通用人工智能大模型赋能典型场景梳理

以下介绍几个通用人工智能大模型赋能的典型场景，包括等级保护知识赋能、等级测评赋能和等级保护培训赋能等。

1.网络安全等级保护知识赋能场景

1.1 等级保护政策法规知识赋能

近年来，网络安全得到了党和国家的高度重视，相关法律法规和标准不断出台，网络安全等级保护成为了重要的工作内容。通过遵循法律法规和政策标准，依法开展网络安全等级保护工作，可以有效地保障国家网络空间安全。

（1）国家法律法规政策知识辅助 国家先后颁布了《中华人民共和国网络安全法》《中华人民共和国密码法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《关键信息基础设施安全保护条例》和《商用密码管理条例》等网络安全相关国家法律法规，重要信息系统和关键信息基础设施已经成为国家网络安全中的重要组成部分，维护国家网络空间主权和国家安全成为新时代的工作重点。

这些法律法规都和等级保护领域有着直接或间接的关系，再加上各部门依据法律法规出台的政策文件，如《关于落实网络安全保护重点措施 深入实施网络安全等级保护制度的指导意见》（公网安〔2022〕1058 号）等。这些法律法规和政策文件的出台，意味着等级保护从业者需要承担更加繁重的责任和挑战，从业者需要不断更新自己的知识和技能，以适应新的法律法规和政策文件的要求，同时需要不断加强对等级保护领域的业务学习，不断改进和完善自己的技术和方法，以确保国家网络安全的稳定和可靠，为网络安全事业做出更大的贡献。

通过引入通用人工智能大模型，可以解决这个问题。一方面，通过分析和学习大量的等级保护领域相关的法律法规和政策文件知识数据集，通用人工智能可以为等级保护从业者提供准确、全面的法律法规和政策文件知识辅助，帮助他们更好地理解和应对法律法规和政策文件的要求和变化，从而提高等级保护领域法规和政策方面的服务质量。另一方面，通过分析和学习等级保护领域相关的法律法规和政策文件之间的逻辑关系，通用人工智能可以为等级保护从业者提供更加精准、高效的法律法规方面的专业支持和解决方案，提升等级保护领域法律法规和政策文件的专业水平和应对能力。

（2）标准知识辅助

在等级保护标准体系中，除了 GB 17859-1999《计算机信息系统安全保护等级划分准则》，经历了 GB/T 22239-2008 《信息安全技术网络安全等级保护基本要求》和 GB/T 22239-2019《信息安全技术网络安全等级保护基本要求》两代核心标准，包括与之相关的GB/T22240-2020 《信息安全技术 网络安全等级保护定级指南》、GB/T28448-2019 《信息安全技术 网络安全等级保护测评要求》、GB/T25058-2019 《信息安全技术 网络安全等级保护实施指南》和GB/T25070-2019 《信息安全技术 网络安全等级保护安全设计技术要求》等系列标准。

这些标准包含大量的技术术语和专业术语，需要等级保护从业者具备高度的专业知识和技能才能够理解和应用。此外，这些标准之间还可能存在着相互依存、相互制约的关系，需要行业耕耘者对标准之间的逻辑关系进行深入的分析和理解，才能够正确地理解和执行标准。同时，由于标准的更新和变化比较频繁，等级保护从业者还需要不断地学习和更新自己的知识和技能，以适应新的标准要求和变化。这需要他们具备高度的学习能力和适应能力，不断地更新自己的知识和技能，这是等级保护从业者需要面对的一个重要的挑战，他们需要花费极大的时间和精力来应对。

引入通用人工智能大模型能够有效地解决上述标准之间复杂的逻辑关系所带来的问题。具体来说，通用人工智能大模型可以从海量的标准文本中抽取相关的知识和信息，自动分析和理解标准之间的逻辑关系，形成参数集，为等级保护从业者提供精准和全面的标准解析和执行指导。 这样一来，等级保护从业者就不需要花费大量时间和精力去理解标准相互之间的关系，大模型会简化标准间复杂逻辑关系，提供逻辑连贯的解析和执行指导，从而提高标准执行的准确率和效率。此外，大模型还可以通过自动问答和用户交互等方式，为等级保护从业者提供实时和智能的标准知识咨询服务。当标准发生变化或新标准出台时，大模型还可以自动分析和提取最新的标准要求和变化，以便等级保护从业者及时更新自己的知识和技能，保持与标准同步。

