融合生成式 AI 于网络安全教育：基于 OCR 和多模态 LLM 辅助指令的研究

本全论文描述了一种集成了生成式 AI 的指令系统，融合于虚拟网络安全实验平台。第四工业革命（4IR）系统的数字化转型正在重塑劳动力需求，尤其在年长员工中加剧技能缺口。随着对机器人、自动化、AI 与安全的日益重视，重新技能化和提升技能至关重要。生成式 AI 可通过充当指令助理来支持技能获取，帮助在体验式学习期间实现学习目标。我们呈现了一个集成于先前体验式学习平台的生成式 AI 指令助理。该助理在旧版 Cybersecurity Labs-as-a-Service（CLaaS）平台（2015）中采用零样本 OCR-LLM 流程。通过 Tesseract OCR 从幻灯片图像中提取文本，然后通过通用 LLM 生成简化指令，实现最小化基础设施下的实时指令支持。该系统在一次实际大学课程中进行评估，其中学生反馈（n=42）平均为 7.83/10，表明用户感知的实用性很强。与直接解释幻灯片图像的多模态 LLM 进行比较研究显示，后者在信息密集型幻灯片上表现更好，但 OCR-LLM 流程在以文本为中心的幻灯片上提供了相当的教育价值，同时计算开销和成本更低。这一工作表明，轻量级且易于集成的流水线能够有效地为遗留平台注入现代生成式 AI，为技术教育中的学生理解提供可扩展的改进。