面向网络安全教育改进问答的本体感知 RAG
计算机与社会
2025-11-26 v2 人工智能
摘要
将 AI 融入教育有潜力改变科技课程的教学，特别是在网络安全领域。AI 驱动的问答（QA）系统能够在网络安全问题解决过程中主动管理不确定性，提供交互式、基于探究的学习体验。最近，大型语言模型在 AI 驱动的 QA 系统中崭露头角，实现了高级的语言理解和用户参与。然而，它们面临着幻觉和有限的领域特定知识等挑战，这降低了它们在教育环境中的可靠性。为了应对这些挑战，我们提出了 CyberRAG，一种用于开发网络安全教育中可靠且安全的 QA 系统的本体感知检索增强生成方法。CyberRAG 采用两步方法：首先，它通过从知识库中检索经过验证的网络安全文档来增强领域特定知识，以提高响应的相关性和准确性。其次，它通过整合知识图谱本体来验证最终答案，从而缓解幻觉和滥用。在公开可用数据集上的综合实验表明，CyberRAG 提供了与领域知识相一致的准确、可靠的响应，展示了 AI 工具增强教育的潜力。
引用
@article{arxiv.2412.14191,
title = {Ontology-Aware RAG for Improved Question-Answering in Cybersecurity Education},
author = {Chengshuai Zhao and Garima Agrawal and Fan Zhang and Tharindu Kumarage and Zhen Tan and Yuli Deng and Ying-Chih Chen and Huan Liu},
journal= {arXiv preprint arXiv:2412.14191},
year = {2025}
}
备注
Accepted by the 2025 IEEE International Conference on Big Data (IEEE BigData 2025)