从法规到要求：自动需求推导和解释管道

确保软件符合《通用数据保护条例》(GDPR) 和《人工智能法案》（欧盟人工智能法案）等法规提出了重大挑战，因为需求工程师必须将复杂的法律文本转化为可操作的软件需求——这一过程在实践中仍然主要是手动且容易出错。我们提出了一个从监管到需求的自动化管道，可以识别监管文件中包含需求的条款，并得出与系统无关的软件需求，并附有简单语言的解释，可追溯到其法律来源。我们根据 GDPR（398 条）和欧盟人工智能法案（574 条）的完整条款集评估管道。对于要求条款识别，该方法的宏观平均 F1 分数分别为 0.82 和 0.78，优于基于 SetFit 的基线。人工评估显示派生要求具有较高的完整性（4.60 和 4.45）和正确性（3.74 和 3.54），而解释清晰度得分在 1-5 等级上接近上限（4.92 和 4.94）。我们在 Reg2Req 中实施了该方法，Reg2Req 是一个公开发布的工具，进一步支持需求分类、用例播种、交叉引用分析、定义索引和可追溯性矩阵，以在实践中实现监管合规性。一项针对 25 名从业者的用户研究表明，通俗易懂的语言解释显着提高了对派生需求的理解和对这些需求采取行动的信心 (p < 0.001)，并且所有参与者都会使用 Reg2Req 作为从法规派生软件需求的起点。