CyberBOT：面向可靠网络安全教育的本体驱动检索增强生成系统
人工智能
2026-02-12 v2
摘要
大型语言模型（LLM）的发展已促进了智能教育工具的开发，这些工具支持跨技术领域的探究式学习。在网络安全教育中，由于准确性和安全性至关重要，系统必须超越表层相关性，提供可信且领域适当的信息。为此，我们引入 CyberBOT，一个问答聊天机器人，利用检索增强生成（RAG）管道整合课程专用材料的上下文信息，并通过领域特定网络安全本体来验证响应。该本体作为结构化推理层，约束并验证 LLM 生成的答案，减少误导性或不安全指导的风险。CyberBOT 已在亚利桑那州立法大学（ASU）的一门大型研究生课程中部署，超过一百名学生通过专用 Web 平台与系统积极互动。实验室中的计算评估凸显了 CyberBOT 的潜在能力，后续的现场研究将评估其教育影响。通过将结构化领域推理与现代生成能力集成，CyberBOT 展示了在专业化教育情境中开发可靠且课程对齐 AI 应用的有前景的方向。
引用
@article{arxiv.2504.00389,
title = {CyberBOT: Towards Reliable Cybersecurity Education via Ontology-Grounded Retrieval Augmented Generation},
author = {Chengshuai Zhao and Riccardo De Maria and Tharindu Kumarage and Kumar Satvik Chaudhary and Garima Agrawal and Yiwen Li and Jongchan Park and Yuli Deng and Ying-Chih Chen and Huan Liu},
journal= {arXiv preprint arXiv:2504.00389},
year = {2026}
}
备注
Accepted by The Conference on Information and Knowledge Management (CIKM) 2025