arXiv cs.AI· Jonas Thurner, Nadine Jost, Stefan Albert Horstmann, Fabian Ising, Lea Groeber, Alena Naiakshina, Sebastian Schinzel·· 3 天前AI 评分27
SOC 从业者如何看待 LLM 集成：25 场访谈揭示 15 类用例与落地障碍
From Chasing Ghosts to Missed Attacks: Perspectives and Perceptions of SOC Practitioners on LLM Integration, Risks, and Readiness
AI 导读
一项针对 25 名有 LLM 使用经验的 SOC 从业者的半结构化访谈研究，梳理出 15 类 LLM 用例并归为六大功能类别。从业者认可 LLM 在报告自动化等重复性低阶任务上的价值，但认为事件分析等高影响任务尚不可行，瓶颈在于技术深度、上下文感知和组织专属知识，以及 SOC 自身准备度和人类过度依赖。尽管存在顾虑，从业者仍表现出强烈的采用意愿，称竞争压力下几乎没有替代选择。
正文 · AI 翻译
摘要：安全运营中心（SOC）需要处理大量安全事件，要求分析人员在时间压力下准确检测并评估正在进行的网络攻击。大语言模型（LLM）的最新进展显示出对安全运营的潜在益处，但其对现实世界 SOC 工作流的实际适用性仍鲜为人知。为弥补这一空白，我们对具有 LLM 使用经验的 SOC 从业者进行了 25 次半结构化访谈，并辅以交互式场景，以预判挑战并识别将基于 LLM 的工具负责任地整合进 SOC 工作流的机遇。我们识别出 15 个 LLM 用例，归为六个功能类别。尽管 LLM 因能自动化报告自动化等重复性低层级任务而受到重视，但从业者认为事件分析等高影响力任务尚不可行，并指出其在技术深度、上下文感知和组织特定知识方面的局限。他们认为这些局限与其说在于模型本身，不如说在于其 SOC 的准备程度以及导致过度依赖的人为因素。尽管存在担忧，从业者仍表现出强烈的采用 LLM 的意愿，并描述了几乎没有其他选择的竞争压力。本工作贡献了一项实证性的、以从业者驱动的分析，涵盖 SOC 各角色和组织中的 LLM 使用情况，并推导出面向以人为本、运营安全的 LLM 辅助安全运营的具体设计与整合要求。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2608.00672 [cs.CR] |
| （或 arXiv:2608.00672v2 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.00672 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Jonas Thurner [查看电子邮件]
[v1]
2026年8月1日星期六 13:47:44 UTC（997 KB）
[v2]
2026年10月12日星期一 12:50:32 UTC（5,103 KB）
来源：arXiv cs.AI · arxiv.org