量化人类风险的方法及大语言模型集成蓝图
密码学与安全
2025-10-14 v1
摘要
本文提出了网络安全心理学框架(CPF)，这是一种通过将已建立的心理结构系统地整合到运营安全遥测中，来量化安全运营中人为中心漏洞的新方法。虽然个体人为因素——警报疲劳、合规疲劳、认知过载和风险感知偏差——已被孤立地广泛研究，但尚无框架能在整个心理漏洞谱系中提供端到端的可操作化。我们通过以下方式填补这一空白：(1) 定义具体、可测量的算法，利用标准SOC工具(SIEM、工单系统、通信平台)量化关键心理状态；(2) 提出一种基于检索增强生成(RAG)和领域特定微调的轻量级、隐私保护型大语言模型架构，用于分析结构化和非结构化数据以发现潜在心理风险；(3) 详细阐述一种严格的混合方法验证策略，承认获取敏感网络安全数据的固有困难。我们的CPF指标实现已在概念验证部署中展示，使用小型语言模型在合成数据上达到了0.92的F1分数。这项工作为行业合作伙伴使用真实运营数据进行实证验证提供了必要的理论和方法基础。
引用
@article{arxiv.2510.09635,
title = {A Method for Quantifying Human Risk and a Blueprint for LLM Integration},
author = {Giuseppe Canale},
journal= {arXiv preprint arXiv:2510.09635},
year = {2025}
}