除此之外，大模型还可以进行多语言处理和跨文化交流，在全球范围内帮助等级保护领域耕耘者更好地理解和应用标准，提升他们的国际化标准知识理解和执行能力。

1.2 等保定级备案知识赋能

国家要求信息系统的信息系统运营使用单位开展网络安全等级保护定级备案工作。信息系统运营使用单位确定信息系统的安全保护等级后，组织专家评审后到公安机关办理备案手续，由公安机关网安部门向备案单位颁发信息系统安全保护等级备案证明文件。

（1）系统定级知识辅助

2007 年 7 月，公安部、国家保密局、国家密码管理局和国务院信息化工作办公室联合发布《关于开展全国重要信息系统安全等级保护定级工作的通知》（公通字〔2007〕861 号）。该通知为全国重要信息系统等级保护开展定级工作给出要求顶层设计。随后，2008年6月 国 家 标 准 发 布 《 信 息 系 统 安 全保护等级定级指南》（GB/T22240—2008），为全国定级工作给出方法指导。该标准与2020年修订为《信息安全技术 网络安全等级保护定级指南》（GB/T22240-2020）。 

信息系统定级工作涉及到信息系统的数量、分布、业务类型、应用或服务范围、系统结构等基本情况，确定定级对象和安全保护等级并形成定级报告，对于一定安全保护等级的信息系统，还需要进行专家评审环节。信息系统定级是一个复杂的过程，需要一定的专家知识和专业知识，尤其是本身就复杂的信息系统，如何确定定级对象和安全保护等级，一直是等级保护系统定级中的重点和难点。等级保护从业者需要理解系统定级工作的复杂性和专业性，但由于个人专业知识的限制，很多从业者无法完全理解和掌握系统定级工作的核心要点和关键流程。

这种情况下，引入通用人工智能大模型的整合能力，训练时引入大量的信息系统定级备案数据，通过对历史数据和规律的分析，并结合预测算法，大模型可以给出针对一个对新信息系统的定级指引，辅助信息系统运营者制定出科学合理的定级方案，从而提高信息系统定级的效率和水平，从业者也可以通过这些定级方案，不断的学习和实践，提高自己的能力水平，从而更好地理解和应用信息系统定级工作，为等级保护工作的顺利开展做出更大的贡献。甚至，相关机构还可以利用大模型赋予的能力，加强对等级保护从业者的培训和指导，提高等级保护从业者的整体素质和能力水平，以推动等级保护定级工作的发展和进步。

（2）系统备案知识辅助

根据《信息安全等级保护管理办法》，信息系统安全保护等级为第二级以上的信息系统运营使用单位或主管部门到公安部网站下载《信息系统安全等级保护备案表》和辅助备案工具，持填写的备案表和利用辅助备案工具生成的备案电子数据，到公安机关办理备案手续，提交有关备案材料及电子数据文件。 隶属于中央的在京单位，其跨省或者全国统一联网运行并由主管部门统一定级的信息系统，由主管部门向公安部办理备案手续。跨省或者全国统一联网运行的信息系统在各地运行、应用的分支系统，向当地设区的市级以上公安机关备案。

信息系统的备案也是一个复杂的过程，首先需要准备《信息安全等级保护备案表》，将需要备案的信息系统的信息填入，然后按照《信息系统等级保护备案实施细则》的要求进行备案。目前国家并没有提供专门的信息系统备案咨询服务，信息系统运营者需要额外聘请等级保护领域专家或者专业机构来进行处理。引入通用人工智能大模型后，大模型可以加速整个备案的流程。大模型通过预训练过程中学习的等级保护信息系统备案知识参数，自动抽取和整理出系统的关键信息和规则，提高备案数据的质量和准确性。

甚至，大模型可以从海量数据中自动抽取出与系统等级保护有关的项和细节，结合系统运营者的系统和资产信息等，自动填充到相应的表格中。通过自动填表，大模型能够避免手动操作的错误和漏填，同时也能提高信息系统备案表填写的效率和精确度。另外，大模型还拥有语义理解和模式识别能力，通过对备案表数据的智能分析和有关规则的学习，它能够探索和发现备案数据规律，并推出适用于不同系统的信息系统备案方案，帮助系统运营者更加科学、规范地开展等级保护备案工作。

1.3 等保测评知识赋能

等级测评工作是指测评机构依据国家网络安全等级保护制度规定，按照有关管理规范和技术标准，对未涉及国家秘密的信息系统安全等级保护状况进行检测并评估其是否达到相应等级要求的活动，是网络安全等级保护制度的重要环节。等级测评过程包括测评准备活动、方案编制活动、现场测评活动和报告编制活动四个基本测评活动。

