이 논문은 이기종 펌웨어 생태계와 자원 제약, 기존 벤치마크의 한계로 어려움을 겪는 IoT 펌웨어 취약점 탐지 문제를 다루며, 사람이 검증한 크로스코퍼스 벤치마크 'IoTVulBench'를 제안한다. IoTVulBench-Core는 깃허브 저장소에서 구축돼 3명의 전문가가 검증했고, 오염 검증을 거친 홀드아웃 타깃에서 5개 모델 아키텍처·2개 튜닝 방법·3개 커리큘럼 전략으로 평가됐다. IoTVulBench로 학습한 모델은 동일 소스 단일 데이터셋 중 최고 MCC 0.58을 기록해 PrimeVul(0.44), D2A(0.39)를 앞섰고, 단계적 커리큘럼 학습은 MCC를 0.69로, 다양성 최적화 앙상블은 0.73으로 끌어올려 최강 비교 대상인 정적분석기(0.31) 대비 0.42 향상됐다. 오탐률 0.5%에서 취약점 누락률은 21%에 그쳐 최강 비교 대상의 71%보다 크게 낮았고, 식별자 이름 변경 상황에서도 성능의 86%를 유지했다.

• •사람이 검증한 크로스코퍼스 IoT 펌웨어 취약점 벤치마크 'IoTVulBench' 제안
• •동일 소스 데이터셋 중 최고 MCC 0.58로 PrimeVul(0.44)·D2A(0.39) 상회
• •다양성 최적화 앙상블 MCC 0.73, 정적분석기(0.31) 대비 0.42 향상
• •오탐률 0.5%에서 취약점 누락률 21%(최강 비교대상 71% 대비 대폭 개선)
• •식별자 이름 변경 상황에서도 성능 86% 유지, 도메인 매칭 데이터와 커리큘럼 설계가 핵심 요인