnerabilidades recién divulgadas (CVE) supera con creces la capacidad de remediación oportuna. Aunque las puntuaciones de severidad como CVSS comunican el impacto técnico, estas guardan una correlación débil con la explotación real en el mundo real, lo que conduce a una priorización de parches ineficiente. Los métodos existentes de previsión basados en datos, como el Sistema de Puntuación de Predicción de Explotación (EPSS), pretenden predecir la explotación a corto plazo, pero a menudo sufren un fallo de evaluación fundamental: la filtración temporal (temporal leakage).

Los estudios de predicción de explotación estándar suelen alimentar los modelos con evidencia pública (avisos, código de prueba de concepto, discurso de hackers) que se vuelve disponible después de que una vulnerabilidad ya ha sido explotada. Esto "filtra el futuro" hacia los datos de entrenamiento o evaluación, inflando artificialmente las métricas de rendimiento del modelo. El artículo sostiene que, sin un protocolo temporal estricto, la evaluación mide la retrospectiva en lugar de la prospectiva, lo que hace que la precisión reportada sea engañosa para el triaje prospectivo.

Metodología
Los autores proponen un protocolo de triaje prospectivo libre de filtraciones que trata la priorización de vulnerabilidades como un problema de selección restringido bajo un presupuesto de cómputo fijo.

1. Grafo de Evidencia Temporal: La evidencia pública se organiza como un grafo temporal que vincula los CVE con documentos heterogéneos y con marcas de tiempo (avisos de NVD, archivos de exploits, commits de corrección y discurso de la comunidad hacker).
2. Tiempo de Decisión y Admisibilidad: Para cada CVE, se fija un tiempo de decisión $\tau(v)$ (tiempo de publicación + ventana de observación $\Delta$). El protocolo admite estrictamente solo documentos de evidencia con marcas de tiempo $ts(e) \leq \tau(v)$. Esto asegura que el modelo no pueda acceder a señales generadas por el propio evento de explotación.
3. Selección Presupuestada: En lugar de procesar toda la evidencia de texto disponible, el sistema selecciona un número limitado de documentos de evidencia ($B$) por CVE.
   • Un bi-encoder (estilo E5) genera embeddings para las descripciones de los CVE y los documentos de evidencia.
   • Una restricción de matroide laminar gobierna la selección: un presupuesto global $B$ limita el total de documentos, mientras que los topes por capa $\kappa$ aseguran la diversidad entre tipos de fuentes (evitando, por ejemplo, que un certificado esté dominado por un único canal como el texto de NVD).
   • La selección se realiza de forma codiciosa (greedy) basada en puntuaciones de similitud, lo cual se demuestra óptimo para este objetivo modular.
4. Puntuación de Riesgo y Certificación: Un modelo logístico calibrado agrega características (severidad, priors condicionados por CWE y estadísticas de la evidencia seleccionada) para producir una puntuación de riesgo. Crucialmente, cada puntuación se empareja con un certificado de evidencia auditable que enumera explícitamente las señales de apoyo, sus marcas de tiempo y sus capas de origen, permitiendo a los defensores impugnar la clasificación.
5. Ablación de Rerankers (Reclasificadores): El estudio evalúa un fuerte reranker de tipo cross-encoder, pero encuentra que es contraproducente. Aunque mejora la relevancia semántica, tiende a presentar refraseos del aviso respecto a la descripción del CVE en lugar de señales de explotación distintas, reduciendo así la recuperación (recall) prospectiva.

Resultados Clave
Evaluado sobre 12,012 CVEs prospectivos frente a 457 positivos conocidos por explotación (CISA KEV) y objetivos de EPSS-alto:

• Penalización por Filtración: Una evaluación ingenua utilizando divisiones aleatorias y evidencia sin filtrar infla la recuperación prospectiva de recall@50 en 8.5× (0.044 vs. 0.005) y la de EPSS-high en 5.0×. Esto demuestra que los protocolos de evaluación estándar ocultan una enorme filtración temporal.
• Eficiencia del Presupuesto: La selección presupuestada propuesta eleva la recuperación prospectiva de recall@50 libre de filtraciones desde un baseline de solo severidad de 0.010 a 0.026 (una ganancia relativa del 150%).
• Rendimientos Decrecientes: El valor de la evidencia adicional se satura rápidamente. Un presupuesto de solo 2 documentos de evidencia por CVE captura casi todo el valor disponible hasta un presupuesto de 64, lo que indica que el triaje es "barato" y depende de unos pocos documentos de alta señal en lugar de un escaneo profundo.
• Impacto del Reranker: Añadir un reranker de cross-encoder disminuyó la recuperación prospectiva a 0.016, confirmando que la relevancia semántica con la descripción de un CVE no es un proxy de la evidencia de explotación.
• Economía de Cómputo: La ruta de selección de bi-encoder procesa los CVE en ~0.0068 segundos, recuperando aproximadamente 1,197 positivos de primer nivel por hora-GPU (normalizado).

Significancia y Contribuciones
La principal contribución del artículo es metodológica más que puramente arquitectónica. Establece que el protocolo de evaluación es el factor dominante en la predicción de la explotabilidad, no el modelo de clasificación en sí.

1. Protocolo Libre de Filtración: Los autores proporcionan una construcción que elimina la filtración temporal por diseño, cuantificando la "penalización por filtración" que los protocolos ingenuos incurren silenciosamente.
2. Certificados Auditables: Al adjuntar certificados de evidencia a las puntuaciones de riesgo, este trabajo transforma una predicción escalar en una afirmación de seguridad contestable. Esto permite a los defensores verificar que una puntuación es impulsada por señales corroborantes a través de capas independientes (por ejemplo, avisos oficiales + discurso de la comunidad) en lugar de un único canal manipulado.
3. Triaje Rentable: El estudio demuestra que un triaje de alto valor no requiere presupuestos de cómputo masivos o reranking complejo; un conjunto pequeño y diverso de evidencia pre-decisión es suficiente para superar significativamente a los baselines basados en severidad.

Los autores concluyen que el trabajo futuro debería centrarse en la autenticación de la evidencia contra el sembrado adversario (adversarial seeding) y en el refinamiento de la ventana de observación $\Delta$ frente a los plazos operativos de parcheo, en lugar de simplemente escalar la complejidad del modelo.