面向森林Cyber-Physical系统的网络安全风险评估——大语言模型的应用案例
软件工程
2025-10-14 v2 人工智能
密码学与安全
摘要
在安全关键软件系统中，网络安全活动至关重要，风险评估是最关键的环节。在许多软件团队中，网络安全专家要么完全缺席，要么仅有少数几位专家。结果导致这些专家的工作负担巨大，软件工程师需要自行承担网络安全活动。这就需要一种工具来支持网络安全专家和工程师在风险评估过程中评估漏洞和威胁。本文探讨了利用本地部署的大型语言模型(LLM)结合检索增强生成技术，支持森林领域的网络安全风险评估的潜力，同时遵守限制性数据保护和隐私要求，后者限制了外部数据共享。我们进行了一项设计科学研究，涉及12位专家的访谈、交互式会话和调查问卷。结果表明，LLM可帮助网络安全专家生成初始风险评估、识别威胁并提供冗余检查。结果也突显了人工监督的必要性，以确保准确性和合规性。尽管存在信任问题，但专家愿意在特定评估和辅助角色中利用LLM，而非仅依赖其生成能力。本研究提供了洞见，鼓励在安全关键领域的Cyber-Physical系统中使用基于LLM的智能体支持风险评估过程。
引用
@article{arxiv.2510.06343,
title = {Leveraging Large Language Models for Cybersecurity Risk Assessment -- A Case from Forestry Cyber-Physical Systems},
author = {Fikret Mert Gultekin and Oscar Lilja and Ranim Khojah and Rebekka Wohlrab and Marvin Damschen and Mazen Mohamad},
journal= {arXiv preprint arXiv:2510.06343},
year = {2025}
}
备注
Accepted at Autonomous Agents in Software Engineering (AgenticSE) Workshop, co-located with ASE 2025