Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
CyberBOT : Vers une éducation fiable en cybersécurité grâce à la récupération basée sur l'ontologie et à la génération augmentée
Created by
Haebom
Auteur
Chengshuai Zhao, Riccardo De Maria, Tharindu Kumarage, Kumar Satvik Chaudhary, Garima Agrawal, Yiwen Li, Jongchan Park, Yuli Deng, Ying-Chih Chen, Huan Liu
Contour
Cet article présente CyberBOT, un chatbot question-réponse fournissant des informations fiables et pertinentes pour l'enseignement de la cybersécurité. CyberBOT s'appuie sur un pipeline de génération augmentée de recherche (RAG) pour intégrer les informations contextuelles des supports de cours et valider les réponses à l'aide d'une ontologie de cybersécurité spécifique au domaine. Cette ontologie sert de couche d'inférence structurée qui contraint et valide les réponses générées par le LLM, réduisant ainsi le risque d'instructions trompeuses ou non sécurisées. CyberBOT a été déployé dans un important cours de troisième cycle à l'Université d'État de l'Arizona (ASU), avec plus de 100 étudiants utilisant activement la plateforme web. Des évaluations informatiques en laboratoire démontrent le potentiel de CyberBOT, et de futures études de terrain évalueront son impact pédagogique.
Takeaways, Limitations
•
Takeaways:
◦
Présentation de la possibilité de développer un système de questions-réponses fiable basé sur l'IA spécialisé dans l'éducation à la cybersécurité.
◦
Améliorer la sécurité et la précision du LLM grâce à l'intégration du pipeline RAG et des ontologies spécifiques au domaine.
◦
Mise en œuvre réussie dans un environnement de cours universitaire réel et présentation de cas d'utilisation actifs par les étudiants.
◦
Présentation d'une orientation pour le développement d'applications d'IA fiables et alignées sur les programmes d'études dans l'enseignement professionnel grâce à l'intégration du raisonnement de domaine structuré et des capacités d'IA générative.
•
Limitations:
◦
Actuellement, seuls les résultats d’évaluation informatique provenant d’environnements de laboratoire ont été présentés, et il n’existe pas d’études de terrain réelles sur l’efficacité de l’éducation.
◦
La nécessité de vérifier et de gérer en permanence l’exhaustivité et l’exactitude de l’ontologie.
◦
Des recherches supplémentaires sont nécessaires pour déterminer l’applicabilité et la généralisabilité de ces résultats à divers cours de formation en cybersécurité.
