利用大语言模型探索跨行业软件失效的相似程度

软件开发的快速演进需要增强安全措施。通过新闻文章获取公司软件失效信息正变得越来越容易。本研究利用基于大语言模型的失效分析调查模型（FAIL）提取行业特定信息。尽管FAIL模型的数据库信息丰富，但可以通过进一步分类和行业特定洞察来更好地辅助软件工程师。在先前工作中，新闻文章从可靠来源收集，并按事件在数据库中分类。随后应用提示工程和大语言模型（LLMs）提取软件失效的相关信息。本研究通过将文章按特定领域和软件失效类型进行分类来扩展这些方法。结果通过图表进行可视化表示。分析表明，在整个数据库中，某些软件失效在特定行业中显著更频繁地发生。这种分类为软件工程师和公司识别和解决常见失效提供了宝贵资源。本研究突出了软件工程与大语言模型（LLMs）之间的协同作用，以自动化和增强软件失效分析。通过将数据库中的数据转化为行业特定模型，我们提供了一个可用于识别常见漏洞、预测潜在风险并实施主动措施以防止软件失效的宝贵资源。利用现有FAIL数据库的力量和数据可视化，我们旨在为未来更安全、更可靠的软件提供途径。