在现场测评中，需要测评人员具备复杂的判断能力和等级保护专业技能，以便能够快速高效的获取信息系统全面的信息，形成一套可以落地实施的测评方案。这需要测评人员在现场进行复杂的工具测试和证据获取，涉及到众多的系统资产、证据表单，以及测试结果，需要细致入微地分析和整理这些数据，非常耗费时间和精力。引入通用人工智能大模型可以解决这些问题，提升测评人员的工作效率和水平。通用人工智能大模型可以利用其强大的自然语言处理、文本分析、图像识别，以及数据分析和挖掘技术，在现场快速高效地获取信息系统全面的信息，并形成一套可行的测评方案。

同时，大模型可以快速地识别出工具测试的接入点，并获取工具测试结果，以便支撑测评报告的编制工作。此外，大模型还可以通过关联分析和推理，对整个信息系统进行深入分析，准确识别潜在的安全风险和漏洞，帮助测评人员形成准确的分析和判断，并提出对应整改建议和方案。 因此，引入通用人工智能大模型可以解决现场测评中的问题，提升测评人员的工作效率和水平。大模型可以快速获取系统资产、证据表单和测试结果，支撑测评报告的编制；同时，大模型可以通过数据分析和挖掘技术，准确分析和判断信息系统的安全保护状况，帮助测评人员形成整改建议和方案，提升测评人员的专业能力。

1.4 等保整改建议知识赋能

等级测评活动过程中，采用风险分析的方法分析等级测评结果中存在的安全问题，并给出针对性的安全整改建议。在实际的现场测评工作中，测评人员需要具备复杂的判断能力和等级保护专业技能，以便能够快速高效地获取信息系统全面的信息，并形成一套可行的整改方案。这涉及到众多的测试结果，如漏洞扫描工具、渗透测试工具、源代码审计工具和协议分析工具所产生的结果文件等，以及众多的系统资产、证据表单和测试结果，还有复杂的用户系统网络结构和这些证据之间各种逻辑关系等。测评人员需要快速高效的获取各项测评证据，细致入微地分析和整理这些数据，获取真实可靠的信息系统安全问题，并形成建设整改意见，这都非常耗费测评人员的时间和精力，考较测评人员的专业技能。

通过引入通用人工智能大模型，利用其强大的自然语言处理、文本分析、图像识别、数据分析和挖掘技术，辅助测评人员的现场测评工作。甚至大模型还可以通过关联分析和推理，对整个信息系统进行深入分析，准确识别潜在的安全风险和漏洞，帮助测评人员形成准确的分析和判断，并提出对应整改建议和方案等，提升测评人员的工作效率和水平。

2.等级测评赋能场景

2.1 系统调研阶段赋能

系统调研阶段对于网络安全等级测评至关重要。在该阶段中，主要是通过收集和了解定级对象的资产信息、文档信息和网络拓扑等相关资料的方式，为下一步的方案编制阶段做准备工作。

然而，在实际工作中，如何能快速、便捷地了解定级系统的全部资产和掌握网络结构是工作中的难点。传统的系统调研活动中，需要填写大量的调查表格，包括物理与逻辑边界、硬件资源、软件资源和信息资源等，这些都是依靠人力来完成的，这不仅需要大量的时间和精力，而且容易因人为因素而出现误差。对于一些比较复杂的信息系统，涉及到的资产信息和网络结构更加复杂，需要更多的人力和时间投入。 因此，引入通用人工智能大模型对测评准备活动进行辅助，可以大大提高工作效率和准确性。例如，利用大模型进行资产信息的快速梳理、自动分析和形成网络拓扑结构等，都可以大大节省人力成本和减少工作的难度。通过大模型对测评准备活动的赋能，可以更加快速、便捷和全方位的了解定级系统，为后续的工作提供准确可靠的数据支撑。

2.2 方案编制阶段赋能

方案编制阶段的目标是依据系统调研阶段收集的信息系统各项资料信息，编制为现场测评阶段提供最基本的文档和指导方案。方案编制包括测评对象确定、测评指标确定、测评内容确定、工具测试方法确定、测评作业指导书开发及测评方案编制六项主要任务。在测评方案制定的实际工作中，确定测评对象和工具测试方法一直是整个阶段中的重点和难点。由于信息系统中的资产众多、网络结构复杂，而测评对象的选择又需要基于一定的原则，如重要性、安全性、共享性和全面性等等，需要测评人员具备极强的等级保护领域的专业知识素养。

此外，工具测试可能涉及到漏洞扫描、渗透测试、源代码审计和协议分析等工具集，需要直接接入到信息系统的生产环境中，因此需要慎重而又有效地制定工具测试方案，选取合适的接入点，这也考验着等级测评师的智慧和技能。 所以，引入通用人工智能大模型，可以更好地解决这些问题，辅助等级测评师进行测评对象的确定和工具测试方法的制定。通过大模型的各种赋能，例如文生图功能，可以更加快速、准确地确定测评对象，同时还可以有效地制定工具测试方案，提高测评方案的编制效率和准确性。

