CEKER：一种通用的 LLM 文献分析框架及其在单子网安全案例研究中的应用

文献综述是制定和论证新研究的关键环节，但传统方法往往是手动且耗时的。本研究引入一种新型、通用的文献分析方法，称为 CEKER，通过三步流程优化文献收集、关键见解提取及趋势与空白的总结分析。该方法利用大型语言模型（LLM），代表着从传统手动文献综述向可扩展、灵活且可重复的分析方式的重大转变，适用于跨领域的应用。单子网安全案例研究表明，CEKER 能够生成经先行方法验证的新颖见解。CEKER 的分析显示，攻击面缩减是最突出的主题。关键安全空白包括缺乏地址空间布局随机化、调试工具不足以及熵生成有限，均为单子网安全所面临的重要挑战。研究还发现超visor 可能成为潜在攻击向量，强调需针对实时威胁进行动态安全调整的必要性。