通过安全设计生成式AI框架实现云安全与取证自动化
密码学与安全
2026-04-07 v1 人工智能
分布式、并行与集群计算
机器学习
摘要
随着云环境日益复杂，网络安全与取证调查必须不断演进以应对新兴威胁。大语言模型（LLM）在自动化日志分析和推理任务方面展现出前景，但它们仍然容易受到提示注入攻击，且缺乏取证严谨性。为应对这两大挑战，本文提出了一种统一的、基于安全设计的生成式AI框架，将PromptShield与云调查自动化框架（CIAF）进行了集成。PromptShield通过基于本体的验证主动防御LLM免受对抗性提示的攻击，实现用户输入的标准化并降低操纵风险。CIAF通过基于本体的推理贯穿取证流程的全部六个阶段，简化了云取证调查。我们在来自AWS和Microsoft Azure的真实数据集上评估了系统，结果表明在LLM安全性和取证准确性方面均有显著提升。实验结果显示，PromptShield在攻击条件下将分类性能提升了，在精确率、召回率和F1分数上均超过93%，而CIAF利用Likert变换后的性能特征提升了云日志中的勒索软件检测准确率。我们的集成框架推进了云取证和基于LLM系统的自动化、可解释性和可信度，为跨多种云基础设施的实时AI驱动事件响应提供了可扩展的基础。
引用
@article{arxiv.2604.03912,
title = {Automating Cloud Security and Forensics Through a Secure-by-Design Generative AI Framework},
author = {Dalal Alharthi and Ivan Roberto Kawaminami Garcia},
journal= {arXiv preprint arXiv:2604.03912},
year = {2026}
}
备注
arXiv admin note: substantial text overlap with arXiv:2510.00452