通过数据合成与分析实现可扩展且伦理的内部威胁检测：LLM 的作用

内部威胁对组织的影响远超其规模，尽管其数量较小。这主要是由于内部人员对系统、信息和基础设施的访问权限。%一个例子是匿名 respondent 提交给基于网页的求职网站评论，这是一种内部威胁风险。针对此类风险的信号可能在对基于网页的求职网站评论中发现。本研究研究了大型语言模型(LLM)分析和检测求职评论中内部威胁情绪的潜力。为了解决伦理数据收集问题，本研究利用 LLM 进行合成数据生成，以及现有的求职评论数据集。对 LLM 生成的情感得分与专家人类评分进行比较分析。研究发现，LLM 在大多数情况下与人类评估一致，从而有效识别威胁情绪的细微指标。性能在人类生成数据方面低于合成数据，表明在评估真实世界数据时仍有改进空间。文本多样性分析发现，人类生成数据集与 LLM 生成数据集之间存在差异，合成数据显示出一定程度的较低多样性。总体而言，结果表明 LLM 可用于内部威胁检测，并通过克服数据获取的伦理和后勤障碍，提供一种可扩展的内部情绪测试解决方案。