연구진이 자율주행차(CAV) 취약점 정보를 구조화된 STIX 형식으로 자동 생성하기 위해 오픈 웨이트 LLM을 평가했어요. CAV-STIXGen 데이터셋을 활용, 11개 LLM(40억~120억 파라미터)의 성능을 다양한 프롬프트 전략과 온도 설정으로 테스트했죠. 단일 모델은 SDO 매핑 F1 점수 0.94, CWE 매핑 점수 0.99를 기록했지만, MITRE ATT&CK 매핑은 여전히 어려움이 있어요.
Gemma-4-31B와 Codestral-22B를 활용한 멀티 에이전트 설정에서는 SDO 매핑 F1 점수 0.91, SRO 매핑 점수 0.43을 달성했어요. 연구 결과, AI 기반 취약점-STIX 변환은 위협 인텔리전스 자동화와 교통 보안 방어 우선순위 설정에 기여할 수 있음을 확인했죠.
CWE와 MITRE ATT&CK 동시 발생 분석을 통해 자율주행차 영역의 반복적인 위협 패턴을 파악하고, 이를 활용해 보안 강화 가능성을 제시했어요. 이 연구는 자율주행차 보안 강화를 위한 AI 활용의 가능성을 보여주는 중요한 사례입니다.