大型语言模型能否自动化细胞网络规范的完善？
密码学与安全
2026-01-06 v2
摘要
细胞网络（如4G/5G）依赖复杂的技术规范以确保正确功能；然而，这些规范常包含缺陷或模糊之处。本文研究大型语言模型（LLM）用于自动化细胞网络规范完善的应用。我们确定记录规范修订的变更请求（Change Requests）作为关键数据源，并将规范完善问题形式化为三个互补子任务。我们引入CR-Eval，一个包含200个安全相关测试用例的基准，并评估了17个开源模型和14个专有模型。表现最佳的模型GPT-o3-mini在五次试验中识别了超过127个测试用例中的弱点。我们进一步研究了LLM专业化，证明在8B模型上进行微调可超过DeepSeek-R1和Qwen3-235B等先进LLM。针对30个真实世界细胞网络攻击的评估显示了实际影响及其剩余挑战。该代码库和基准已在https://github.com/jianshuod/CR-Eval提供。
引用
@article{arxiv.2507.04214,
title = {Can Large Language Models Automate the Refinement of Cellular Network Specifications?},
author = {Jianshuo Dong and Yuanjie Li and Jun Liu and Hewu Li and Han Qiu},
journal= {arXiv preprint arXiv:2507.04214},
year = {2026}
}