云端调查自动化框架 (CIAF)：一种面向云端取证的 AI 驱动方法
密码学与安全
2025-10-02 v1 人工智能
机器学习
多智能体系统
摘要
大型语言模型 (LLM) 在包括云端安全与取证等领域取得了突出成果。然而，云端取证调查仍依赖手动分析，导致耗时且容易出错。LLM 能够模拟人类推理，为自动化云日志分析提供了可行路径。为此，我们引入云端调查自动化框架 (CIAF)，这是一种本体论驱动的框架，通过系统化地调查云端取证日志来提高效率与准确性。CIAF 通过语义验证标准化用户输入，消除模糊性，确保日志解释的一致性。这不仅提升了数据质量，也为调查人员提供可靠、标准化的信息，以作出决策。为评估安全性与性能，我们分析了包含勒索软件相关事件的 Microsoft Azure 日志。通过模拟攻击并评估 CIAF 的影响，结果显示在勒索软件检测方面显著提升，实现 93% 的精确率、召回率和 F1 分数。CIAF 的模块化、可适应设计超越了勒索软件，使其成为多样化网络攻击的稳健解决方案。通过为标准化取证方法论奠定基础并为未来 AI 驱动的自动化提供指导，本工作强调了确定性提示工程和本体论验证在提升云端取证调查中的作用。这些进展提升了云端安全，同时为高效、自动化的取证工作流程铺平了道路。
引用
@article{arxiv.2510.00452,
title = {Cloud Investigation Automation Framework (CIAF): An AI-Driven Approach to Cloud Forensics},
author = {Dalal Alharthi and Ivan Roberto Kawaminami Garcia},
journal= {arXiv preprint arXiv:2510.00452},
year = {2025}
}