MITRE-SAGE：多代理网络安全问答模型

有效的网络安全运营需要及时、准确地分析大规模异构安全信息；然而，分析师日益面临信息超载、警觉疲劳和决策时间有限的问题。尽管 大语言模型 (LLM) 在问答 (QA) 方面表现出了有前景的能力，但其在网络安全方面的有效性仍然受到领域知识不足、容易产生幻觉以及难以捕获语义和结构关系的限制。这项工作提出了 MITRE-SAGE，这是一种多代理检索增强生成框架，它集成了语义和结构网络安全知识，以提高基于 LLM 的 QA 系统的可靠性和可解释性。通过将复杂的任务分解为查询解释、证据检索和答案合成，MITRE-SAGE 有效支持漏洞评估、威胁分析和关系提取等网络安全任务。此外，我们提出了 MITRE-QA，这是一个包含 3,000 个问答对的综合基准，用于跨不同的网络安全知识任务评估 LLM，并用它根据代表性基线方法系统地评估 MITRE-SAGE。大量实验表明，MITRE-SAGE 始终优于独立的 LLM 和传统的 RAG 方法。值得注意的是，由 Qwen2.5-7B 子代理和 Qwen2.5-14B 协调器组成的轻量级配置在八个基准任务中的五个上实现了卓越的性能，表明了所提出的多代理框架的有效性。结果凸显了 MITRE-SAGE 作为可靠网络安全 QA 的可扩展和可解释方法的潜力，而 MITRE-QA 为未来的研究提供了标准化基准。