2.3 现场测评阶段赋

现场测评阶段主要是依据测评方案，进入信息系统的实际生产环境，获取编制测评报告所需要的足够的证据和资料。现场测评包括现场测评准备、现场测评和结果记录、结果确认和资料归还三项主要任务。 现场测评是一项复杂而又艰巨的任务，测评人员往往要面临各种各样的突发情况。例如，无法确定测评对象的位置、网络通信不畅或遭遇到新型号的硬件设备导致作业指导书失效等问题，这些突发状况非常考验测评人员的技术反应能力。特别是在操作工具测试生产环境的信息系统时，稍有不慎就会对系统的正常运行造成一定的影响。因此，在现场测评中，测评人员需要具备专业知识和经验，以快速、准确地应对各种突发情况，确保测评的顺利进行。

引入通用人工智能大模型可以发挥出色的作用，帮助测评人员快速、准确地应对各种突发情况。例如，利用大模型的能力可以快速分析资产结构和网络结构，科学合理的对确定测评对象和工具测试的接入点及测试路径，依靠大模型训练集成的丰富知识体系，可以对测评人员的现场测评进行作业指导，快捷有效的获取测评证据，准确地分析信息系统潜在的安全漏洞，为现场测定活动保护提供更加可靠的技术保障。

2.4 报告编制阶段赋能

在现场测评结束后，测评人员对现场测评获得的测评结果（证据资料）进行汇总分析，形成等级测评结论，并编制测评报告。测评人员初步判定单向测评结果后，还需要进行单元测评结果判定、整体测评、系统风险评估，形成安全问题和等级测评结论，并提供整改建议。在报告编制的实际工作中，大量的表单数据是不可避免的，这些数据需要进行全面、准确的分析，以便形成有效的等级测评结论。传统的测评工具虽然可以自动化地收集和进行一些基本的分析，但其中一些有价值的分析仍需高级测评专家进行人工分析，并对整体测评环节的安全控制点间、层面间进行判断，这对测评人员的技能水平和经验要求很高。

同时，在现场测评中，工具测试的原始结果可能存在大量关联性，需要进行深入关联分析，然而传统的自动化分析仅基于事先制定好的规则，难以及时发现出现的时效性和突发性安全问题。引入通用人工智能大模型后，过对大量数据和历史信息的学习和分析，大模型可以为测评人员提供全方位、准确且高效的安全分析，有效地解决传统自动化分析无法解决的复杂问题。此外，大模型还能够利用自然语言处理技术进行文本挖掘和分析，从而为测评人员提供深入和精确的报告结论。综上所述，通用人工智能大模型为报告编制提供了一种全新的思路，有助于提高测评人员的工作效率和水平，为信息安全保护提供更加可靠的保障。

2.5 报告质量审核阶段赋能

在等级测评报告的质量审核阶段，通用人工智能大模型可以发挥重要作用。首先，大模型可以根据报告全文的资产信息、测试结果，结合测评标准和要求，利用其强大的自然语言处理和文本分析技术，对测评报告的各个部分进行深入分析和比对，发现潜在的报告逻辑问题和不符合规范的内容，并提出相应的建议和改进方案，从而提高了审核效率和准确性。 其次，大模型还可以根据学习的测评报告的历史数据和经验，对等级测评报告进行自动批判性评估。大模型可以利用其强大的数据分析和挖掘技术，对历史测评报告的数据进行深入分析和比对，发现测评报告的疏漏和不足之处，快速提出改进方案和建议。这不仅提高了测评报告的质量，同时也提高了测评机构和测评人员的整体水平和能力。

此外，大模型还可以通过引入多模态数据分析，提高测评报告的可解释性和可靠性。大模型可以同时处理多种数据类型，例如文本、图片、视频和音频等，通过各种数据之间的关系和交互，对测评报告的各个方面进行深入判断和分析，从而提高测评报告的可解释性和可靠性。尤其是在复杂的系统环境下，大模型可以通过分析多种数据类型，对测评报告进行全面的分析和判断，从而提高了测评报告整体的质量水准。 因此，通用人工智能大模型在等级测评报告的质量审核阶段具有重要作用。大模型可以自动分析、自动评估和自动改进测评报告的质量，从而提高了测评报告的准确性、解释性和可靠性，同时也提高了整体测评机构和测评人员的整体水平和能力。