Cyber DNA Profiler (CDNAP) 是一个开源项目，通过“网络 DNA”革新网络安全分析。它利用 Python、机器学习和图论创建软件和网络的“DNA”档案，以识别模式、预测漏洞和归因攻击。主要功能包括软件基因组映射、网络生态分析和攻击模式预测。项目欢迎贡献者参与，未来计划开发高级算法和可视化工具。

本文分析了基于阈值的自动标注系统，探讨了人工标注验证数据量对机器标注数据质量的影响。研究发现，潜在易受攻击函数能显著提高漏洞预测模型性能，并提出了一种新方法解决软件漏洞检测中的数据不足问题，实验结果显示其性能优于现有方法。