CVSS 기반 취약점 심각도 평가는 수작업이 많이 필요하고, 기존 자동화 기법은 저장소 전반에 흩어진 근거를 제대로 포착하지 못한다는 한계가 있다. 이 논문은 저장소 아티팩트로부터 CVSS 기본 지표를 추론하는 맥락 인지형 평가 기법 CoSA를 제시한다. 코드 속성 그래프(CPG)를 구축하고 경량 정적 가지치기와 에이전틱 LLM 기반 가지치기를 2단계로 적용해 관련 근거를 유지하면서 노이즈를 줄이며, LLM이 이를 지표별 요약으로 압축해 경량 트랜스포머 예측기에 입력한다. 연구진은 90개 CWE 유형에 걸친 6,816건의 CVSS 라벨 데이터셋도 새로 구축했다. 실제 취약점 실험에서 CoSA는 최우수 베이스라인 대비 예측 정확도를 14.4%, Macro-F1을 15.3% 향상시켜 지표 지향적 저장소 맥락 검색의 중요성을 입증했다.

• •코드 속성 그래프(CPG)와 2단계 가지치기(정적+LLM 에이전튶)로 저장소 맥락을 추론해 CVSS 지표를 예측.
• •90개 CWE 유형에 걸친 6,816건의 저장소 수준 CVSS 라벨 데이터셋을 새로 구축.
• •최우수 베이스라인 대비 예측 정확도 14.4%, Macro-F1 15.3% 향상.
• •함수 단위·순수 LLM 기반 베이스라인을 모두 압도.