用大模型自动梳理上下文智能在网络安全中的研究进展
Contextualized AI for Cyber Defense: An Automated Survey using LLMs
- 用ChatGPT4探索、Gemma2:9b过滤、Claude3.5分析文献，三阶段自动化调研
- 2015-2024年相关研究快速增长，聚焦鲁棒性与系统集成方法
- 发现组织信任与治理框架缺失，适合安全与AI交叉研究者参考
本文调研了上下文智能在提升网络防御能力方面的潜力，揭示了2015至2024年间该领域研究的显著增长。研究聚焦于鲁棒性、可靠性及集成方法，同时指出组织信任与治理框架方面的研究空白。采用两种大模型辅助的文献调研方法：(A) 使用ChatGPT 4进行初步探索，(B) 用Gemma 2:9b进行筛选，并由Claude 3.5 Sonnet完成全文分析。文章讨论了大模型在学术研究中的有效性与挑战，为未来研究提供实践洞见。
原文摘要 · Abstract (English)
This paper surveys the potential of contextualized AI in enhancing cyber defense capabilities, revealing significant research growth from 2015 to 2024. We identify a focus on robustness, reliability, and integration methods, while noting gaps in organizational trust and governance frameworks. Our study employs two LLM-assisted literature survey methodologies: (A) ChatGPT 4 for exploration, and (B) Gemma 2:9b for filtering with Claude 3.5 Sonnet for full-text analysis. We discuss the effectiveness and challenges of using LLMs in academic research, providing insights for future researchers.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。